import 세이노라이프

JavaScript에서 날짜와 시간을 다루다 보면, 타임존(Timezone) 관련 코드에서 종종 헷갈리는 순간이 있습니다.
특히 dayjs를 사용할 때, 아래 두 코드의 차이를 아는 것이 정말 중요해요:

const t1 = dayjs('202505271800', 'YYYYMMDDHH').tz("Asia/Seoul");
const t2 = dayjs.tz('202505271800', 'YYYYMMDDHH', 'Asia/Seoul');

겉보기엔 비슷해 보이지만, 내부적으로는 아주 다른 동작을 하게 됩니다.
이 글에서는 그 차이를 최대한 쉽게 설명해볼게요.

우선 두 코드의 차이부터 볼게요

① dayjs('202505271800', 'YYYYMMDDHH').tz("Asia/Seoul")

• 이 코드는 먼저 '202505271800'을 UTC 기준으로 해석합니다.
  즉, '2025년 5월 27일 18시'는 UTC 시간대의 6시라고 인식합니다.
• 그 다음, .tz("Asia/Seoul")을 적용하면서 UTC 6시 → KST 기준 15시로 변환됩니다.
• 결과적으로 날짜와 시간이 변형됩니다.

② dayjs.tz('202505271800', 'YYYYMMDDHH', 'Asia/Seoul')

• 이 코드는 처음부터 '202505271800'을 "Asia/Seoul" 시간대로 해석합니다.
• 즉, '2025년 5월 27일 18시 (한국시간 기준)' 그대로 유지됩니다.
• 시간 값은 그대로이고, 정확한 타임존이 적용됩니다.

예시로 비교해볼게요

// 1번 방식 (시간이 바뀜)
const t1 = dayjs('202505271800', 'YYYYMMDDHH').tz("Asia/Seoul");
console.log(t1.format()); // 2025-05-28T03:00:00+09:00 ❌ 원래 18시 아님

// 2번 방식 (정확하게 해석됨)
const t2 = dayjs.tz('202505271800', 'YYYYMMDDHH', 'Asia/Seoul');
console.log(t2.format()); // 2025-05-27T18:00:00+09:00 ✅ 원하던 시간

그래서 어떤 걸 써야 할까?

📝 마무리 정리

• dayjs(...).tz(...)는 UTC로 해석 후 시간대 변환
• dayjs.tz(..., ..., timezone)는 처음부터 그 시간대를 기준으로 파싱
• 사용자 입력이 "한국 시간"이라는 것이 확실하다면, 무조건 dayjs.tz(...)를 쓰는 것이 안전합니다

Google Cloud Platform(GCP)에서는 Compute Engine을 통해 가상 머신(VM)을 쉽게 생성하고 관리할 수 있습니다.
이 글에서는 GCP에서 생성한 VM 인스턴스에 SSH로 접속하는 방법을 단계별로 설명합니다.

✅ 1. 사전 준비

SSH 접속을 위해 다음 사항이 준비되어 있어야 합니다:

• ✅ GCP 계정 및 프로젝트 생성 완료
• ✅ VM 인스턴스 생성 완료
• ✅ 로컬 환경에 Google Cloud SDK (gcloud) 설치 및 로그인

설치 후 로그인:

gcloud auth login

활성화할 프로젝트 지정:

gcloud config set project [PROJECT_ID]

✅ 2. gcloud compute ssh 명령어로 SSH 접속하기

GCP에서는 gcloud 명령어로 SSH 키 생성 → VM 등록 → 접속 과정을 자동으로 처리할 수 있습니다.

gcloud compute ssh [VM_INSTANCE_NAME] --zone=[ZONE]

실행 시:

• 로컬에 SSH 키가 없으면 자동 생성
• VM 인스턴스에 공개키 자동 등록
• SSH 터널을 통해 접속

✅ 3. 수동 SSH 접속 (이미 키가 등록된 경우)

공개키가 이미 VM에 등록되어 있다면, 일반적인 SSH 명령어로 접속할 수 있습니다:

ssh -i ~/.ssh/google_compute_engine [USERNAME]@[EXTERNAL_IP]

※ 기본 SSH 키는 ~/.ssh/google_compute_engine에 생성됩니다.
※ 퍼미션 오류를 방지하려면 .ssh 폴더는 700, 개인키는 600으로 설정하세요.

