just-data

[Docker#7] 컨테이너(Container) 내부 접속

Docker의 핵심은 컨테이너(Container) 입니다.컨테이너는 한 마디로 호스트 컴퓨터 안에 존재하는 작은 컴퓨터라고 할 수 있습니다. 각각의 컨테이너는 자신만의 운영체제 환경(OS), 저장 공간과 프로그램 실행 공간을 별도로 가지고 있습니다. 즉, 물리적으로는 하나의 컴퓨터지만, 논리적으로는 여러 대의 컴퓨터가 돌아가는 것처럼 사용할 수 있습니다. 따라서, Docker를 사용하다 보면, 실행 중인 컨테이너 안으로 직접 들어가서 파일을 조회하거나, 명령어를 실행해야 할 때가 있습니다.이럴 때 사용하는 명령어가 바로 docker exec -it입니다. 이번 글에서는 컨테이너 내부에 접속하는 방법과, 그 과정에서 알아야 할 개념들을 함께 정리해보겠습니다. 실행 중인 컨테이너 내부에 접속하기컨테이너 내..

[Docker#6] 컨테이너(Container) 로그 조회

Docker 컨테이너를 운영하다 보면, 컨테이너가 잘 실행되고 있는지, 에러가 발생한 건 아닌지를 반드시 확인해야 합니다.이때 필수적으로 확인해야 하는 것이 바로 로그(log) 입니다. 이번 글에서는 Docker 컨테이너의 로그를 조회하는 방법을 정리해보겠습니다. 컨테이너 로그 조회하기Docker는 실행 중인 컨테이너의 출력(표준 출력 및 표준 에러)을 자동으로 저장하고, 이를 docker logs 명령어를 통해 조회할 수 있게 해줍니다. 특정 컨테이너의 모든 로그 조회가장 기본적인 로그 조회 방법입니다.# docker logs [컨테이너 ID 또는 컨테이너명]$ docker run -d nginx$ docker logs [Nginx 컨테이너 ID] 컨테이너가 실행되면서 출력한 모든 로그를 확인할 수 ..

[Docker#5] 컨테이너(Container) 조회 / 중지 / 삭제

이번 글에서는 컨테이너를 조회하고, 중지시키고, 삭제하는 방법까지 정리해보겠습니다. 컨테이너 조회하기실행 중인 컨테이너 조회현재 실행되고 있는 컨테이너만 확인하고 싶을 때는 다음 명령어를 사용합니다:$ docker ps※ ps는 process status의 약자로, 실행 중인 프로세스(컨테이너)를 보여줍니다. 모든 컨테이너 조회 (중지된 컨테이너 포함)중지된 컨테이너까지 모두 확인하려면 -a 옵션을 추가합니다:$ docker ps -a 컨테이너 중지하기컨테이너를 중지하려면 stop 또는 kill 명령어를 사용할 수 있습니다.$ docker stop [컨테이너 이름 또는 ID]$ docker kill [컨테이너 이름 또는 ID]stop은 정상적인 종료입니다.집에 있는 컴퓨터를 시스템 종료 버튼으로 끄..

[Docker#4] 컨테이너(Container) 생성 및 실행

이번 글에서는 컨테이너를 생성만 하는 방법, 생성과 동시에 실행하는 방법, 그리고 포트 연결 방법까지 정리해보겠습니다. 컨테이너 Only 생성 or 실행컨테이너 생성만 하기컨테이너를 생성할 때 사용하는 기본 명령어는 docker create입니다. 이 명령어는 이미지로부터 컨테이너를 생성만 하고 실행시키지는 않습니다.# docker create 이미지명[:태그명]$ docker create nginx# 생성된 컨테이너 목록 확인$ docker ps -a 생성된 컨테이너 실행하기생성해두었지만 아직 실행되지 않은 컨테이너를 시작하려면 docker start 명령어를 사용합니다.# docker start 컨테이너ID 또는 이름$ docker start [Container ID or Name] 컨테이너 생..

[Docker#3] 이미지(Image) 다운로드, 조회, 삭제

이 글에서는 이미지를 다운로드하고, 조회하고, 삭제하는 기본적인 방법들을 정리해보겠습니다. 이미지 다운로드Docker에서는 docker pull 명령어를 이용해 이미지를 다운로드할 수 있습니다.특별히 태그를 지정하지 않으면 기본적으로 latest 버전이 다운로드됩니다.# docker pull 이미지명$ docker pull nginx # docker pull nginx:latest와 동일하게 작동 이미지를 다운로드할 때는 Dockerhub라는 저장소에서 가져오게 됩니다.Github이 다양한 코드 저장소라면,Dockerhub은 다양한 이미지 저장소입니다.Github에서 코드를 clone 하듯이, Dockerhub에서는 이미지를 pull 해서 가져올 수 있습니다. Dockerhub는 전 세계 사용자들이 만..

