read: fail

최근 출시된 Java 22는 LTS 버전은 아니지만, 12개의 JDK Enhancement Proposals (JEPs)를 통해 몇 가지 흥미로운 새 기능을 선보였습니다. 이번 업데이트에는 자바 언어 변경사항, 라이브러리 변경사항, JVM 및 기타 변경사항이 포함되어 있으며, 이들은 평균 이상의 가치를 제공한다고 평가받습니다. 새 기능을 직접 체험해보고 싶다면 Azul의 OpenJDK Community Edition Zulu 빌드를 다운로드해보세요.

Microsoft가 Azure SQL 데이터베이스에서 사용할 수 있는 AI 비서인 Copilot의 사전 미리보기를 발표했습니다. 이로써 사용자는 자연어 쿼리를 SQL로 변환하여 데이터베이스와 더 직관적으로 상호작용할 수 있게 되었습니다. Copilot은 데이터베이스 관리와 문제 해결을 돕기 위해 자체 가이드를 제공합니다.

Databricks가 오픈소스 대규모 언어 모델(DBRX)를 출시하여 OpenAI의 GPT-3.5, Mixtral, Claude 3, Llama 2, Grok-1 등을 능가한다고 주장합니다. DBRX는 GitHub과 Hugging Face에서 무료로 다운로드할 수 있으며, 연구나 상업적 용도로 사용할 수 있습니다. 이는 기업들이 자체적인 생성 AI 사례를 개발할 수 있는 기회를 제공합니다.

Visual Studio Code(VS Code)는 코드 편집을 넘어서는 기능을 추가하는 풍부한 확장 프로그램 생태계를 가진 인기 있는 소프트웨어 개발 환경입니다. 여기 개발자의 생산성과 워크플로우를 크게 향상시킬 수 있는 유용한 VS Code 확장 프로그램 11가지가 있습니다. 예를 들어, Dashboard는 자주 사용하는 프로젝트에 빠르게 접근할 수 있는 사용자 정의 가능한 런처 페이지를 제공합니다.

React 애플리케이션에서 오류를 우아하게 처리하는 방법에 대해 알아보세요. 주요 포인트는 자바스크립트 오류와 렌더링 오류의 두 가지 유형, 그리고 이를 처리하기 위한 React 오류 경계의 사용입니다. 오류 경계는 componentDidCatch()와 getDerivedStateFromError() 생명주기 메서드를 사용하여 오류 상태를 업데이트합니다.

스팀파이프의 대시보드 서버와 벤치마크 러너가 새로운 오픈소스 프로젝트인 파워파이프로 이전되었습니다. 파워파이프는 Postgres, SQLite, DuckDB, MySQL 데이터베이스에 연결할 수 있으며, 클라우드 서비스의 컴플라이언스 벤치마크를 지원합니다. 코드로 정의된 대시보드와 벤치마크는 협업과 버전 관리가 가능하며, 로컬이나 클라우드 VM, CI/CD 파이프라인에서 실행할 수 있습니다.

Google의 Vertex AI Studio는 자체 생성 AI 모델인 Gemini, PaLM 2, Imagen, Codey, Chirp 등을 포함하여 40개 이상의 독점 모델과 60개의 오픈 소스 모델에 접근할 수 있는 온라인 환경을 제공합니다. 프롬프트 엔지니어링, 하이퍼파라미터 튜닝 등의 주요 기능을 갖추고 있으며, 다양한 프로그래밍 언어를 지원합니다. 이는 Amazon Bedrock, Azure AI Studio와 같은 경쟁 제품과 비교되며, 생성 AI 애플리케이션을 구축하고 사용자화하는 종합적인 플랫폼을 목표로 합니다.

인텔은 AI PC 가속 프로그램의 일환으로 두 가지 새로운 이니셔티브를 시작했습니다. 이를 통해 2025년까지 1억 대 이상의 인텔 기반 PC에서 AI 기능을 강화하고자 합니다. 소프트웨어 개발자와 ISV를 위한 AI PC 개발자 프로그램과 독립 하드웨어 벤더(IHVs)의 프로그램 참여 확대가 포함됩니다. 인텔은 이러한 노력을 통해 사용자에게 향상된 성능과 창의성을 제공하고자 합니다.

오라클이 JDK 22를 지원하는 GraalVM을 출시했습니다. 이 업데이트는 Java 22 기능을 지원하는 AOT 컴파일을 포함합니다. GraalVM은 더 작은 바이너리, 빠른 시작 속도, 최고 성능을 제공하며, 메모리와 CPU 사용량을 줄입니다. Project Galahad의 목표는 GraalVM 관련 기술을 OpenJDK 커뮤니티에 기여하는 것입니다.

이 기사는 정보 기술(IT) 의사 결정에서 윤리의 중요성에 대해 논의합니다. 인공 지능의 부상으로 많은 조직이 법적 노출을 줄이기 위해 윤리에 다시 집중하게 되었습니다. 윤리적인 기술은 기술적 공로, 데이터 프라이버시 책임, AI 시스템의 알고리즘 편향 처리를 기반으로 결정을 내려야 합니다. 윤리적인 접근은 경쟁 우위를 제공하며, 윤리적으로 의식 있는 소비자와 인재를 끌어들일 수 있습니다.

생성적 AI는 채용 공고의 일관성, 포괄성, 효율성을 개선하는 데 도움을 줄 수 있습니다. 이 기술은 필요한 기술과 역량을 명확히 하고, 포괄적인 언어 사용을 통해 편견을 줄이는 데 기여합니다. 또한, 개발자들은 윤리적이고 책임감 있는 사용을 보장하기 위해 데이터 보호와 비용 최적화를 고려해야 합니다.

