문장 스크랩

---

복사

---

공유

*자유 양식 자소서 1. 지원동기 - “클라우드 최적화로 서비스 품질을 높이는 엔지니어를 꿈꾸다” 2023년, 클라우드의 용량 관리 문제로 대규모 서비스 장애가 발생했다는 기사를 접했습니다. 클라우드 리소스를 얼마나 효율적으로 관리하느냐가 서비스 가용성을 결정한다는 점이 인상 깊었고, 이를 직접 경험해보고 싶었습니다. 이후 AWS Cloud School 부트캠프에서 6개월간 인프라 설계부터 운영까지 수행하며, 클라우드 리소스 최적화와 비용 효율화의 중요성을 배웠습니다. 그 과정에서 서울시 거주지 추천 프로젝트의 AWS EKS 인프라를 운영하며 리소스 프로비저닝 문제를 해결한 경험이 있습니다. 기존 ASG 구조에서는 트래픽이 급격히 증가할 때 Pending 상태의 파드가 즉시 배치되지 못해 응답 지연이 발생했습니다. 이를 해결하기 위해 Karpenter 도입을 제안했고, 기존 ASG 방식과의 동작 방식 및 확장 구조를 비교한 문서를 직접 작성해 팀원들을 설득했습니다. 이후 워크로드 특성에 맞춰 Provisioner 정책을 설계해 필요한 인스턴스가 즉시 생성되도록 구성했습니다. 그 결과 노드 확장 속도를 10배 이상 단축하며 서비스 가용성을 높일 수 있었습니다. 이 경험을 통해 클라우드 리소스를 효율적으로 운영하여 서비스 품질을 높이는 엔지니어가 되고 싶다는 목표가 생겼습니다. 안랩 클라우드메이트는 클라우드와 보안, AI를 결합해 고객의 AX를 지원하는 MSP 기업입니다. AX 환경에서는 변화하는 워크로드에 맞춰 인프라를 효율적으로 설계하고 운영하는 역량이 중요하다고 생각합니다. 저의 경험을 바탕으로 고객 환경에 맞는 클라우드 인프라를 설계하고, 비용과 성능을 균형 있게 최적화해 고객의 AX 전환에 기여하고 싶습니다. 2. 직무 관련 경험 - “실시간 모니터링 체계 구축으로 장애 인지 속도 개선” 서울시 거주지 추천 프로젝트 초기에는 장애가 발생해도 이를 즉시 알아차리기 어려웠고, 원인 파악 역시 로그를 수동으로 확인했었습니다. 그래서 운영 상태를 한눈에 확인할 수 있는 모니터링 체계를 구축했습니다. AWS EKS 환경에 Prometheus와 Grafana를 적용해 애플리케이션 메트릭을 실시간으로 수집했고, CPU/Memory 사용량, Pod 상태, 요청 지연 시간 등을 대시보드로 시각화했습니다. 여기에 PromQL로 CPU 사용률을 집계하고, 임계치 초과 시 Slack 알림이 즉시 전달되도록 설정해 이상 징후를 빠르게 감지할 수 있게 했습니다. 이 과정을 통해 운영 중 발생하는 문제를 즉시 인지하고 대응할 수 있는 환경을 구축할 수 있었습니다. “중앙 로그 분석 체계 구축으로 원인 추적 정확도 향상” 프로젝트를 진행하면서 가장 비효율적이었던 부분 중 하나는 서버별로 흩어져 있는 로그를 개별적으로 확인해야 한다는 점이었습니다. 단순히 로그를 모으는 것만으로는 문제 원인을 빠르게 찾기 어렵다고 판단해, 로그 수집부터 정제, 조회가 가능하도록 중앙 집중형 로그 분석 체계를 구축했습니다. 각 서버의 로그는 Filebeat로 수집하고, Logstash에서 Grok, Mutate 필터를 적용해 실제 클라이언트 IP를 추출하는 등 분석 가능한 형태로 가공했습니다. 이후 Elasticsearch에 인덱싱해 검색 속도를 확보했고, Kibana 대시보드에서 트래픽 흐름과 에러 로그를 함께 확인할 수 있도록 구성했습니다. 또한 404와 같은 특정 상태 코드가 발생하면 Slack으로 즉시 알림이 가도록 설정해 이상 징후를 빠르게 확인할 수 있게 했습니다. 