728x90 반응형 SMALL 전체 글77 파이썬을 이용한 웹페이지 Hello world 출력하기 (Flask) 개발을 시작하기 앞서 간단하게 Flask를 이용하여 웹페이지를 띄워보려고 합니다. # 터미널에서 flask 설치pip install flask#코드 작성from flask import Flaskapp = Flask(__name__)@app.route("/")def hello(): return "Hello World"if __name__ == "__main__": app.run(host="0.0.0.0", port=5000) - Powershell에서 가상환경이 활성화된 상태입니다.- Flask가 실행 중인 애플리케이션 이름은 '1'로 되어있습니다.- 간단하게 출력하려는 목적으로 디버그 모드는 off 되어있습니다.("app.run(debug=True)"를 코드에 추가하여 디버그 모드 on도 .. 2025. 10. 9. Kiali란? 1. Kiali란?Kiali는 Istio Service Mesh 전용 모니터링 및 관찰(Observability) 도구단순한 대시보드가 아니라, 서비스 메시의 구조와 트래픽 흐름을 시각적으로 보여주는 관리 도구보통 Istio + Prometheus + Grafana 스택과 함께 사용2. Kiali 주요 기능1) 서비스 그래프 메시 내 서비스 간 호출 관계를 시각적으로 표시각 서비스가 누구와 통신하는지 한눈에 확인 가능트래픽의 양, 지연 시간, 오류율을 색상/두께로 표현 2) 트래픽 모니터링 요청 성공률, 지연 시간(latency), 오류율(Error Rate) 확인실시간 트래픽 흐름을 추적하여 병목 지점 파악3) 관측성(Observability) Envoy 사이드카에서 수집된 메트릭을 기반으로 시각화Pr.. 2025. 9. 5. ISTIO란?(Service Mesh, Envoy, Istiod) 1. Istio란?Istio는 대표적인 오픈소스 서비스 메시 구현체K8S와 통합되며, 서비스 간 통신을 관리하는 Control Plane 역할주요 구성 요소Pilot: Envoy 프록시 설정 관리Citadel: 인증서/보안 관리Galley (구버전): 설정 검증Istiod (통합된 최신 구조): 위 기능들을 하나의 컨트롤 플레인으로 통합Istio는 데이터 플레인(Envoy proxy)과 컨트롤 플레인(Istiod)로 나뉨.2. Envoy proxy란?Istio의 핵심 데이터 플레인(Data Plane).Envoy는 고성능, 오픈소스 L7 프록시로 Lyft에서 개발.각 서비스 Pod 옆에 사이드카(Sidecar) 형태로 배치됨.주요 기능:트래픽 라우팅: A/B 테스트, 카나리 배포, Blue-Green 배.. 2025. 9. 4. [Python] - 실습 파이썬 객체지향 프로그래밍(자료형 성격으로 클래스 사용) 객체지향 프로그래밍=> 자료형 성격으로 클래스 사용5명 학생의 이름, 점수1, 점수2를 입력 받아 총점과 평균을 출력하는 파이썬 스크립트(클래스 활용)학생 이름 중복 X 5명 학생 객체 생성결과 출력# 학생 클래스 - entity class, 학생 한명에 대한 표현용class Student( object ): # 생성자 def __init__( self, name, scores ): # field 정의 - 초기화 self.name = name self.scores = [] self.scores = scores.copy() # 클래스 내부 메서드 호출 self.calculate_score() self.calc.. 2025. 9. 3. [Python] - 실습 파이썬 데이터 전처리 파이썬 데이터 전처리1. 데이터 정제 (Data Cleaning)여러 출처에서 수집한 데이터는 단위,형식이 제각각 -> 표준화/정규화가 필요2. 데이터 표준화 (Standardization)평균 0, 표준편차 1로 변환import pandas as pdfrom sklearn.preprocessing import StandardScalerdf = pd.DataFrame({"height": [160, 170, 180], "weight": [55, 70, 80]})scaler = StandardScaler()scaled = scaler.fit_transform(df)print(pd.DataFrame(scaled, columns=df.columns))------# 기존 데이터 프레임height weight0 .. 2025. 9. 2. [Python] - 파이썬 데이터 전처리 기초 및 Pandas 기능 1. 데이터 전처리 기초 1. 데이터 정제 (Data Cleaning)정의: 데이터 전처리, 표준화, 정규화를 포괄하는 개념필요성: 다양한 출처의 데이터는 단위·형식이 제각각 → 일관성 필요 2. 데이터 표준화 (Standardization)평균 0, 표준편차 1로 변환Scikit-Learn → StandardScaler() 활용 3. 데이터 정규화 (Normalization)0 ~ 1 범위로 변환Scikit-Learn → MinMaxScaler() 활용 4. 자료형 변환Pandas astype() 메서드 → 일관성 확보 5. 자료 유형연속형 데이터: 수치형 (키, 몸무게, 연비 등)범주형 데이터: 이산형 (성별, 국가, 학년 등) 6. 구간 분할 (Binning)연속형 변수를 일정.. 2025. 9. 1. 이전 1 2 3 4 ··· 13 다음 728x90 반응형 LIST
