Cloudflare가 최근 Cloudflare Workers를 위한 Upstash 통합 기능을 정식 출시했습니다. 이를 통해 Workers 환경에서 Upstash 제품을 훨씬 더 간편하게 활용할 수 있게 되었습니다. 이번 포스트에서는 Upstash Redis 통합을 사용해 서버리스 URL 단축기를 직접 만들어 보겠습니다. 시작하기 이 프로젝트는 다음 순서로 진행합니다. Upstash 데이터베이스 설정 Cloudflare에서 Worker 생성 Cloudflare Workers와 Upstash 연동 프로젝트 알고리즘 구현 애플리케이션

docsly에서는 지난주 또는 지난 한 달간 받은 피드백을 요약해 사용자에게 이메일로 알려주는 새로운 기능을 출시했습니다. 이메일 발송 자체는 낯선 문제가 아니지만, 최고의 사용자 경험을 제공하기 위해 모든 이메일을 사용자의 시간대에 맞춰 발송하기로 결정했습니다. 이를 통해 이른 새벽이나 늦은 밤처럼 어색한 시간에 이메일이 전달되는 상황을 피할 수 있습니다. 아울러 사용자가 이메일 수신 빈도를 직접 선택할 수 있게 하고, 예약된 이메일 알림을 언제든지 취소할 수 있는 기능도 함께 제공하고자 했습니다. 다만 이 솔루션을 구현하는 과정

OpenAI API를 사용해 본 적이 있다면 응답 속도가 상당히 느리고 때로는 아예 응답하지 않는 경우도 있다는 것을 알고 있을 겁니다. 특히 GPT-4 모델은 지연 시간이 긴 응답이 발생하기 쉽습니다. 게다가 받은 답변 하나하나마다 비용을 지불해야 하죠. 이런 이유들 때문에 API 응답을 그대로 클라이언트에게 전달하는 방식은 피하는 것이 좋습니다.이러한 문제를 해결하려면 응답을 Upstash Redis에 저장하면 됩니다. 많은 클라이언트에게 동일한 응답을 제공하는 상황이라면 상당한 비용을 절약할 수 있고, 전역 배포 기능 덕분에

LangChain은 사람과 AI 간의 대화를 손쉽게 처리할 수 있는 간편한 인터페이스를 제공합니다. BufferMemory를 사용하도록 설정하면 대화 기록을 메모리에 저장할 수 있는데, 일부 사용 사례에서는 이 정도로 충분할 수 있습니다. 하지만 앱이 채팅 기록의 장기적인 영속 저장을 필요로 하는 경우도 있습니다. 다행히 이를 Upstash Redis 인스턴스로 교체하는 작업 역시 매우 간단합니다. LangChain은 ioredis, node-redis, 그리고 Upstash Redis 등 다양한 Redis 통합 기능을 제공합니다.

일부 애플리케이션에서는 사용자의 요청이 들어올 때마다 LLM에 직접 질의하는 것이 현실적이지 않을 수 있습니다. 프롬프트를 API로 전송하고 응답을 기다리는 과정은 상당한 시간이 소요되기 때문입니다. PDF나 오디오 파일에서 데이터를 추출해 LLM에 전달하는 것처럼 LangChain을 활용하는 복잡한 작업일수록 지연 시간이 길어져 사용자 경험에 더 큰 부담이 됩니다. 물론 스트리밍 방식도 많은 경우에 효과적인 해결책입니다. 하지만 사용자가 애플리케이션에 접속하기 전에 미리 모든 작업을 처리해두면, 사용자는 캐시된 응답을 거의 즉각적

배포 플랫폼을 선택할 때 두 플랫폼 간의 실질적인 성능을 공정하게 비교하는 일은 생각보다 쉽지 않습니다. 특히 글로벌 엣지 배포를 통해 초저지연(low latency)을 내세우는 서버리스 플랫폼의 경우 더욱 그렇습니다. 하지만 정작 데이터를 가져오는 속도가 느리다면 낮은 지연 시간이 무슨 소용일까요? API가 사용자 바로 옆에서 실행되더라도, 데이터를 가져오기 위해 지구 반대편까지 네트워크 왕복을 해야 한다면 좋은 사용자 경험을 기대하기 어렵습니다. 전통적으로 컴퓨팅과 스토리지는 단일 서버, 혹은 적어도 동일한 데이터센터 안에 함

약 2주 전에 Cloudflare KV와 Upstash Redis의 성능 및 비용을 비교한 글을 소개한 적이 있습니다. 이번에는 Deno의 글로벌 엣지 네트워크에서 동작하는 네이티브 키-값 스토어인 Deno KV를 살펴보겠습니다. Deno KV는 아키텍처 측면에서 Upstash Redis와 상당히 유사합니다. 두 서비스 모두 모든 쓰기 요청이 전달되는 기본 리전(primary region)이 있고, 해당 데이터가 다른 모든 리전으로 복제됩니다. 읽기는 클라이언트에서 가장 가까운 리전에서 처리됩니다. 다만 Redis는 KV에 없는 다

