기초 개발 공부

  [ubuntu] 우분투 명령어 정리   

• ls: 현재 디렉토리 목록 출력
• cd: 해당 디렉토리로 이동
• cd..: 부모 디렉토리로 이동
• apt install: 우분투 내에 필요한 패키지 설치

 

  [docker] 도커 개념 정리   

• 도커(docker): 컨테이너 기반의 오픈소스 가상화 플랫폼
• 컨테이너(container)
  • 다양한 프로그램, 실행환경을 컨테이너로 추상화, 동일 인터페이스를 제공하여 프로그램 배포 및 관리를 단순화함
  • 격리된 공간에서 프로세스가 동작하는 기술(가상화 기술 중 하나)
  • 이미지를 실행한 상태, 이때 변화하거나 추가되는 값은 컨테이너에 저장됨
• 이미지(image)
  • 컨테이너 실행에 필요한 파일과 설정값 등을 포함하고 있는 것 (상태값X, 변하지 않음(Immutable))
  • 같은 이미지에서 여러 개의 컨테이너 생성 가능
  • 컨테이너 상태가 바뀌거나 삭제돼도 이미지는 변하지 않음

• 도커 컴포즈(docker compose)
  • 여러 개의 컨테이너로부터 이루어진 서비스를 구축, 실행하는 순서를 자동으로 하여 관리를 간단히 하는 기능
  • compose에서는 compose 파일(.yml)을 커멘드 1회 실행하여 그 파일로부터 설정을 읽어서 모든 컨테이너 서비스를 실행하는 것이 가능함
  • docker-compose up 커맨드 
    • docker compose 파일에 정의되어 있는 모든 서비스 컨테이너를 한 번에 생성하고 실행
  • docker-compose down 커맨드
    • docker-compose up 커맨드와 정반대 동작으로 docker compose에 정의되어 있는 모든 서비스 컨테이너를 한 번에 정지시키고 삭제 (이 때 이미 생성된 이미지와는 상관 X)

 

  [docker] cmd 창에서 사용하지 않는 volume 삭제   

• 도커의 볼륨(volume): 컨테이너가 삭제되면 컨테이너의 변경된 데이터가 함께 삭제되는데,  데이터를 영속적으로 보존하기위해 volume  옵션을 사용하여 호스트 의 저장소를 마운트하여 사용함
• 사용하지 않는 볼륨 삭제 방법: window에서 명령 프롬프트 창에 docker volume prune 입력하기!

 

  [database] parsing(파싱)   

• 파싱(parsing)하다 = 어떤 데이터를 원하는 모양으로 만들어 내다
  • 특정 문서를 읽어 다른 프로그램이나 서브루틴이 사용할 수 있는 내부 표현 방식으로 변환시켜주는 것
  • 컴퓨터가 알아볼 수 있도록 바꾸어주는 과정
  • 컴파일러의 일부로써 원시 프로그램의 입력을 받아 구문을 해석할 수 있는 단위로 여러 부분으로 분할해 주는 역할
• 파서(parser)
  • 컴파일러나 인터프리터에서 원시 프로그램을 읽어 들여, 그 문장의 구조를 알아내는 구문 분석(parsing)을 하는 프로그램

  로그(log)   

• 컴퓨터 내에 접속 기록이 남아있는 것
• 보통 네트워크에 접속 시 IP 주소나 접속한 운영체제 등이 서버 컴퓨터에 남음
• 컴퓨터에 접속하거나 종료한 것 뿐만 아니라 사용기록 전반 기록하는 것을 뜻하는 단어로까지 의미 확장

---

 리눅스 명령어 

• python 코드에서 !를 붙이면 이후 명령어를 shell에서 실행 가능
• python 내장 함수가 아니라, 파이썬 환경에서 외부 시스템 명령을 실행하기 위한 방법
• 리눅스와 유닉스 계열의 시스템에서 주로 사용하는 명령어 정리
  
  • !wget : 웹에서 파일 다운로드 시 사용
  • !ls : 현재 디렉토리에 있는 내용 출력 (폴더/파일 등)

 os 모듈 

• os.getcwd() : 현재 디렉토리 위치 확인
• os.chdir('경로') : 특정 디렉토리로 이동
• os.listdir('경로') : 특정 디렉토리(지정 안하면 현재 working 디렉토리) 내의 모든 파일과 폴더를 리스트로 반환 

 

---

• AI 모델을 serve한다: AI 모델을 사용 가능한 상태로 만들어 API를 통해 다른 애플리케이션이나 사용자들이 접근할 수 있도록 하는 것을 의미
• 모델을 서버로서 실행하여 외부에서 요청을 받아들이고, 그 요청에 대해 AI 모델이 응답을 생성하도록 하는 것
  • 서버 역할: 모델을 serve하면, AI 모델이 특정 포트에서 서버처럼 실행되어, HTTP 요청을 받아들이고 이에 대한 응답을 생성 - 웹 애플리케이션에서 데이터베이스 서버가 요청을 처리하는 것과 유사
  • API 인터페이스 제공: 모델을 serve할 때 주로 RESTful API나 gRPC 인터페이스를 통해 외부 애플리케이션이 모델에 접근할 수 있도록 함 - 웹 애플리케이션이나 모바일 앱이 AI 모델의 예측 기능을 사용하고자 할 때, HTTP 요청을 보내서 그 결과를 받는 방식
  • 동시성 및 확장성: 모델을 serve하는 환경에서는 다수의 사용자가 동시에 모델을 사용할 수 있게 하는 동시성 처리와, 요청이 많아질 때 이를 처리할 수 있는 확장성이 고려됨 이를 위해서 로드 밸런싱, 스케일링 등의 기술이 사용될 수 있음
  • 모델 관리: 모델을 serve할 때는 모델의 버전 관리, 배포 관리, 모니터링 등을 할 수 있는 관리 도구도 포함될 수 있음 - 이를 통해 모델의 성능을 실시간으로 모니터링하거나 필요에 따라 업데이트를 쉽게 할 수 있음