✅ 4. 접속 오류 발생 시 점검사항

🔧 확인 명령어들

• 프로젝트 확인:

gcloud config list project

• 인증된 사용자 확인:

gcloud auth list

• VM 목록 확인:

gcloud compute instances list

#GCP #GoogleCloud #ComputeEngine #SSH접속 #클라우드서버 #VM인스턴스 #gcloud #서버관리 #리눅스서버 #개발환경세팅 #인프라구축 #DevOps #클라우드기초 #우분투서버 #Debian서버 #IT블로그 #개발자팁 #백엔드개발 #터미널사용법

concurrent.futures란?

Python 3.2 이상에서 기본 제공되는 고수준(High-level) 병렬 처리 라이브러리

concurrent.futures는 멀티스레딩(Thread) 또는 멀티프로세싱(Process)을 훨씬 간단하게 구현할 수 있게 도와주는 표준 라이브러리입니다.
Executor, submit, Future 같은 개념을 기반으로 병렬 작업을 추상화하고 자동으로 스케줄링해줍니다.

대표 클래스

• ThreadPoolExecutor: 스레드 기반 병렬 처리
• ProcessPoolExecutor: 프로세스 기반 병렬 처리 (CPU 병렬화에 적합)

주요 개념 설명

기본 사용 예제

from concurrent.futures import ThreadPoolExecutor

def task(x):
    return x * x

with ThreadPoolExecutor(max_workers=3) as executor:
    future = executor.submit(task, 5)
    print(future.result())  # 출력: 25

• submit()은 작업을 비동기로 예약
• result()는 Future 객체의 실행 결과를 반환 (필요하면 대기)

threading 모듈과의 차이점

concurrent.futures는 threading 모듈보다 더 간결하고, 안전하며, 확장성 있는 방식으로 병렬 처리를 제공합니다.

코드 비교

1. threading 모듈 사용

import threading

def worker(x):
    print(x * x)

threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=(i,))
    t.start()
    threads.append(t)

for t in threads:
    t.join()

• 직접 Thread 객체를 생성하고 start(), join()을 관리해야 합니다.
• 예외 처리는 try/except를 수동으로 구현해야 함

2. concurrent.futures 사용

from concurrent.futures import ThreadPoolExecutor

def worker(x):
    return x * x

with ThreadPoolExecutor(max_workers=5) as executor:
    futures = [executor.submit(worker, i) for i in range(5)]
    results = [f.result() for f in futures]

print(results)  # 출력: [0, 1, 4, 9, 16]

• submit()만 호출하면 Executor가 자동으로 작업을 관리
• Future.result()를 통해 결과 또는 예외를 얻을 수 있음

실무에서 언제 어떤 걸 써야 할까?

마무리 요약

🔗 참고자료

• 공식 문서: concurrent.futures — 고수준 병렬 실행 API
• 멀티스레딩 vs 멀티프로세싱 차이점

헤비츠 카드지갑 구매 후기

지갑은 늘 손에 닿는 물건이기에, 그 변화가 더 크게 느껴지곤 합니다. 오래 사용해오던 카드 지갑이 점점 헤져가면서, 자연스럽게 '이제 바꿔야 할 때가 왔구나' 하는 생각이 들었습니다. 그러던 중 문득 떠오른 브랜드, 헤비츠.

