![[팀네이버 컨퍼런스 DAN25] What's In Our Infra: 대규모 트래픽을 수용하기까지](https://i.ytimg.com/vi/5OUS8uEwpR8/maxresdefault.jpg)
[팀네이버 컨퍼런스 DAN25] What's In Our Infra: 대규모 트래픽을 수용하기까지
DAN 2025 네이버 · YouTube
AI 핵심 요약
네이버는 글로벌 라이브 스트리밍과 대형 이벤트에서 짧은 지연 시간, 급격한 트래픽 증가, 지역별 네트워크 편차를 동시에 감당해야 했으며, 단순한 서버 증설만으로는 병목과 장애 확산을 막기 어려웠습니다. LL-HLS 전환에 따른 요청량 증가와 캐시 미스 문제에는 메타데이터 기반 캐시 구조를 적용하고, CDN 품질 지표에 따라 트래픽을 동적으로 분배하며 대체 경로와 장애 격리 구조를 마련했습니다. 사용자 반응 기반 모니터링, 분산 추적 토폴로지 맵, 장애 주입 테스트도 도입해 실제 체감 품질과 복구 동작을 확인했습니다. 기존 모놀리식 전송 플랫폼의 한계를 보완하기 위해 쿠버네티스 기반의 NVELOP을 설계하고 있으며, 서비스별 확장과 장애 격리, 캐시 재활용을 통해 무중단에 가까운 운영을 지향한다는 점을 강조했습니다.
- LL-HLS는 재생 지연을 줄이지만 요청 단위가 작아져 요청량과 캐시 미스가 늘 수 있으므로 전송 플랫폼의 병목을 함께 점검해야 합니다.
- 캐시 메타데이터를 활용하면 디스크 접근을 줄이고 캐시 여부를 빠르게 판단할 수 있습니다.
- CDN별 TTFB, TTLB, 오류율을 점수화해 트래픽을 동적으로 배분하면 특정 전송 경로의 품질 저하에 대응할 수 있습니다.
- 시스템 지표만으로 사용자 체감 품질을 판단하지 말고, 사용자 반응 모니터링과 분산 추적 토폴로지 맵을 함께 활용해야 합니다.
- 대규모 이벤트 전에는 장애 주입과 부하 테스트로 복구 동작 및 품질 지표를 검증하는 것이 중요합니다.
소개
[팀네이버 컨퍼런스 DAN25] What's In Our Infra: 대규모 트래픽을 수용하기까지 네이버는 50여 개국에서 유입되는 수백만 규모의 트래픽을 24/7 안정적으로 처리하고 있습니다. 본 세션은 대규모 이벤트 운영 경험을 바탕으로 지연·장애·비용 문제를 해결하기 위한 엔지니어링 사례와 그 과정에서 얻은 교훈을 다룹니다. 아울러 한계를 넘어서기 위한 새로운 도전인 NVELOP(NAVER Velocity Platform) 의 배경과 방향을 소개합니다. 목차 1. Intro - 네이버 글로벌 라이브 스트리밍 플랫폼의 인프라 구성 개요 - 서비스 콘셉트와 챌린지 2. 무중단 서비스를 위한 엔지니어링 사례 - 대규모 트래픽 분산·제어 전략 - 전송 플랫폼 **최적화(Tune-in) **사례 - **Observability **도입 3. NVELOP (NAVER Velocity Platform) 방향 - 기존 플랫폼 한계 ...
비슷한 학습 자료
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 오프닝 키노트: 연결의 진화, 경험의 확장 (English sub)
컨퍼런스 DAN 2025
AI와 함께하는 네이버의 연결의 진화, 경험의 확장 Beyond Connection, Expanding experiences 팀네이버 컨퍼런스 DAN25의 오프닝 키노트에서는 DAN24에서 발표되었던 'On-service AI' 전략을 고도화한 AI 에이전트 ‘Agent N’가 공개되었습니다. 네이버는 그동안의 경험과 기술력을 바탕으로, 쇼핑∙검색∙광고 등 네이버 주요 서비스에 순차적으로 고도화된 에이전트를 도입할 예정입니다. 다양한 서비스부터 B2B까지 아우를 네이버의 'Agent N'을 기대해 주세요. Introducing NAVER's AI Agent Strategy — a vision for new connections across everyday life, business, and society in the AI era. * DAN25 오프닝 키노트를 포함한 전 세션 다시보기는 네이버 공식 네이버TV, 유튜브 계정에서 곧 만나볼 수 있습니다. #DAN #DAN25 ...