[Docker#2] IP/ Port

이번 글에서는 IP와 Port 에 대해서 정리해보겠습니다. IP란?IP는 네트워크 상에서 특정 컴퓨터를 가리키는 주소입니다. IP 주소는 다음과 같이 형태로 표현됩니다.13.250.15.132 IP는 쉽게 말하면 컴퓨터의 집 주소입니다. 예를 들어, naver.com 같은 사이트도 실제로는 이런 IP 주소를 가지고 있고, 이 IP를 통해 우리는 네이버 서버에 접근할 수 있습니다. Port란?Port는 한 컴퓨터 안에서 특정 프로그램을 가리키는 주소입니다. IP가 컴퓨터 자체를 가리킨다면, Port는 컴퓨터 안의 프로그램을 가리킵니다.아래와 같은 형태에서 :3000 부분이 바로 포트 번호입니다.13.250.15.132:3000 예를 들어, 내 노트북에서는 크롬, 카카오톡, 슬랙, VSCode 등 여러..

[Docker#1] 도커(Docker)란?

소프르웨어 개발과 운영 환경은 점점 더 복잡해지고 있습니다.서로 다른 컴퓨터, 다른 환경에서도 프로그램을 똑같이 설치하고 실행할 수 있다면 얼마나 편할까요? 이번 글에서는 개발과 배포를 혁신적으로 바꿔준 Docker를 간단히 소개해보겠습니다. 도커(Docker)란?간단히 말하면, 컨테이너(Container)라는 기술을 이용해서 각각의 프로그램을 분리된 환경에서 설치하고 실행할 수 있게 해주는 툴입니다. 왜 도커를 많이 사용할까?요즘 개발자나 데이터 엔지니어, 심지어 운영팀에서도 Docker를 쓰는 사례가 매우 많습니다. 여러 이유가 있지만, 그중 딱 하나만 기억해도 됩니다.이식성 (Portability)– 프로그램을 다른 컴퓨터에서도 쉽게 설치하고 실행할 수 있게 해주는 특성 친구는 MySQL을 컴퓨터..

시계열 예측에서 중요한 질문 중 하나는 다음과 같습니다.“장기적으로 시계열의 예측값은 어떻게 될까?” 실제 예측 모델을 사용해 보면, 미래로 갈수록 예측값이 어떤 평균값에 가까워지는 현상을 관찰할 수 있습니다. 이 글에서는 시계열 모형에서 예측값이 시계열 평균으로 수렴하는 이유를 유도 과정을 포함해 살펴보겠습니다. AR예측값을 한 시점씩 전개하면 다음과 같습니다. 이를 일반화하 등비수열 합을 이용하면 정상성 조건에 의해서 예측값은 시계열의 평균으로 수렴합니다. MA MA 모델의 예측은 오차항의 기대값이 0이라는 특성을 이용합니다. 오차항이 더 이상 존재하지 않는 시점부터는 예측값은 상수 μ로 고정즉, 예측값은 q 시점을 지나면 곧바로 평균 μ로 수렴 ARMA 이 모델은 AR의 누적성과 MA의 절..

본 글에서는 여러가지 시계열 모형의 구성과 개념, 그리고 모델 선택 방법을 정리해보도록 하겠습니다. 정상 시계열 모형AR(p) (Auto-Regressive Model)자기회귀(AR) 모형은 현재의 관측값을 과거 시점의 값들로 설명하는 모델입니다.AR(1) (현재의 값이 1시점 이전의 값과 연관됨)AR(p) (일반화: 현재의 값이 p시점 이전의 값까지와 연관됨) AR 모델은 다음과 같은 특징을 가집니다.불확실 요소(impact 또는 innovation)는 정규분포를 따른다는 가정을 함계수는 독립적인 상수가 아니라 데이터의 평균과 관련됨모델의 정상성을 판단하려면 특성근(characteristic root)을 구해야 함.p=1일 때, 과거 1시점 이전의 값에 대한 계수의 절댓값이 1이하면 정상성 유지됨이때..

시계열 데이터 분석을 진행하다 보면, 원시 데이터의 분포나 분산이 모델링에 적합하지 않은 경우가 많습니다.특히 예측 모델은 정상성(stationarity)을 기본 전제로 하는 경우가 많기 때문에, 데이터의 분산을 안정화하고 분포를 변환하는 과정이 필요합니다. 이때 유용하게 사용되는 대표적인 기법이 바로 박스-콕스(Box-Cox) 변환입니다. 왜 박스-콕스 변환을 사용하는가?박스-콕스 변환은 시계열 데이터를 모델에 투입하기 전에 사전 처리(preprocessing) 단계에서 적용하는 기법으로, 다음과 같은 효과를 기대할 수 있습니다.변동성 안정화: 데이터의 표준편차를 일정하게 유지하게 함비대칭 분포 개선: 오른쪽 꼬리가 긴 분포를 압축하여 정규성에 가까운 형태로 변환예측 성능 향상: 모델이 더 잘 작동..