Google Cloud의 Vertex AI Studio는 Google의 다중 모드 생성 AI 모델 Gemini를 포함하여 40개 이상의 독점 모델과 60개의 오픈 소스 모델에 접근할 수 있는 온라인 환경을 제공합니다. 다양한 언어와 이미지 처리를 지원하며, 실제 데이터와 행동에 모델을 연결하는 확장 기능도 지원합니다. AI 애플리케이션 구축에 필요한 모든 것을 제공하는 포괄적인 플랫폼입니다.

Redis가 버전 7.4부터 Redis Source Available License (RSAL 2)와 Server Side Public License (SSPLv1) 하에 이중 라이선스를 채택합니다. 이는 개발자와 파트너에게 자유롭게 소스 코드를 제공하면서도, 클라우드 서비스 제공업체가 무료로 Redis 소스 코드를 사용하는 것을 제한합니다. 개발자 커뮤니티에는 변화가 없으며, 여전히 자유로운 라이선스를 누릴 수 있습니다.

자바가 실행 시간을 줄이기 위해 '핫 코드 힙'을 도입하는 제안을 했습니다. 이는 비프로파일링 메소드의 일부를 효율적으로 수용하고, 코드 캐시의 최적화된 코드 분열을 줄이며, 자바 애플리케이션 성능에 미치는 부정적인 영향을 감소시키는 것을 목표로 합니다. JDK 23이 이 제안의 잠재적 목표입니다.

퍼포스의 퍼핏 2024년 Devops 보고서에 따르면, 플랫폼 엔지니어링의 주요 이점은 개발자 생산성 증가, 소프트웨어 품질 개선, 배포 시간 단축, 애플리케이션 안정성 향상 등입니다. 또한, 비용 절감, 제품 개발 시간 단축, 오류 감소, 보안 위험 감소 등의 이점도 있습니다. 이 보고서는 2023년 여름에 진행된 474명의 참가자를 대상으로 한 설문조사를 바탕으로 합니다.

전통적인 애플리케이션 성능 모니터링(APM)은 인터넷 관련 문제를 진단하는 데 한계가 있습니다. 인터넷 성능 모니터링(IPM)은 IT 팀이 사용자 경험에 영향을 미치는 문제를 신속하게 식별하고 해결할 수 있도록 전체 인터넷 스택을 파악할 수 있게 해줍니다. 이는 기업이 빠르게 문제를 해결하고, 미래의 중단을 방지하기 위해 과거 사건에서 배울 수 있으며, 전반적인 사용자 경험을 개선하는 데 도움이 됩니다.

클라우드 소프트웨어 개발은 성능 문제, 보안 위협, 벤더 종속성, 비용 증가, 규제 준수, 호환성 문제, 확장성 요구, 분산 협업, 테스팅 및 배포 문제, 그리고 글로벌 시장 개발 등 다양한 도전에 직면할 수 있습니다. 이러한 문제를 해결하기 위해 코드 최적화, 보안 프로토콜 강화, 컨테이너화, 비용 모니터링, 규제 준수 클라우드 제공업체 선택 등의 방법이 필요합니다.

오픈 데이터는 전 세계 경제에 연간 3조 달러를 기여하고 모든 분야를 변화시킬 잠재력이 있습니다. Overture Maps Foundation은 누구나 사용할 수 있는 세계 최대 규모의 엔터프라이즈급 오픈 맵 데이터를 구축하고 있어요. 오픈 데이터와 오픈 소스의 주요 차이점을 이해하고, 오픈 데이터가 산업, 정부, 경제 전반에 새로운 제품과 서비스를 가져올 것이라는 점에 주목해야 합니다.

IT 팀은 종종 '바늘과 짚더미' 같은 성능 문제에 직면합니다. 이러한 문제는 간헐적이며, 소수의 사용자에게 영향을 주거나 짧은 시간 동안 지속되지만, 비즈니스에 큰 피해를 줄 수 있습니다. 효과적인 근본 원인 분석(RCA)을 수행하기 위해서는 관찰 가능성 관리, 상하 분석 계획, 네트워크 문제 판단, 팀 간 협업과 삼각 측량을 포함한 구조화된 과정이 필요합니다.

2000년대에는 코드 자유 대 개발자 자유, 리눅스 데스크톱의 해, '오픈 워싱' 등 오픈 소스를 둘러싼 많은 논쟁이 있었습니다. 2010년대에는 오픈 소스가 개발자와 회사들에게 필수 인프라가 되었음에도 불구하고, 클라우드 거인들이 오픈 소스를 '채굴'하는 문제가 지속되었습니다. 현재, AI가 소수 회사에 의해 통제되지 않도록 하는 것과 Redis의 라이선스 변경을 포함하여 오픈 소스가 다시 주목받고 있습니다. 그러나 오픈 소스는 기술 트렌드를 따라가지 못하고 있으며, '오픈 소스 AI'에 대한 명확한 정의가 없고 클라우드를 위한 좋은 오픈 소스 라이선스도 여전히 없습니다. 저자는 오픈 소스 이니셔티브(OSI)가 AI와 클라우드에 오픈 소스 원칙을 적용하는 방법에 대한 지침을 제공해야 한다고 믿습니다. 코드 자유를 보호하기 위해 만들어진 GPL이 성공적인 오픈 소스 비즈니스 모델을 가능하게 했지만, 코드가 자유로운 한 이는 중요하지 않습니다. 저자는 클라우드를 위한 새로운 OSI 승인 라이선스를 업데이트하거나 만들어 '코플레프트'를 다시 현실로 만들어야 한다고 주장합니다.