이 글에서는 Upstash, Next.js, LangChain, Fly.io를 활용해 오픈소스 맞춤형 콘텐츠 AI 챗봇을 구축한 과정을 다룹니다. Upstash는 모델 학습 일정 예약은 물론, 넉넉한 요청 속도 제한(Rate Limiting)과 OpenAI API 응답 캐싱까지 지원해 주는 핵심 역할을 했습니다. 사용할 기술 스택 Next.js – 프론트엔드와 백엔드 LangChain – 언어 모델 기반 애플리케이션 개발 프레임워크 Upstash – QStash를 통한 모델 학습 스케줄링, 요청 속도 제한 및 OpenAI 응답

이 글에서는 사용자가 채팅 그룹에 참여해 실시간으로 소통할 수 있는 간단한 실시간 채팅 애플리케이션을 만들어 보겠습니다. 낮은 지연 시간으로 사용자 간 실시간 메시징을 처리하는 Ably, 메시지를 영구적으로 저장하는 Upstash Redis, 그리고 애플리케이션을 구축하는 Node.js를 함께 활용합니다. Ably란? Ably는 사용자 간 양방향 통신을 가능하게 해주는 실시간 경험 플랫폼입니다. 이번 채팅 앱에서는 Ably의 Pub/Sub 채널을 활용합니다. 사용자가 메시지를 채널에 발행(publish)하면 다른 사용자들이 해당 채

이 글에서는 AI 기반 여행 일정 계획 스타트업 PlanTripAI의 개발 과정에서 Upstash가 수행한 핵심적인 역할을 살펴봅니다. Upstash Redis는 사용자 접근 권한을 위한 라이선스 키 저장, 여행 콘텐츠의 효율적인 저장 및 캐싱과 같은 필수 기능을 관리하는 데 결정적인 역할을 했습니다. 또한 Upstash의 Rate Limit 기능은 시스템 보호에 중요한 역할을 합니다. 요청 빈도를 효과적으로 관리하여 잠재적인 보안 위협으로부터 강력하게 보호하고, 사용자에게 끊김 없는 원활한 서비스를 제공합니다. plantripai

Upstash Redis와 Fly.io로 엣지에서 실시간 리더보드 구축하기 역동적이고 몰입감 있는 웹 애플리케이션에서 리더보드(순위표)는 사용자 간 경쟁을 유도하고 참여도를 높이는 강력한 도구입니다. 이 튜토리얼에서는 Upstash Redis를 백엔드 저장소로 활용하고 Fly.io를 통해 엣지에 배포하여 실시간 리더보드를 만드는 과정을 단계별로 살펴봅니다. 서버리스 Redis의 효율성과 Fly.io의 글로벌 분산 배포 능력이 결합되면, 전 세계 어디서든 낮은 지연 시간으로 접근할 수 있는 애플리케이션을 만들 수 있습니다. Upsta

직접 메시지 큐(Message Queue)를 만들어 보려다가 어려움을 겪어본 적이 있으신가요? 그렇다면 혼자만은 아닙니다. 이 튜토리얼에서는 Redis 리스트를 활용해 메시지 큐를 처음부터 끝까지 직접 구축해 보겠습니다.Redis로 메시지 큐를 만드는 방법은 스트림(Streams), 리스트(Lists), Pub/Sub 등 여러 가지가 있지만, 이 글에서는 가장 단순하고 직관적인 방식인 리스트에 집중합니다. 실전 예제를 함께 살펴보시죠.사용할 도구Upstash Redis필요한 준비물Bun 런타임TypeScript 기본 지식Upstas

오늘 upstash-redis 파이썬 패키지의 v1.0.0 버전을 출시했습니다. GitHub과 PyPI에서 바로 확인하고 설치할 수 있습니다. 이 패키지는 Upstash Redis를 위한 연결 없는(connectionless) HTTP 기반 클라이언트입니다. AWS Lambda, Google Cloud Functions와 같은 서버리스 환경이나 TCP 대신 HTTP가 선호되는 어떤 환경에서도 손쉽게 사용할 수 있도록 설계되었습니다. 새로워진 점 새 버전부터는 모든 명령어에 사용 예제가 포함된 파이썬 독스트링(docstring)이 제

