API 키는 여러분의 서비스로 통하는 현관 열쇠와 같습니다. 사용자가 서비스에 접근할 수 있게 해주면서 동시에 보안을 지켜주죠. 이 글에서는 빠르고 서버리스 방식의 데이터 저장을 위한 Upstash Redis와 엣지(Edge)에서 요청을 처리하는 Cloudflare Workers를 활용해, 간단하면서도 안전한 API 키 생성기를 만드는 과정을 단계별로 소개합니다. 새로운 서비스를 구축하든 기존 앱에 키 기능을 추가하든, API 키를 생성하고 저장하고 검증하는 방법을 배워 서비스가 원활하고 효율적으로 운영되도록 만들 수 있습니다. A

소프트웨어 애플리케이션의 가치는 고객의 요구를 얼마나 잘 충족하느냐에 달려 있습니다. 고객의 니즈를 살펴보면 가장 먼저 마주치는 요구사항은 바로 애플리케이션의 속도와 데이터 신뢰성입니다. 그러나 애플리케이션이 성장하고 전 세계로 확장될수록, SQL 데이터베이스는 쿼리량 증가, 높아지는 지연 시간, 지역적으로 분산된 사용자 기반 등으로 인해 성능 병목 지점이 되곤 합니다.애플리케이션이 커질 때 이러한 문제를 해결하는 첫 번째 방법 중 하나가 바로 캐싱입니다. 캐싱은 반복적인 쿼리로 인한 기본 데이터베이스의 부하를 줄이고, 사용자가 쿼

이전 블로그 포스트에서는 캐싱의 장점과 일반적인 캐싱 기법, 그리고 다양한 코드 예제를 통해 Upstash Redis를 활용해 SQL 데이터를 캐싱하는 방법을 살펴보았습니다. 이번에는 한 단계 더 나아가 실제 적용 사례를 확인해 보겠습니다. 널리 사용되는 ORM인 Prisma를 예로 들어, 데이터베이스 쿼리에 Upstash Redis 캐싱을 어떻게 적용하는지 알아보겠습니다. 이 글에서는 Prisma와 Upstash Redis를 통합하여 cache-aside(캐시 어사이드) 기법으로 쿼리를 캐싱하고, 데이터베이스 부하를 줄이며, 애플

HTTP는 본질적으로 무상태(stateless) 프로토콜입니다. 즉, 서버로 전송되는 모든 요청은 서로 독립적이며, 이전 요청에 대한 어떠한 정보도 유지하지 않습니다. 하지만 로그인 정보나 사용자 환경설정처럼 사용자별 데이터를 여러 요청에 걸쳐 저장해야 하는 동적 웹 애플리케이션을 개발할 때는 이 특성이 큰 걸림돌이 됩니다. 이러한 한계를 극복하기 위해 웹 애플리케이션은 세션(Session)을 활용해 요청 간에 데이터를 저장하고 조회합니다. 가장 널리 사용되는 PHP 프레임워크 중 하나인 Laravel은 이러한 상태 기반 요구사항을

최근 저는 Nuno Maduro의 프로젝트인 Pyre에서 큰 영감을 받았습니다. Pyre는 짧은 수명의 비밀 메시지를 원하는 사람에게 전송할 수 있는 웹 앱으로, 저장 시점에 암호화되며 복호화 링크를 가진 사람만 내용을 읽을 수 있습니다. 저도 Upstash Redis를 활용해 비슷한 것을 만들어 보고 싶었고, 그중에서도 환경 변수 공유라는 틈새 영역을 선택했습니다. 팀 동료와 시크릿(비밀값)을 안전하게 공유해야 했던 순간이 한 번쯤은 있으셨을 텐데요, 이를 위한 시스템을 어떻게 만들면 좋을지 고민해 보셨을 겁니다. Envflow는

MCP(Model Context Protocol) 완벽 이해하기 MCP(Model Context Protocol)는 AI를 외부 API, 실시간 데이터 등과 연결해 주는 표준화된 프로토콜입니다. 2024년 말 Anthropic에서 공개했습니다. MCP 서버는 하나의 도구라고 생각하면 이해하기 쉽습니다. 예를 들어 날씨 데이터 조회, 텍스트 번역, 외부 API 연동 같은 기능이죠. AI 에이전트는 현재 작업에 유용하다고 판단되면 이런 도구를 자율적으로 호출합니다. 실제 사례를 들어보겠습니다. Upstash MCP를 사용하면 Curso

얼마 전, 저희는 Drizzle ORM과 협업할 좋은 기회를 얻었습니다. 이 TypeScript ORM이 커뮤니티에서 폭발적인 사랑을 받고 있다는 점을 고려하면, 저희가 예스 😳라고 답한 것은 당연한 선택이었습니다. 이 글에서는 Upstash Redis와 Drizzle의 캐싱 통합이 어떻게 SQL 성능을 개선하는지, 그리고 Lua 스크립트와 해시(Hash) 자료구조를 활용해 이 통합을 어떻게 최적화했는지 살펴보겠습니다. 도전 과제: 현대 애플리케이션에서의 SQL 성능 전통적인 SQL 데이터베이스는 강력한 일관성과 복잡한 관계

