system-internals-study

AI에게 휘둘리지 않고 AI를 잘 휘두르기 위해서는 결국 기반 지식이 깊어야 한다.

백엔드를 이루는 각 계층을 깊이 학습해 AI가 짠 코드뿐만 아니라 새로운 지식을 맞닦뜨릴 때에도 쉽게 이해하고, 비판할 수 있는 자신만의 추상화된 구조를 정립해보자.

레이어 구조

레이어	기술	Phase
애플리케이션 프레임워크	Reactor, WebFlux, Kotlin Coroutines	Phase 1
데이터	MongoDB, WiredTiger, Kafka, Saga, DDIA	Phase 2
런타임 + 관측	JVM, Prometheus, Grafana, Pinpoint	Phase 3
인프라	Linux Network, K8s, eBPF, Istio/Envoy, CI/CD	Phase 4

일일 루틴

1. 읽기 (15~20분) — 현재 주제 문서에서 한 섹션
2. 연결 (5~10분) — 실무 코드/인프라 어디에 해당하는지 하나 찾기
3. 기록 (5분) — 핵심 개념을 자기 말로 1~2줄 정리

매주 1~2회는 hands-on 실험으로 30분을 대체한다.

Phase 완료 정의

각 Phase는 다음이 모두 충족되면 완료된다.

• Phase 내 모든 주제 폴더에 topic-summary.md 작성 완료
• 각 주제마다 최소 hands-on 1개 실행하고 결과를 주제 README에 기록
• Phase 회고 노트 1편 작성 (Phase README 하단)

진행 상황

Phase 1 — Application Framework

• reactor
• webflux
• kotlin-coroutines

Phase 2 — Data Layer

• mongodb-indexes
• mongodb-query-optimization
• wiredtiger
• ddia-ch3
• kafka
• saga-pattern

Phase 3 — Runtime & Observability

• jvm-gc
• jvm-memory
• promql
• prometheus-internals
• grafana
• pinpoint

Phase 4 — Infrastructure

• k8s-components
• linux-network-stack
• k8s-networking
• k8s-resource-management
• ebpf
• envoy
• istio
• cicd