다시 떠오른 헤비츠, 익숙한 신뢰감

헤비츠는 예전에 시계 가죽 스트랩을 구매하면서 처음 알게 된 가죽 공방 브랜드입니다. 직접 사용해본 스트랩의 퀄리티와 감촉이 정말 만족스러워, 그 기억이 오래 남아 있었죠. 가죽이 주는 깊이 있는 질감과 시간이 지날수록 자연스럽게 더 멋스러워지는 그 매력, 헤비츠는 그런 가죽을 정말 잘 다루는 브랜드라는 인상이 강했습니다.

그래서 이번에 카드 지갑을 새로 구입해야겠다고 마음먹었을 때, 가장 먼저 떠오른 곳도 당연히 헤비츠였습니다.

마음을 사로잡은 색 조합

홈페이지를 둘러보다가 마침 딱 내 취향에 쏙 드는 색 조합의 카드 지갑을 발견했어요. 너무 튀지 않으면서도 은은하게 멋이 느껴지는 색감, 그리고 군더더기 없는 디자인. 특히 가죽의 질감이 사진으로도 느껴질 만큼 깊고 탄탄해 보였고, 실물이 오기 전부터 이미 마음은 반 이상 기울어 있었죠.

첫인상: ‘단단하지만 가벼운’

지갑을 처음 받아들었을 때의 느낌은 "가볍다" 그리고 "단단하다"였습니다. 손에 쥐었을 때 부담스럽지 않은 무게감과 함께, 가죽 자체가 탄탄하게 마감되어 있다는 인상이 강했습니다. 바느질은 균일하고  내부 마감도 깔끔해서 오래도록 쓰고 싶다는 생각이 들었습니다.

카드는 3~4장 정도 넣을 수 있다고 하는데 3장 정도가 적당할거 같다고 생각됩니다.

일상을 담을 공간

요즘은 현금을 거의 사용하지 않기에 카드 지갑 하나면 충분하다는 생각입니다. 오히려 너무 두꺼운 지갑은 부담스러울 정도니까요. 이번에 새로 산 헤비츠 카드 지갑은 그런 현대적인 라이프스타일에 딱 맞는 구성입니다. 꼭 필요한 카드 몇 장과 명함 몇 장만 넣고 다닐 수 있는, 가볍지만 실용적인 동반자 같은 느낌.

마무리하며

헤비츠 카드 지갑을 고른 건 단순히 예쁘기 때문만은 아니었습니다. 예전부터 알고 있던 브랜드, 실제로 써본 경험에서 오는 신뢰, 그리고 가죽이 주는 감성.

이 모든 것이 모여 다시 한 번 선택하게 만든 거죠.

앞으로 이 지갑과 함께 또 어떤 하루하루를 담게 될지 기대됩니다.
가죽이 점점 나만의 흔적으로 변해가는 그 과정마저 즐겁게 느껴지겠죠.

수학 공식이나 머신러닝 관련 수식을 티스토리 블로그에 작성해보신 분들이라면 이런 경험 있으실 거예요:

d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}

분명 LaTeX 문법으로 썼는데, 그대로 텍스트로 보이기만 한다고요?

그 이유는 티스토리는 기본적으로 수학 공식(LaTeX)을 렌더링하는 기능이 없기 때문입니다.
하지만 걱정 마세요! 아주 간단한 설정만 해주면 수학 공식을 예쁘게 수식 형태로 표시할 수 있습니다.
이번 글에서는 KaTeX을 활용한 설정 방법과 사용 예시까지 알려드릴게요.

✅ KaTeX란?

KaTeX는 LaTeX 문법으로 작성된 수학 공식을 웹에서 빠르게 렌더링해주는 라이브러리입니다.
MathJax보다 가볍고 빠르기 때문에 블로그나 기술 문서에 매우 적합합니다.

🔧 티스토리에 KaTeX 설정하는 방법

1단계. 티스토리 관리자 페이지 접속

[티스토리 관리 > 꾸미기 > HTML/CSS 편집] 메뉴로 이동합니다.

