백엔드 2026.05.25
Discord Rebuilds Database Operations Around Automation to Manage ScyllaDB at Massive Scale

Discord는 **Scylla Control Plane(SCP)**이라는 내부 오케스트레이션 프레임워크를 구축해, 소규모 인프라 팀이 대규모 ScyllaDB 클러스터를 자동화된 방식으로 운영할 수 있도록 데이터베이스 운영 체계를 전면 재설계했다. 기존에는 수동으로 며칠씩 소요되던 클러스터 관리 작업들을 SCP를 통해 자동화함으로써 운영 부담을 대폭 줄였다. 대규모 분산 데이터베이스를 소수 팀으로 안정적으로 운영하기 위한 **운영 자동화 및 오케스트레이션 설계**의 실제 사례로 참고할 만하다.

백엔드 2026.05.25
Solving the Mystery: Why Java RSS Grows in Docker on M1 Macs

M1 Mac의 Docker 컨테이너에서 Java 애플리케이션을 실행할 때, 힙 사용량은 안정적임에도 불구하고 RSS(Resident Set Size)가 지속적으로 증가하는 현상이 보고됐다. 조사 과정에서 프로세스 메모리 맵에 각각 정확히 128MB 크기의 `rwxp` 메모리 영역이 누적되는 것이 확인됐다. 힙 외부 영역에서 발생하는 이 현상이 메모리 누수인지, JVM 버그인지, 또는 다른 원인인지는 아직 명확히 규명되지 않은 상태이며, 본문은 현상을 소개하고 원인에 대한 질문을 제기하는 수준에 머물고 있다. Java 애플리케이션의 실제 메모리 사용량을 파악할 때 힙 지표만이 아닌 RSS 등 네이티브 메모리 영역도 함께 살펴볼 필요가 있음을 상기시키는 사례다.

백엔드 2026.05.25
How to Test a PATCH API Request With REST-Assured Java

REST-Assured Java를 활용하여 PATCH API 요청을 자동화 테스트하는 방법을 다루는 튜토리얼이다. RESTful API에서 사용되는 HTTP 메서드(POST, GET, PUT, PATCH, DELETE) 중 PATCH에 초점을 맞추고 있으며, 이전 시리즈에서 다룬 POST, PUT, GET 테스트의 연장선상에 있는 내용이다. 본문은 PATCH API 테스트와 관련된 여러 항목을 순서대로 설명하는 구성을 취하고 있다. API 개발 프로세스에서 테스트가 필수적인 단계임을 전제로, REST-Assured Java를 이용한 테스트 자동화 실습을 목표로 한다. 다만 제공된 본문이 개요 수준에 그쳐 구체적인 코드나 검증 방식의 세부 내용은 확인되지 않는다.

백엔드 2026.05.25
How to Test a DELETE API Request With REST-Assured Java

REST-Assured를 활용한 DELETE API 요청 자동화 테스트 방법을 다루는 튜토리얼이다. API 테스트는 UI가 없어 실행 속도가 빠르고 간편하며, 시스템의 엔드투엔드 기능 검증에 적합한 방식으로 주목받고 있다. 특히 자동화된 API 테스트를 CI/CD 파이프라인에 통합하면 빌드에 대한 피드백을 더 빠르게 받을 수 있다는 점이 강조된다. 본 튜토리얼은 Java 환경에서 REST-Assured를 사용해 DELETE 요청을 처리하고 테스트하는 구체적인 방법을 중심으로 구성되어 있다. DELETE API 처리 및 REST-Assured 기반 자동화 테스트에 관심 있는 백엔드 개발자에게 실용적인 참고 자료가 될 수 있다.

백엔드 2026.05.25
Spring AI 1.0.8, 1.1.7, 2.0.0-M7 Available Now

Spring AI의 세 가지 버전(1.0.8, 1.1.7, 2.0.0-M7)이 동시에 공개됐다. 1.0.8과 1.1.7은 각각 기존 릴리스 라인의 패치 및 마이너 업데이트이며, 2.0.0-M7은 다음 메이저 버전의 마일스톤 릴리스다. 본문에서는 세 버전의 출시 사실 외에 구체적인 변경 내역, 버그 픽스 항목, 또는 신규 기능에 대한 상세 내용은 제공되지 않는다. 각 버전의 상세 변경 사항은 공식 릴리스 노트를 통해 확인해야 한다.

백엔드 2026.05.24
Building an Image Classification Pipeline With Apache Camel and Deep Java Library (DJL)

Apache Camel과 Deep Java Library(DJL)를 활용한 이미지 분류 파이프라인 구축을 다룬 글이다. 이미지 분류는 사진 자동 분류, 업로드 콘텐츠 필터링, 상품 카탈로그 태깅 등 다양한 애플리케이션에서 핵심 기능으로 자리잡고 있다. Java 개발자 입장에서의 현실적인 문제는, 대부분의 컴퓨터 비전 예제가 Python 기반으로 작성되어 있는 반면 실제 이미지 분류가 필요한 시스템은 JVM 위에서 동작한다는 점이다. 이 간극을 메우기 위해 별도의 Python 마이크로서비스를 띄우고 REST 호출과 직렬화 오버헤드를 감수해야 하는 상황이 흔히 발생한다. 본문은 이러한 문제 제기까지 서술하며, DJL과 Apache Camel을 조합해 이를 해소하는 접근을 소개하는 글의 도입부에 해당한다.