그 결과, 장애 발생 시 원인을 더 정확하게 추적할 수 있었고, 로그 분석의 정확도와 운영 효율을 함께 높일 수 있었습니다. 이러한 경험들을 통해 클라우드 환경에서의 운영 가시성과 장애 대응 체계의 중요성을 배웠습니다. 이를 바탕으로 고객의 서비스 안정성과 운영 효율성을 높일 수 있는 클라우드 환경을 만드는 데 기여하겠습니다. 3. 성장과정 - "적당함은 성장을 가로막는다" 학부 시절, 교내 IT 동아리 세미나에서 프로젝트 발표 중 "왜 이 아키텍처를 선택했는가?"라는 질문을 받았습니다. 프로그램이 동작한다는 것에만 집중했던 저는 기술 선택의 근거를 제대로 설명하지 못한 채 발표를 마쳤습니다. 준비가 부족했다는 점도 아쉬웠지만, 스스로 적당한 선에서 타협해버린 것이 마음에 더 크게 남았습니다. 제대로 이해하지 않고 넘어간 것들은 결국 내 것이 되지 않는다는 것을 처음 깨닫게 된 순간이었습니다. 이후 무언가를 배울 때 끝까지 이해하고 정리하는 것을 습관으로 만들었습니다. C언어, DB 멘토링과 AWS SAA 스터디를 진행하면서 후배들의 질문에 답하기 위해 개념뿐 아니라 동작 원리와 실제 활용 사례를 직접 정리했습니다. Kubernetes 3-Tier 배포 멘토링에서는 발생한 에러와 해결 과정을 빠짐없이 문서화해 공유했습니다. 멘티들이 정리한 문서를 보고 문제를 해결할 수 있었다고 말해줬을 때, 끝까지 마무리하는 것이 결국 실질적인 결과로 이어진다는 것을 확인할 수 있었습니다. 이러한 태도는 학업에서도 이어졌습니다. 이해가 부족한 부분을 그냥 넘기지 않고 끝까지 내 것으로 만들려 했고, 그 결과 2년에 걸쳐 전공 성적을 꾸준히 향상시켜 성적 향상 장학금을 받을 수 있었습니다. 현재도 스스로 납득이 될 때까지 끝까지 확인하는 습관을 유지하기 위해 노력하고 있습니다. 앞으로도 맡은 일에서 타협하지 않고, 끝까지 완수하는 자세로 임하겠습니다. 4. 협업 경험 - “불확신을 확신으로 바꾼 협업의 힘” 서울시 거주지 추천 프로젝트에서 클라우드 인프라를 모니터링하던 중 예상보다 높은 운영 비용이 발생하는 문제를 발견했습니다. 이에 대한 해결책으로 기존 x86 기반 인스턴스보다 비용 효율이 높은 ARM 기반 Graviton 도입을 제안했습니다. 그러나 팀원들은 새로운 아키텍처 도입에 따른 서비스 안정성과 라이브러리 호환성 문제를 우려하며 의견 차이가 있었습니다. 팀원들의 우려를 해소하기 위해 설득보다 객관적인 데이터가 필요하다고 생각했습니다. 팀원들에게 실제 테스트를 통해 같이 확인해 보자고 제안했습니다. 먼저, 로컬 환경에서 ARM 기반의 Docker 이미지를 빌드해 라이브러리 호환성을 점검했습니다. 이후 EKS에 임시 노드 그룹을 구성해 실제 배포 환경에서 애플리케이션 동작 여부를 확인했습니다. 테스트는 애플리케이션 응답 속도, 오류 발생률, CPU/메모리 사용 효율을 기준으로 테스트 영역을 나누어 진행했고, 그중 저는 CPU/메모리 사용 효율 부분을 맡았습니다. 결과적으로 주요 성능 지표에서 기존 환경과 동등하거나 더 나은 성능을 확인했고, 우려했던 안정성과 호환성 문제도 발생하지 않았습니다. 팀원들과 함께 만든 비교 데이터를 바탕으로 의견 차이를 좁힐 수 있었습니다. 이후 Graviton 인스턴스 타입을 도입해 서비스 안정성을 유지하면서 인프라 비용을 약 15% 절감했습니다. 이 경험을 통해 의견 차이가 있을 때, 함께 검증하는 과정이 팀의 신뢰를 만든다는 것을 배웠습니다. 팀원들과 함께 협력하여 문제를 해결하는 인재가 되겠습니다.