AI 리서치 에이전트란? 학술 연구의 흐름은 그야말로 빠릅니다. arXiv를 비롯한 프리프린트 서버에는 매일 수많은 새 논문이 등록되기 때문에, 이를 사람이 직접 따라가는 것은 거의 불가능에 가깝습니다. 이번 가이드에서는 다음과 같은 기능을 갖춘 AI 리서치 어시스턴트를 만들어 보겠습니다. 연구자의 자연어 질문을 이해한다. arXiv 초록으로 구성된 벡터 데이터베이스에서 가장 관련성 높은 논문을 찾아낸다. 논문의 핵심 인사이트를 요약하고, 해당 내용이 질문에 어떻게 답변하는지 설명한다. 더 깊이 읽을 수 있도록 PDF 원문 링크를

Model Context Protocol(MCP)은 AI 모델을 외부 도구 및 데이터 소스와 연결하는 표준 방식으로 빠르게 자리 잡고 있습니다. MCP 채택이 확산되면서 개발자들은 견고하고 프로덕션 수준의 MCP 구현체를 만들기 위해서는 단순히 스펙을 따르는 것만으로는 부족하다는 사실을 깨닫고 있습니다. 올바른 인프라가 필요한 것이죠. 이 글에서는 Redis가 어떻게 세 가지 서로 다른 MCP 활용 사례를 지원하는지 살펴보겠습니다. 바로 Vercel의 SSE 구현에서 분산형 서버리스 함수 조율, 장시간 실행되는 스트림을 위한 이벤트

n8n은 다양한 서비스를 연결하고 복잡한 프로세스를 자동화할 수 있는 강력한 워크플로 자동화 도구입니다. 하지만 워크플로에 너무 많은 요청이 몰리기 시작하면 어떻게 될까요? 적절한 속도 제한(rate limiting)이 없다면 API에 과부하가 걸리거나, 외부 서비스의 호출 한도를 초과하거나, 심한 경우 워크플로 자체가 중단될 수도 있습니다. 이 글에서는 Upstash Redis를 활용해 n8n 워크플로에 견고한 속도 제한 기능을 추가하는 방법을 소개합니다. 간단하고 효과적이며, 필요에 따라 손쉽게 확장할 수 있는 방식입니다. 해결

Next.js에 실시간 기능 추가하기, 생각보다 까다롭습니다 💀 여기서 말하는 실시간 기능은 다음과 같은 것들입니다. Vercel AI SDK의 실시간 스트림 처리 라이브 대시보드 실시간 알림 및 상태 업데이트 공유 커서 또는 현재 접속 중인 사용자 표시 파일 업로드나 오래 걸리는 작업의 진행률 추적 물론 이런 용도로 쓸 수 있는 SaaS가 없어서는 아닙니다. 하지만 기존 서비스들을 살펴보면 한계가 분명합니다. Ably — 비용이 비싸고 가격 정책도 불투명합니다. Pusher — 타입 안전성이 부족하고 개발자 경험이 좋지 않

작년 저희는 Redis용 신규 애드온인 Prod Pack을 선보였습니다. Prod Pack은 월 $200짜리 애드온으로, 유료 Redis 데이터베이스(그리고 최근에는 QStash 인스턴스에도)에 추가할 수 있습니다. 기존 종량제(Pay-as-you-go) 또는 고정 요금제를 그대로 유지한 채, 그 위에 프로덕션 환경에 필요한 기능들을 얹는 구조입니다. Prod Pack과 Enterprise의 핵심 차이는 적용 범위입니다. Prod Pack은 데이터베이스 단위, Enterprise는 계정 단위입니다. 예를 들어 운영 중인 데이터베이스

저희는 1~2주 후에 Upstash Redis Search를 정식 출시할 예정입니다. 아직 출시 전이지만, 지금 만들고 있는 것이 무엇인지, 그리고 왜 이 제품이 기대되는지 몇 가지 이야기를 미리 나눠보려고 합니다. 왜 이 제품을 만들게 되었나 저희는 2024년 Upstash Vector부터 검색 분야에서 활동을 시작했습니다. Vector는 개발자들이 시맨틱 검색을 구현할 수 있도록 도와주었고, 이후에는 Upstash Search라는 제품으로 이 분야에 더 깊이 투자하게 되었습니다. 예를 들어 아래는 2025년 벡터 기반 시맨틱 검

