pile·
백엔드·미리디미리디·

빠르고 안정적인 출력 경험: 미리디 렌더링 파이프라인 설계기

문제디자인 에디터 결과물을 PNG/JPG·PDF·PPTX·MP4로 변환해야 하며, 8,000픽셀 이상 고해상도에서 CPU·메모리 소비가 과도해진다.
접근NestJS + Node.js 기반에 도메인별 전문 렌더링 라이브러리를 조합했다. 메시지 큐로 잡 큐잉·멀티프로세싱 파이프라인을 설계하고, 에디터 환경과 동일한 환경에서 먼저 렌더링 후 포맷 변환해 일관성을 확보한다. 초당 300건 이상의 요청을 처리한다.
결과성공률 99.99%를 달성했으며 표준 해상도(1920×1080px) 기준 1~2초 응답 목표를 추구 중이다. 픽셀 수준 자동 검증과 모듈화 플랫폼 아키텍처를 로드맵에 두고 있다.
미리디
미리디 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. 백엔드·twilio-engTwilio Engineering·

    Programmable Messaging에서 Verify API로 마이그레이션하기

    Twilio의 Programmable Messaging API로 자체 OTP 솔루션을 운영하던 서비스가 Verify API로 전환하는 방법을 코드 예시와 함께 설명한다. Verify는 OTP 전송·검증을 위한 전용 API로, 전화번호 구매, 토큰 생성, DB 저장·만료 관리를 내부에서 처리해 개발자가 직접 구현할 코드를 크게 줄인다.

    요약 이어보기
    #authentication#twilio#sms+2
  2. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 2부

    포스타입 백엔드 엔지니어가 벡터 기반 개인화 추천 시스템을 실제 운영하며 맞닥뜨린 성능 장애와 용량 문제를 해결한 과정을 담은 2부다. 수백만 개의 벡터 KNN 검색이 피크 시간대에 전체 Elasticsearch 검색 성능을 흔드는 문제부터 클러스터 OOM 사태까지, 쿼리 최적화와 인프라 분리 두 가지 경로로 근본 해결에 이른다.

    요약 이어보기
    #elasticsearch#vector-search#recommendation-system+2
  3. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 1부

    포스타입이 태그 기반 추천의 한계를 극복하고 벡터 임베딩 기반 개인화 추천 시스템을 구축한 과정을 담은 1부다. 유사한 콘텐츠가 다른 용어를 쓰거나 동일한 태그가 전혀 다른 톤의 콘텐츠를 가리키는 문제를 임베딩 벡터로 해결하고, OpenSearch의 HNSW ANN 검색으로 수백만 벡터를 실시간 검색하는 시스템을 구축해 구매율 15% 향상을 달성했다.

    요약 이어보기
    #opensearch#vector-search#recommendation-system+2