전공
수학과 컴퓨터공학을 함께 공부하며 복잡한 문제를 구조적으로 바라보는 힘을 길렀습니다. 운영체제, 네트워크, 데이터베이스 등 시스템의 기본기를 바탕으로, 애플리케이션이 안정적으로 동작하는 환경에 관심을 가지고 있습니다.
김지오
Software Engineer & Tech Storyteller
gdevo6264@gmail.com
Phone
010-****-7243
Education
Sogang Univ
GPA
3.88 / 4.5
Certifications
SQLD
관심 분야
Docker와 Kubernetes 기반의 인프라 환경 구축에 흥미를 느낍니다. Terraform, Ansible과 같은 IaC 도구로 인프라를 코드화하고, 수동 작업에 의존하지 않는 재현 가능한 운영 환경을 만드는 과정을 좋아합니다.
목표
단순히 기능을 구현하는 개발자를 넘어, 서비스가 실제 운영 환경에서 안정적으로 동작하도록 만드는 엔지니어가 되고자 합니다. 장애 대응, 배포 자동화, IaC를 통해 팀이 더 안전하게 개발하고 운영할 수 있는 기반을 만들고 싶습니다.
Development Mindset
끝까지 해결하는 태도
문제가 생겼을 때 쉽게 넘기기보다, 원인을 찾고 실제로 동작하는 상태까지 만들어내는 것을 중요하게 생각합니다. 단순히 이론적으로 가능하다고 판단하는 데서 멈추지 않고, 직접 실행해보고 로그와 결과를 확인하며 문제를 검증합니다. 해결 과정에서 얻은 내용은 다시 참고할 수 있도록 정리해 같은 문제를 반복하지 않으려 합니다.
기록을 통한 업무 흐름 관리
문제를 끝까지 해결하려는 태도가 다른 업무의 흐름을 방해하지 않도록, 진행 상황과 판단 근거를 짧게 남기는 습관을 가지고 있습니다. 현재 어디까지 확인했는지, 어떤 선택지가 남아 있는지 정리해두어 필요한 순간 빠르게 멈추고 다시 이어갈 수 있도록 합니다. 이를 통해 하나의 문제에 매몰되기보다 우선순위를 조정하며 여러 작업을 안정적으로 병행하려 합니다.
부족함을 보완하려는 도전
새로운 문제를 만났을 때 모르는 부분을 피하기보다, 지금 무엇이 부족한지 먼저 파악하려고 합니다. 문제를 해결하기 위해 어떤 개념을 더 알아야 하는지, 어떤 도구나 접근 방식이 필요한지 계속 고민하고 찾아보는 편입니다. 완벽하게 준비된 상태에서만 시작하기보다, 직접 부딪히며 부족한 부분을 하나씩 채워가는 과정을 통해 성장하려고 합니다.
함께 완성하는 리더십
IT 창업동아리 회장으로 활동하며 기술뿐만 아니라 사람과 일정, 책임을 함께 조율하는 경험을 쌓고 있습니다. 팀이 같은 방향을 바라볼 수 있도록 필요한 내용을 명확히 공유하고, 문제가 생겼을 때 개인의 탓으로만 돌리기보다 구조적으로 개선할 방법을 고민합니다. 혼자 빠르게 끝내는 것보다, 팀이 안정적으로 완성도 있는 결과물을 만들어낼 수 있는 환경을 만드는 리더가 되고자 합니다.