Codex나 Claude Code 같은 AI 에이전트는 태생적으로 bash 명령 실행에 매우 능숙합니다. 파일 시스템을 탐색하고, grep으로 검색하고, 셸을 통해 맥락을 파악하는 방식으로 작동하죠. 그래서 한번 시도해 보고 싶었습니다. AI 에이전트가 다루는 파일 시스템 전체를 디스크가 아닌 Redis 위에 올려두면 어떨까? 에이전트 입장에서는 평범한 파일 시스템처럼 보이지만, 실제로는 초고속 인 메모리 저장소인 거죠. 제가 구상한 동작 방식은 다음과 같습니다 👇 에이전트가 grep 명령(모든 에이전트가 특히 잘하는 작업)을

Redis는 단순한 인메모리 캐시를 넘어, AI 벡터 검색·실시간 애플리케이션·엔터프라이즈급 데이터 관리까지 아우르는 강력한 데이터 플랫폼으로 발전하고 있습니다. 이 글에서는 Redis의 대표적인 튜토리얼과 사용법 가이드를 주제별로 재구성하여 소개합니다. 첫 RAG 파이프라인 구축부터 프로덕션 최적화까지, 단계별로 참고해 보세요. AI와 벡터 검색: RAG의 첫걸음 제로부터 RAG까지: RedisVL로 첫 번째 RAG 파이프라인 구축하기 사용법 및 튜토리얼 · 2025년 2월 3일 Redis 벡터 라이브러리(RedisVL)를 활용

Redis를 처음 접하시거나 제공되는 기능을 다시 한번 정리하고 싶으신 분이라면, 이 가이드가 Redis가 지원하는 모든 데이터 구조를 이해하는 데 큰 도움이 될 것입니다. 올바른 구조 선택하기 Redis의 데이터 구조는 단순합니다. 어떤 구조도 해결하려는 문제에 완벽하게 들어맞지는 않을 수 있지만, 데이터에 적합한 초기 구조를 잘 선택하면 Redis 명령어들이 효율적인 방향으로 안내해 줍니다. 많은 Redis 명령어에는 해당 명령이 다루는 기반 데이터 구조의 유형을 나타내는 접두사(prefix)가 붙어 있습니다. 범용 데이터

이 글에서는 Redis 프로토콜이 어떻게 동작하는지, 그리고 무엇이 이 프로토콜을 훌륭하게 만드는지 이해하기 위해 Go 언어로 작성된 Redis 클라이언트의 두 가지 핵심 컴포넌트를 간단하고 이해하기 쉬운 방식으로 구현해 보겠습니다. 만약 기능이 완전하고 프로덕션 환경에서 바로 사용할 수 있는 Go용 Redis 클라이언트를 찾고 계신다면, Gary Burd의 redigo 라이브러리를 살펴보시길 권합니다. 시작하기 전에, Redis 프로토콜에 대한 입문 가이드를 먼저 읽어보시기 바랍니다. 이 글을 이해하는 데 필요한 프로토콜의 기본

Redis의 가장 뛰어난 숨은 기능 중 하나를 꼽으라면 단연 통신 프로토콜입니다. 이 프로토콜 덕분에 Redis는 고품질 클라이언트 라이브러리가 풍부한 대형 생태계를 자랑할 수 있게 되었습니다. Redis의 유선(wire) 프로토콜은 놀랄 만큼 단순해서, Redis의 주요 기능을 모두 구현하는 클라이언트를 손쉽게 만들 수 있습니다. 동시에 빠르고 효율적인 클라이언트 라이브러리를 작성하기 쉽도록 설계되어 있다는 점도 큰 장점입니다. RESP란 무엇인가? RESP(REdis Serialization Protocol)는 Redis 클

Redis에서 만료되는 키(이른바 volatile 키)를 사용한다면, 새로운 레플리카(replica)를 데이터베이스에 연결할 때 의외의 상황을 마주할 수 있습니다. 레플리카의 키 개수가 기본(primary) 데이터베이스보다 현저히 적게 나타나는 경우가 있기 때문입니다. 특히 만료 키가 많은 환경에서는 이런 현상이 더욱 흔하게 발생합니다. 과연 레플리카에서 키가 누락된 걸까요? 데이터를 잃어버린 걸까요? 짧게 답하자면 아니요입니다. 하지만 데이터 손실 없이도 왜 레플리카의 키 개수가 더 적게 보고되는지 그 이유를 이해해 두면 큰 도움

Redis에서 DEL 명령으로 대용량 객체를 삭제하면 해당 키에 담긴 모든 데이터를 한 번에 정리해야 하므로 서버가 블로킹(blocking) 상태에 빠지고 응답 지연이 발생할 수 있습니다. Redis에서 대용량 객체 삭제가 느린 이유에 대한 자세한 내용은 관련 개요 문서를 참고하세요. Redis에서 대용량 해시를 안전하게 삭제하려면 아래 두 단계를 따르는 것이 좋습니다. 키 이름 변경(Rename): 먼저 해당 키를 고유한 네임스페이스를 가진 새 키로 이름을 변경합니다. 이렇게 하면 다른 Redis 클라이언트 입장