Spring Boot 애플리케이션에서 요청을 인라인으로 처리하는 대신 Kafka에 이벤트를 빠르게 발행(publish)하여 무거운 워크로드를 비동기로 분리하는 패턴을 소개한다. Kafka 컨슈머가 백그라운드에서 데이터를 처리하고, 그 결과를 WebSocket을 통해 클라이언트에 실시간으로 푸시하는 구조다. 이 아키텍처는 크게 세 가지 패턴으로 구성된다: ① Spring Boot와 Kafka를 활용한 이벤트 프로듀싱, ② Kafka 컨슈머에서의 백그라운드 처리, ③ WebSocket을 통한 프론트엔드 실시간 전달. 요청 처리와 결과 전달을 이벤트 기반으로 분리함으로써, 응답성과 백엔드 처리 부하 사이의 균형을 맞추는 것이 핵심 목표다. 실시간 애플리케이션 구축 시 동기 처리 방식의 한계를 Kafka와 WebSocket 조합으로 해소하는 실용적인 접근법을 제시한다.
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.
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.
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.
본문에 실질적인 내용이 포함되어 있지 않아 요약할 수 있는 정보가 없습니다. 제목과 날짜만 존재하며, 구체적인 기술 내용이 제공되지 않았습니다.