2단계. </head> 태그 바로 위에 아래 코드를 추가

<!-- KaTeX for LaTeX math rendering -->
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/katex.min.css">
<script defer src="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/katex.min.js"></script>
<script defer src="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/contrib/auto-render.min.js"
        onload="renderMathInElement(document.body, {
          delimiters: [
            {left: '$$', right: '$$', display: true},
            {left: '$', right: '$', display: false}
          ]
        });">
</script>

💡 이 스크립트는 $...$ 또는 $$...$$로 감싼 수식을 자동으로 감지하고 렌더링해줍니다.

✍️ 수식 입력 예시

▶ 인라인 수식 (본문 중간에 넣는 방식)

$E = mc^2$

결과:
👉 E = mc²

▶ 디스플레이 수식 (가운데 정렬되는 블록 형태)

$$
d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}
$$

결과:

👉

d(x,y)=∑i=1n(xi−yi)2d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}d(x,y)=i=1∑n​(xi​−yi​)2​

📌 주의사항

• 미리보기에서는 수식이 제대로 보이지 않을 수 있습니다.
  → 실제 블로그 포스트로 발행 후 확인하세요.
• 티스토리 에디터에서는 HTML/텍스트 모드를 사용하는 것이 안전합니다.
• 글에 수식이 많은 경우 페이지 로딩이 살짝 느려질 수 있으니 중요한 수식만 표시하는 것도 팁!

✅ 마무리 요약

🔗 참고 링크

데이터를 자동으로 분류할 수 있는 클러스터링 알고리즘 중 가장 널리 사용되는 K-means Clustering!
이번 포스트에서는 이론적인 배경부터, 저사양 CPU에서도 무리 없이 돌릴 수 있는 실습 코드까지 깔끔하게 정리해볼게요.

목차

1. K-means Clustering이란?
2. 작동 원리 (알고리즘 흐름)
3. 수학적 개념 정리
4. 장점과 단점
5. 실행 가능한 예제 코드 (CPU 저사양 OK!)
6. 마무리 요약

1.  K-means Clustering 이란?

K-means는 데이터를 **K개의 클러스터(군집)**로 나누는 대표적인 비지도 학습(Unsupervised Learning) 알고리즘입니다.
각 클러스터는 중심점(centroid)을 가지며, 데이터는 가장 가까운 중심점에 소속됩니다.

📌 예를 들어, 고객을 3개의 소비 성향 그룹으로 나누고 싶을 때 사용할 수 있어요.

2.  작동 원리

K-means는 아래 4단계를 반복하며 군집을 형성합니다.

1. 초기 중심점 설정 (보통 랜덤 또는 K-means++ 방식)
2. 데이터 포인트를 가장 가까운 중심점에 할당
3. 각 클러스터의 평균으로 중심점 업데이트
4. 중심점 변화가 없으면 종료 (또는 max 반복 횟수까지)

3.  수학적으로 살펴보기

 유클리드 거리

데이터 간의 거리는 보통 **유클리드 거리(Euclidean Distance)**로 계산합니다:

$$d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}$$​

 최적화 목표 (Objective)

K-means는 Within-Cluster Sum of Squares (WCSS) 를 최소화하는 것이 목표입니다:

$$J = \sum_{i=1}^{k} \sum_{x \in C_i} \|x - \mu_i\|^2$$

• $C_i$​: i번째 클러스터
• $\mu_i$: 클러스터 중심점

4.  장점과 단점

장점

• 구현이 매우 간단하고 빠름
• 대용량 데이터에서도 확장 가능
• 널리 사용됨

단점

• K를 미리 알아야 함
• 이상치(outlier)에 민감
• 구형(원형)이 아닌 클러스터에 부적합

5.  실습 코드: 저사양 CPU에서도 OK!

아래 코드는 scikit-learn을 이용한 간단한 2D 데이터 클러스터링 예제입니다.
저사양 환경(CPU 1코어, 1GB RAM 정도)에서도 무리 없이 실행됩니다.