Technical Expertise
DevOps
Linux Server
- Debian/Ubuntu 및 RHEL/Rocky Linux 계열 서버 OS 직접 설치
- 디스크 파티셔닝·마운트, 정적 IP, 사용자·SSH 등 서버 초기 환경 구성
- 프로젝트 요구사항에 맞춘 Linux 서버 환경 표준화 및 운영
Docker
- 멀티스테이지 빌드로 빌드 의존성과 런타임 산출물 분리
- 이미지 크기·빌드 캐시·디버깅 편의성의 트레이드오프를 고려한 Dockerfile 최적화
- Blue-Green 방식으로 신·구 버전을 동시에 운영하고 트래픽 전환 기반 무중단 배포 구성
Kubernetes
- Control Plane과 Worker Node를 분리한 Kubernetes 클러스터 직접 부트스트랩
- kube-apiserver·etcd·scheduler·kubelet·CNI 간 동작 흐름을 바탕으로 클러스터 이슈 분석
- 로그·이벤트·리소스 상태를 활용해 Pod 스케줄링 및 네트워크 문제 추적
- 협업 과정에서 발생한 요구사항 변화와 배포 환경 제약에 대응하도록 Kubernetes Manifest 구성
CI/CD
- GitHub Actions와 Jenkins를 활용한 빌드·테스트·이미지 배포 자동화
- Argo CD 기반 GitOps 선언형 배포 파이프라인 구성
- 애플리케이션 저장소와 배포 Manifest 저장소를 분리한 CI/CD 흐름 설계
모니터링
- Prometheus 기반 메트릭 수집과 Grafana 대시보드 구성
- 여러 서버의 CPU·Memory·Network·GPU 메트릭을 중앙에서 확인할 수 있는 통합 모니터링 환경 구축
Terraform
- AWS IAM·VPC·NACL·NLB 등 클라우드 인프라 코드화
- NAT Instance와 Reverse Proxy를 활용한 Public/Private 네트워크 구조 구성
- 다중 Control Plane 구성을 고려한 소규모 EC2 Kubernetes 클러스터 프로비저닝
Ansible
- Prometheus 기반 중앙 모니터링 서버 구성 자동화
- 다중 서버 스펙 Excel 자동 추출로 운영 반복 작업 절감
- Docker 설치 자동화
- Control Plane과 Worker Node에 맞춰 K8s 클러스터 설치 자동화
- 자연어 입력으로 원하는 스펙(K8s 버전, CNI, Container Runtime 종류·버전) 맞춤 설치 플레이북 설계
Backend
Spring Boot
- 자원 기반 URI와 HTTP 메서드·상태 코드 규약을 준수한 REST 원칙 기반 API 설계
- 계층형 아키텍처로 책임 분리
- 도메인 단위 패키지 분리로 응집도를 높이고 도메인 간 결합도 최소화
- 팀 개발을 위한 코드·브랜치·리뷰 컨벤션 수립
QueryDSL
- 복합 검색 조건에 대응하는 타입 안전한 동적 쿼리 구현
- Fetch Join과 조회 쿼리 분리를 통해 N+1 문제 해결
- 쿼리 구조와 조회 방식을 개선해 데이터 조회 성능 최적화
- 컴파일 타임 검증과 IDE 자동완성을 활용해 문자열 기반 JPQL의 유지보수 한계 보완
Spring Cache (Caffeine)
- Caffeine 기반 로컬 인메모리 캐시를 적용해 반복 조회 부하 감소
- Redis 분산 캐시와 로컬 캐시의 운영 비용·일관성·확장성을 비교
- 단일 인스턴스 환경의 특성을 고려해 Caffeine을 캐시 저장소로 채택
OpenAI API
- OpenAI API와 가중치 기반 Greedy 알고리즘을 결합해 동아리 면접 일정 자동 배정 시스템 구축
- AI는 최종 의사결정이 아닌 상황별 가중치 보정에 활용하고, Greedy 알고리즘이 배정 결과를 산출하도록 설계
Others
Git & GitHub
- 다수의 팀 프로젝트에서 Branch·Issue·PR·Merge 컨벤션 설계
- Pull Request 기반 코드 리뷰와 이슈 단위 개발 흐름 운영
- 팀 리더로서 브랜치 전략과 협업 규칙을 수립하고 개발 진행 상황 관리
Notion & Blog
- 트러블슈팅·설계 전략 및 방법을 기록해 동일 문제 재발 시 빠르게 대응할 수 있도록 문서화
- 한 작업에 매몰되지 않도록 진행 상황을 기록해, 다른 업무로 전환 후에도 맥락을 잃지 않고 복귀
- 작업 로그, 지식을 아카이빙해 반복 학습과 재사용 기반 마련
AI-assisted Engineering
- 포트폴리오 웹사이트를 직접 기획하고 AI 개발 도구를 활용해 디자인·프론트엔드·백엔드 전반 구현
- Skills·Hooks·Agent 규칙을 활용해 반복 개발 작업의 실행 절차와 검증 기준 구성
- 사용자 요구사항에 따라 Kubernetes 설치 설정과 자동화 코드를 수정하는 AI 기반 작업 흐름 설계