Sign in Subscribe

Wonbin Song

Milvus 3.0: Search Iceberg Data Without ETL (2.x ETL vs. 3.0 Zero-Copy)

3-Line Summary Up through Milvus 2.x, searching vector data stored in Iceberg required copying it through a separate ETL pipeline. Starting with 3.0, Milvus can perform vector search by referencing only the Iceberg metadata on S3 — no data copy needed (External Collection). An official release is still

Milvus 3.0: ETL 없이 Iceberg 데이터를 그대로 검색하다 (2.x ETL vs. 3.0 Zero-Copy)

3줄 요약 Milvus 2.x까지는 Iceberg에 있는 벡터 데이터를 검색하려면 별도 파이프라인으로 복사(ETL)하는 과정이 필수였다. 3.0부터는 S3의 Iceberg 메타데이터만 참조해 데이터를 복사하지 않고 벡터 검색이 가능하다(External Collection). 아직 정식 릴리즈 전이고 쓰기·CDC 지원은 없지만, 데이터 레이크와 벡터 검색의 통합 방식이 근본적으로 바뀌었다. S3에 쌓인 Iceberg

RKE2 CNI Performance Comparison: Canal vs Cilium - Optimal Choice for Data-Centric Workloads

This article provides a comprehensive guide on implementing Cilium as the CNI for RKE2, replacing the default provider. It highlights the transition from legacy iptables to eBPF-based networking to achieve superior performance, security, and deep observability.

RKE2 CNI 성능 비교: Canal vs Cilium - 데이터 중심 워크로드를 위한 최적 선택

RKE2 환경에서 기본 CNI 대신 Cilium을 적용하는 방법과 이점을 다룹니다. Cilium의 eBPF 기술을 활용하여 기존 iptables의 성능 한계를 극복하고, 강력한 보안 정책 및 네트워크 가시성을 확보하는 과정을 설명합니다. RKE2 설치 시 HelmChartConfig를 통한 Cilium 설정 및 커스터마이징 실무 가이드를 제공합니다.

Lakekeeper로 시작하는 Apache Iceberg REST Catalog - 설치부터 Spark 연동까지

Apache Iceberg 데이터 레이크 환경에서 Hive Metastore(HMS)를 대체할 REST Catalog(IRC)의 도입 필요성과 장점을 다룹니다. Kubernetes 환경에 최적화된 Rust 기반 오픈소스 카탈로그 Lakekeeper의 특징과 기본 배포 아키텍처를 알아봅니다.

Deploy StarRocks on Kubernetes

This technical blog provides a hands-on guide for deploying StarRocks distributed analytics database on Kubernetes, covering both Shared-nothing and Shared-data architectures with Helm Charts, MinIO integration, and real-world performance testing to help choose the right deployment mode.

Kubernetes 에 StarRocks 배포

이 기술 블로그는 StarRocks 분산 분석 데이터베이스를 Kubernetes 환경에서 실제로 배포하고 운영하는 실습 가이드입니다. Shared-nothing과 Shared-data 두 가지 아키텍처 모드를 모두 배포해보며, Helm Chart를 활용한 설치부터 MinIO 객체 스토리지 연동, 실제 데이터 로딩 및 성능 테스트까지 전 과정을 다룹니다. 각 모드별 특성과 성능 차이를 직접 체험할 수 있도록 구성되어 있으며, 운영 환경에서의 모드 선택 기준을 실습을 통해 이해할 수 있게 합니다.

Understanding StarRocks Architecture

StarRocks is an analytical database with a simple FE/BE architecture offering two modes: Shared-nothing (local storage, high performance) and Shared-data (object storage, cost-efficient). It provides excellent MPP performance and seamless horizontal scaling without external dependencies.

StarRocks 아키텍처 이해

StarRocks는 FE(Frontend)와 BE/CN(Backend/Compute Nodes) 두 종류 컴포넌트로 구성된 단순한 아키텍처의 분석 데이터베이스입니다. 로컬 저장소를 사용하는 Shared-nothing 모드(고성능)와 객체 스토리지를 활용하는 Shared-data 모드(비용 효율적)를 환경에 따라 선택할 수 있습니다. 복잡한 외부 의존성 없이 MPP 구조로 뛰어난 성능과 운영 중단 없는 수평 확장을 제공하는 것이 핵심 특징입니다.