AI에이전트 개발
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 사용자가 이끄는 경험, 네이버의 기준이 되다
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 사용자가 이끄는 경험, 네이버의 기준이 되다 네이버의 경험조직에 대한 소개와 함께 사용자관점이 사업과 서비스의 의사결정에 어떤 과정을 통해 중요한 영향을 미치는지 과정과 경험을 공유하려 합니다. 목차 1. 사용자는 우리에게, 우리는 사용자에게 - 네이버다움 : users as our compass 2. 네이버의 경험조직 - 사용자 관점을 통한 의사결정 : making experience matter 3. 버티컬 경험 측정과 개선 - 경험 측정과 경험 진단 - Life Stage, Life Style, 다양한 persona 개발 4. 횡적 경험 연계를 위한 사용자 리서치 - 전사 서비스를 아우르는 일관된 경험 기준 - 서비스 경계를 넘나드는 사용자 행태 조사 대상 - 효율적이고 빠른 사업/서비스 의사결정 기여에 관심 있는 리서쳐, UXer - 사용자데이터 기반 의사결정이 필요한 프로덕트 리더, PM, PO #DAN #DAN25 #TEAMNAVER...
UI/UX 프로덕트 지표 · 실험
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 하루 수백억 건을 처리하는 똑똑한 로그 파이프라인 만들기: 비용·성능·안정성 삼박자 네이버 전사 로그(최대 초당 수백만건, 하루 수백억건의 로그)를 수집/처리하는 로그 파이프라인 Logiss를 소개하고, Logiss에서 겪은 문제점들과 해결책들을 공유합니다. Storm + kafka 환경에서 multi topology를 적용하는 방법과 이를 통해 안정적인 무중단 배포가 가능해진 파이프라인과 지능형 파이프라인의 도입으로 낮시간의 피크 트래픽을 한가한 시간으로 분산시킨 방법, 장애 상황에서 로그의 우선 순위에 따른 차등된 처리 방식, 샘플링 기능으로 저장소를 효율적으로 이용할 수 있게된 방법을 알려드립니다. 목차 1. Logiss 시스템 소개 - Storm, Kafka, Logstash, OpenSearch로 구성된 파이프라인 아키텍처 - 네이버 서비스 전반에서 발생하는 로그를 수집, 하루 수백억 건의 로그를 실시간 처리...
데이터베이스 데브옵스 · 인프라
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 네이버쇼핑 유저리서치 인프라: 구축부터 확산까지
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 네이버쇼핑 유저리서치 인프라: 구축부터 확산까지 네이버쇼핑은 고객 친화적인 서비스를 위해, 고객의 경험을 지속적으로 탐구하고 있습니다. 이를 위해 네이버쇼핑은 조직 내에서 고객 경험 리서치(CX Research)를 수행하는 동시에 리서치 운영 체계(Ops)를 정립하는 방식으로, 리서치 인프라를 꾸준히 확장(Scaling) 해오고 있습니다. 본 세션에서는 ‘리서치를 수행하는 팀’에서 나아가, ‘조직이 리서치를 활용하는 시스템’을 만들어온 현장의 경험을 공유합니다. 이를 통해 네이버쇼핑만의 사례를 넘어 업계 전반에서 고객 경험을 연구하고 활용하는 방식에 대한 공감대를 나누고자 합니다. #DAN #DAN25 #TEAMNAVERCONFERENCE
UI/UX
컨퍼런스 DAN 2023
[팀네이버 컨퍼런스 단 23] 네이버페이, 기술 기반 금융 플랫폼으로의 진화
컨퍼런스 엔지니어링데이 2025
데이터는 흐른다, 연결될 준비가 되었다면
컨퍼런스 엔지니어링데이 2025
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025(5월)에서 발표되었던 세션을 공개합니다. [발표 내용] 유저 세그먼트를 손쉽게 정의하고, 이를 다양한 액션 채널(Braze, IDS, GAM 등)과 자동 연동할 수 있는 네이버 웹툰의 Cohort System을 소개합니다. 조건 기반 필터링, ML 모델 연동 등 다양한 방식으로 세그먼트를 만들고, 중복 제거 로직과 함께 효율적으로 활용할 수 있습니다. 시스템 구조와 기술 스택, 실제 마케팅 활용 사례까지 함께 공유하며, 데이터에서 인사이트, 나아가 액션까지의 연결을 어떻게 자동화했는지를 설명합니다. [강의 대상] * 데이터 엔지니어 / 백엔드 엔지니어: 데이터 흐름 자동화, 시스템 구조에 관심 있는 분 * ML 엔지니어 / 데이터 사이언티스트: ML 결과를 실시간 타겟팅에 적용하고 싶은 분 * 마케터 / PM: 타겟 유저 추출과 액션 전환까지의 전체 흐름을 이해하고 싶은 분 [목차] Episode 1...
백엔드 데이터베이스