Java (2)
Data Types
String
String이란 문자들이 순서대로 나열된 일련의 문자 sequence를 의미한다.
Java에선 아래와 같이 String
을 선언할 수 있다.
1 | public class Main { |
1 | java Main.java |
String이란 문자들이 순서대로 나열된 일련의 문자 sequence를 의미한다.
Java에선 아래와 같이 String
을 선언할 수 있다.
1 | public class Main { |
1 | $ java Main.java |
평화롭던 어느날… sudo reboot
이후 home server의 network에 큰 이상이 생겼다…
원인은 DHCP (Dynamic Host Configuration Protocol)를 통해 IP를 할당받지 못하는 것이였다.
기존에는 아래와 같이 OSI 2계층인 data link 계층에 속하는 MAC 주소로 고정적인 IP를 할당했었다.
netplan
을 통해 위 문제들을 해결할 수 있겠지만 기존에도 Kubernetes의 version up을 고려하고 있었기에 kubeadm 1.30.3
을 통해 설치와 setup을 진행해보자!
Reference: Kubernetes v1.30: Uwubernetes (UwU ♥️)
하지만 기존의 Kubernetes version인 1.22.19
는 CRI (Container Runtime Interface)로 Docker를 지원하지 않는 큰 차이점이 존재한다.
Kubernetes의 공식 문서에 따르면 1.24
release 부터 Dockershim (Kubernetes 환경에서 Docker와의 호완성을 위해 사용된 compliant layer)을 제거했다.
그렇다면 Kubernetes가 발전하며 왜 Dockershim에 대한 지원을 중단하게 되었을까?
CKA: Kubernetes 관리자의 책임을 수행할 수 있는 기술, 지식 및 역량을 갖추고 있음을 보증하는 자격증
CKA curriculum에서 CKA가 포함하는 내용들을 아래와 같이 확인할 수 있다.
v1.29
기준Domain | Weight | Key Points |
---|---|---|
Cluster Architecture, Installation & Configuration |
25% | ✅ Manage role based access control (RBAC) ✅ Use Kubeadm to install a basic cluster ✅ Manage a highly-available Kubernetes cluster ✅ Provision underlying infrascruture to deploy a Kubernetes cluster ✅ Implement etcd backup and restore |
Workloads & Scheduling | 15% | ✅ Understand deployments and how to perform rolling update and rollbacks ✅ Use ConfigMaps and Secrets to configure applications ✅ Know how to scale applications ✅ Understand how resource limits can effect Pod scheduling ✅ Awareness of manifest management and common templating tools |
Services & Networking | 20% | ✅ Understand host networking configuration on the cluster nodes ✅ Understand connectivity between Pods ✅ Understand ClusterIP, NodePort, LoadBalancer service types and endpoints ✅ Know how to use Ingress controllers and Ingress resources ✅ Know how to configure and use CoreDNS ✅ Choose an appropriate container network interface plugin |
Storage | 10% | ✅ Understand storage classes, persistent volumes ✅ Understand volume mode, access modes and reclaim polices for volumes ✅ Understand persistent volume claims primitive ✅ Know how to configure applications with persistent storage |
Troubleshooting | 30% | ✅ Evaluate cluster and node logging ✅ Understand how to monitor applications ✅ Manage container stdout & stderr logs ✅ Troubleshoot application failure ✅ Troubleshoot cluster component failure ✅ Troubleshoot networking |
Open source data labeling platform Label Studio에 Label Studio ML Backend의 도입으로 machine learning model을 통합하고 labeling 작업을 위한 자동화된 예측을 제공할 수 있다.
이를 통해 labeling process를 가속화하고 일관성과 정확성을 향상시킬 수 있으며 실시간으로 모델의 성능을 평가하고 빠르게 반복함으로써 model을 지속적으로 개선할 수 있다.
Label Studio와 Label Studio ML Backend의 작동 방식은 아래와 같이 구성된다.
predict()
: 입력된 data에 대해 model의 출력을 Label Studio format으로 변경 후 UI에 제공fit()
: Label Studio 내 annotation이 완료된 data를 학습하고 load