필요한 라이브러리 설치

pip install numpy matplotlib scikit-learn

전체 코드

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans

# 1. 2D 클러스터 데이터 생성
X, y_true = make_blobs(n_samples=300, centers=3, cluster_std=0.60, random_state=0)

# 2. K-means 모델 학습
kmeans = KMeans(n_clusters=3, random_state=0, n_init='auto')
kmeans.fit(X)

# 3. 클러스터 예측 결과
y_kmeans = kmeans.predict(X)

# 4. 시각화
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=40, cmap='viridis')

# 중심점 시각화
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.5, marker='X')
plt.title("K-means Clustering 결과")
plt.xlabel("X1")
plt.ylabel("X2")
plt.show()

결과

• 3개의 색깔로 나뉜 점들이 각각 클러스터
• 빨간 X는 각 클러스터의 중심점

마무리 요약

🔗 참고 자료

“What's my story?” & “My Parallel Universe Job” 아바타 세트 아이디어 ✨

요즘 AI 이미지 생성으로 재미있는 프로필 이미지를 만드는 게 유행이죠?
하지만 단순히 지브리 스타일이나 픽사풍 이미지 말고, 더 창의적이고 특별한 방식으로 자신을 표현할 수는 없을까요?

오늘은 **내 취미와 상상력을 담은 ‘프리미엄 아바타 수집 세트’**라는 콘셉트로, 두 가지 기발한 프롬프트를 소개합니다.
이 아이디어들은 당신만의 개성을 담은 프로필 이미지나, 블로그・SNS 아바타, 혹은 자기소개 콘텐츠로 활용하면 어떨까요!

1️⃣ “What's my story?” 아바타 세트

Create a premium wooden box-style collectible avatar display titled “What’s my story?” for a 45-year-old.
The central figure is a stylized cartoon portrait of the person in the photo, slightly smiling and full of character. The figure is surrounded by a collection of highly detailed miniature items placed in labeled compartments:

• a tiny notebook
• a retro handheld game console
• a classic robot figurine
• wireless headphones
• running shoes
• a folded bicycle
• a compact fishing rod & colorful lures
• a mug of black coffee
• a desk plant
• a miniature open laptop with code on screen

All items should look realistic but with a playful, collectible figure aesthetic (like Nendoroid or Bearbrick style).
The wooden box background should be warm and grainy, with engraved text:

Top: "What’s my story?"
Bottom: "Age: 45 | Hobbyist. Dreamer. Explorer."

The overall vibe is cozy, creative, and slightly nostalgic — perfect for a modern avatar with personality and charm.

이 프롬프트는 마치 당신의 삶을 장난감 상자에 담아낸 듯한 느낌을 줍니다.
실제 자신이 좋아하는 아이템들을 미니어처로 구성하면서, 그 자체가 자기소개가 되는 거죠.

2️⃣ “My Parallel Universe Job” 아바타 세트

Create a wooden-box style premium collectible avatar display titled "My Parallel Universe Job" for a 45-year-old.
The central figure is a stylized cartoon avatar of the person in the photo, reimagined as a “Time-Traveling Librarian” — wearing steampunk-inspired gear, with brass goggles, a book satchel, and a glowing compass.

Surround the avatar with labeled compartments, each holding magical or sci-fi themed mini items:

• An enchanted floating book
• A mini time compass
• A scroll with glowing runes
• A tiny steampunk coffee machine
• A magical plant that reacts to sound
• A pocket-sized AI assistant in a crystal orb
• Mini shelves of otherworldly books
• A holographic cat companion
• A star map

The wooden box is dark walnut with celestial engravings.

Top label: "My Parallel Universe Job"
Bottom label: "Time-Traveling Librarian | Age 45 | Keeper of Stories & Time"

The entire display should have a mystical, cozy, and geeky charm — like a collectible from a fantasy convention.

