경험 기반 구체화
대규모 데이터 처리와 실시간 AI 서비스 엔지니어링을 직접 운영한 경험은 없지만, 학교 빅데이터 수업에서 Spark 기반 대용량 처리 파이프라인을 소규모로 실습했습니다. RDD와 DataFrame API를 활용해 수백만 행의 로그 데이터를 처리하는 실습을 했는데, 파티션 수 설정이 처리 속도에 얼마나 영향을 미치는지를 직접 실험으로 확인했습니다. 실시간 AI 서비스 엔지니어링 측면에서는 배치 추론과 실시간 추론의 요구사항 차이를 수업에서 배웠는데, 실시간 서비스는 지연 시간(latency) 관리가 처리량만큼 중요하다는 것이 핵심이었습니다. 또 모델 추론 서버를 별도로 분리해 API 게이트웨이와 연결하는 마이크로서비스 아키텍처가 AI 서비스 운영의 표준 패턴이라는 것도 배웠습니다.