소개세그먼트 플랫폼은 고객, 제품 및 기타 주요 데이터를 이해하고 분류하는 데 핵심적인 역할을 합니다. 세그먼테이션(Segmentation)이란 특정 기준에 따라 하나의 큰 집단을 더 작고 동질적인 하위 그룹으로 나누는 작업을 의미합니다.예를 들어, 이커머스 분야에서의 고객 세그먼테이션은 개인화된 마케팅 전략 수립, 타깃 프로모션 운영, 더욱 맞춤화된 쇼핑 경험 제공 등 다양한 방식으로 활용됩니다.목차요구 사항 이해기본 아키텍처아키텍처 구성 요소설계 과제제안 솔루션마무리1. 요구 사항 이해이커머스 환경에서 고객 세그먼트를 위한 저지

이 글에서는 Upstash Vector, Upstash Redis, Hugging Face Inference API, Replicate LLAMA-2-70B Chat 모델, Vercel을 활용해 오픈소스 기반의 커스텀 콘텐츠 RAG 챗봇을 구축한 과정을 소개합니다. Upstash Vector는 벡터 삽입·조회와 함께 사용자 메시지마다 관련 컨텍스트를 동적으로 생성하고 갱신하는 역할을 담당했으며, Upstash Redis는 챗봇의 대화 내역을 저장하는 데 활용되었습니다. 사전 준비 사항 시작하기 전에 다음 항목들이 필요합니다. No

구글이나 Perplexity.ai를 사용해 본 적이 있으신가요? 어떻게 최신 검색 결과를 보여주고 온라인 기사 링크까지 함께 제공할 수 있는지 궁금하신 적이 있으신가요? 이 가이드에서는 그러한 시스템을 직접 구축하는 방법을 단계별로 배워봅니다. 추가하는 기사 링크들이 점점 커지는 지식 저장소에 축적되고, 그 지식을 기반으로 개인화된 추천 결과를 생성하는 시스템을 만들어 보겠습니다. 사전 준비 사항 이 가이드를 따라 하려면 다음 항목들이 필요합니다. Node.js 18 이상 Upstash 계정 OpenAI 계정 Fly.io 계정

Vercel KV는 웹 프로젝트에서 매우 유용한 도구지만, 광범위하게 사용하다 보면 HTTP 요청 수가 급격히 늘어나 성능에 악영향을 줄 수 있습니다. Redis 파이프라인은 여러 명령을 묶어 요청 수를 줄이는 방법을 제공하지만, 구현이 만만치 않습니다. 그렇다면 파이프라인의 효율성과 기본 Redis 명령의 간편함을 동시에 누릴 방법은 없을까요? 자동 파이프라이닝(auto-pipelining)이 바로 그 해답입니다. 복잡한 코딩 없이도 성능을 매끄럽게 개선할 수 있습니다. 문제 상황 Redis를 데이터 소스로 폭넓게 활용하는 웹페이

이번 글에서는 Upstash Redis, Upstash Vector, 그리고 Vercel AI SDK를 활용해 만들 수 있는 AI 애플리케이션을 깊이 있게 살펴봅니다. 각 도구가 지닌 고유한 기능과 특성을 짚어보고, 이들을 유기적으로 결합했을 때 어떤 강력하고 효율적인 AI 솔루션을 만들 수 있는지 확인하겠습니다. 또한 각 기능에 대한 설명과 함께 실제 예제 애플리케이션도 함께 소개합니다. Upstash Vector란? 먼저 벡터와 벡터 데이터베이스의 개념부터 이해할 필요가 있습니다. 벡터 데이터베이스는 데이터를 숫자 배열 형태,

이 튜토리얼에서는 React 서버 컴포넌트(React Server Components, RSC)의 동작 원리를 살펴보고, 그 개념을 바탕으로 앱에 간단한 조회수 카운터를 직접 만들어 보겠습니다. 바로 구현 단계로 넘어가고 싶은 분은 프로젝트 설정 섹션부터 읽으셔도 좋습니다. React 서버 컴포넌트 이해하기 RSC가 어떻게 동작하는지 제대로 이해하려면 먼저 클라이언트 사이드 렌더링(CSR)과 서버 사이드 렌더링(SSR)을 간단히 짚고 넘어갈 필요가 있습니다. 클라이언트 사이드 렌더링(CSR) CSR에서는 대부분의 렌더링 작업이 클라

이 가이드에서는 웹 애플리케이션에서 세션이 정확히 무엇을 의미하는지, 세션 관리에 Redis가 선호되는 이유는 무엇인지, Upstash Redis 데이터베이스를 설정하는 방법, 그리고 Next.js 애플리케이션에 이를 통합하는 전체 과정을 단계별로 살펴봅니다. 세션(Session)이란 무엇일까요? 웹 애플리케이션에서 세션은 일정 시간 동안 여러 HTTP 요청에 걸쳐 사용자와 애플리케이션 간의 상호작용 상태를 유지하기 위한 임시적인 서버 측 저장 메커니즘입니다. HTTP는 상태 비저장(stateless) 프로토콜입니다. 즉, 각 요청