이건 정말 상상력을 자극하는 프롬프트입니다.
평행세계에서의 나의 직업을 테마로 설정해, 마치 영화 속 캐릭터처럼 나를 새롭게 재해석할 수 있죠.
'시간 여행하는 사서' 말고도 우주 요리사, 몬스터 유치원 선생님, 드림 엔지니어 등으로도 확장할 수 있어요.

🪄 마무리 팁

이 프롬프트들은 DALL·E, Midjourney, Leonardo AI 같은 이미지 생성 AI에 넣으면 꽤 괜찮은 결과물이 나옵니다.
조금만 편집해서 SNS 프로필, 명함, 웹사이트, 소개 슬라이드 등에 넣어보세요.
지브리풍도 좋지만 그와 다른 기억에 남을 캐릭터를 만들 수 있을 거라 생각합니다.

Node.js 개발에서 TypeScript를 도입할 때 가장 먼저 마주치는 고민 중 하나는 바로 이것입니다.

TypeScript를 전역으로 설치할까? 로컬로 설치할까?

이 글에서는 두 방식의 차이점, 장단점, 실제 추천 시나리오까지 한번에 정리해드립니다.

✅ 전역 설치란?

전역 설치는 시스템 전체에 TypeScript를 설치하여 어느 프로젝트 디렉토리에서도 tsc 명령어를 사용할 수 있게 하는 방식입니다. 다음과 같은 명령어로 설치합니다:

npm install -g typescript

설치 후에는 터미널 어디에서나 다음 명령이 작동합니다:

tsc --version
tsc yourfile.ts

전역 설치의 장점

• tsc 명령을 터미널 어디서든 바로 쓸 수 있다
• CLI 툴 사용 시 빠르게 실행 가능
• 전역 설정에 익숙한 개발자에게 편리

전역 설치의 단점

• 버전 충돌 가능성: 프로젝트마다 TypeScript 버전이 다를 경우 문제 발생
• 팀 협업에서 위험: 다른 개발자의 시스템에 같은 버전이 설치되어 있다고 보장할 수 없음
• CI/CD 파이프라인에서 재현 불가

✅ 로컬 설치란?

로컬 설치는 해당 프로젝트 폴더 안에 TypeScript를 설치하는 방식입니다. 보통 개발 의존성으로 추가합니다:

npm install --save-dev typescript

설치 후에는 전역 명령 대신 npx를 사용해 실행합니다:

npx tsc
npx tsc --init

로컬 설치의 장점

• 프로젝트별로 TypeScript 버전을 고정할 수 있어 안정성 확보
• 모든 팀원이 동일한 환경에서 작업 가능
• CI/CD 환경에서도 100% 재현 가능
• package.json만 보면 어떤 버전이 쓰였는지 알 수 있다

로컬 설치의 단점

• tsc를 직접 실행하려면 npx 또는 경로를 지정해야 한다
• 여러 프로젝트를 오가며 전역 설치처럼 쓰고 싶으면 약간 번거로움

🔍 어떤 상황에 어떤 설치를 써야 할까?

• 혼자 실습하거나 빠르게 테스트하는 경우
  전역 설치도 무방합니다.
• 팀 프로젝트, 버전 관리, 협업, CI/CD 구성이 필요한 경우
  반드시 로컬 설치가 권장됩니다.

요즘 대부분의 실제 프로젝트는 typescript를 로컬로 설치하고 npx tsc 또는 tsc npm script로 실행합니다.

🧙 마무리

전역 설치는 빠르고 편리하지만, 협업과 재현성을 위해서는 로컬 설치가 훨씬 안전하고 추천되는 방식입니다.

최종적으로는 다음과 같은 전략을 추천합니다:

• CLI 툴 실습이나 글로벌 테스트용 → 전역 설치
• 실제 서비스, 팀 프로젝트, 오픈소스, CI/CD → 로컬 설치 (with --save-dev)

🎯 참고 명령어 요약

# 전역 설치
npm install -g typescript

# 로컬 설치
npm install --save-dev typescript

# 로컬 실행
npx tsc