이 단계에서 얻는 것
단순히 “신기술을 써봤다"가 아니라, 이 기술들이 기존 기술(RDBMS, TCP, VM)의 한계를 어떻게 극복했는지 엔지니어링 관점에서 이해합니다.
- AI Native Backend: RAG/LLM 서비스의 핵심인 Vector DB가 고차원 데이터를 어떻게 인덱싱(HNSW)하는지 봅니다.
- Next-Gen Web: 구글이 왜 TCP를 버리고 UDP 기반의 QUIC을 만들었는지, HTTP/3가 모바일 환경에서 왜 강한지 이해합니다.
- Modern Compute: AWS Lambda와 같은 FaaS가 콜드 스타트를 줄이기 위해 사용하는 MicroVM 기술을 봅니다.
커리큘럼 (Topic List)
1. AI & Data (Vector Search)
- Vector Embeddings: 텍스트/이미지를 숫자로 바꾸는 의미.
- HNSW (Hierarchical Navigable Small World): 수억 개의 벡터 중 가장 유사한 것을 10ms 안에 찾는 그래프 알고리즘.
- RAG Architecture: LLM + Vector DB + Backend의 흐름.
2. Network (HTTP/3 & QUIC)
- Head-of-Line Blocking: TCP의 태생적 한계와 QUIC의 멀티플렉싱 해결법.
- 0-RTT Handshake: 연결 수립 속도의 혁신.
- Connection Migration: 와이파이 ↔ LTE 전환 시 끊기지 않는 원리.
3. Compute & Kernel (Serverless & eBPF)
- MicroVM (Firecracker): 컨테이너보다 격리 수준은 높고 VM보다 가벼운 기술.
- eBPF (extended Berkeley Packet Filter): 커널 소스를 수정하지 않고 커널 기능을 확장/관측하는 리눅스의 초능력. (쿠버네티스 CNI, 보안 모니터링의 핵심)
이 단계의 핵심 주제
- Vector DB 인덱싱과 검색 알고리즘
- HTTP/3 & QUIC의 성능/지연 최적화 원리
- Serverless/MicroVM과 eBPF 기반 관측
미니 실습
- RAG 파이프라인 설계: 임베딩→검색→리랭킹 흐름 그리기
- HTTP/3 비교: TCP vs QUIC의 병목 지점 정리
- 콜드 스타트 분석: 서버리스 초기 지연 원인 분해
완료 기준
- 신기술을 “왜 필요한지” 설명할 수 있다
- 기존 기술의 한계와 해결 방식을 비교할 수 있다
- 도입 시 트레이드오프를 말로 정리할 수 있다