![[Docker] 핵심 기본 개념 정리 + 문제 풀이](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fee4gGP%2FdJMcaiqV0v3%2FAAAAAAAAAAAAAAAAAAAAADL9bAhnI_aiaa5yJ_p7CUCp31u5gH2g_AxhJNTf-Qd8%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1788188399%26allow_ip%3D%26allow_referer%3D%26signature%3DfkpINH2LUPYlcyCGelwxUpGIjV8%253D)
Docker를 공부하다 보면 Dockerfile, Image, Container, Docker Compose, OverlayFS, containerd, runc처럼 비슷하면서도 서로 다른 개념들이 등장한다.처음에는 각각의 명령어를 외우는 것처럼 공부하기 쉽지만, 실제로는 다음과 같은 하나의 흐름으로 연결되어 있다.Dockerfile ↓ docker buildDocker Image ↓ docker runContainer ↓containerd ↓containerd-shim ↓runc ↓PID 1 Process이번 글에서는 Docker 관련 문제를 풀면서 정리한 핵심 개념을 중심으로 Docker의 동작 원리를 정리해보려고 한다.1. Dockerfile이란?Q1. Dockerfi..
보호되어 있는 글입니다.
Spring Boot 실습 프로젝트를 빌드하려는데 계속 실패했다. 원인은 Maven Central의 요청 제한이었다.Could not resolve org.springframework.boot:spring-boot-starter-validation:3.5.16. > Could not get resource 'https://repo.maven.apache.org/maven2/.../spring-boot-starter-validation-3.5.16.pom'. > Received status code 429 from server: Too Many Requests의존성뿐 아니라 플러그인 해결 단계에서도 똑같이 터졌다.Could not resolve org.springframework.boot:spri..
보호되어 있는 글입니다.
![[프로그래머스][이분탐색] 징검다리 : 레벨 4 (Java)](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fv1br6%2FdJMcadJyrqc%2FAAAAAAAAAAAAAAAAAAAAACRPsR_YSPfNhXU78kIcBBnvPGz4ZACXlNYMLIkSeH3b%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1788188399%26allow_ip%3D%26allow_referer%3D%26signature%3D6bbtn43xKDSb1xwH3qI7W%252B0p2WM%253D)
문제 요약출발지점에서 distance만큼 떨어진 곳에 도착지점이 있고, 그 사이에 바위들이 놓여있다. 바위를 n개 제거했을 때 각 지점 사이 거리의 최솟값을 최대로 만들고 싶다.distance = 25, rocks = [2, 14, 11, 21, 17], n = 2 → answer = 4 제한사항은 아래와 같다. distance 바위 개수 n 바위가 5만 개면 제거 조합을 전부 시도하는 건 당연히 불가능하다. - distance = 10억→ 좌표 배열 접근 불가- "최솟값 중 가장 큰 값"→ 이분탐색으로 구현나는 탐색 대상을 "바위를 n개 제거한 뒤 남게 될 최소 간격" (= mid)으로 잡았다. 이를 기준으로 이분탐색을 진행하면서 확인해야 할 것은 "바위 사이의 거리가 mid 이상으로 만들려면, 바..
ChatGPT, Claude, Gemini, LLaMA처럼 우리가 자주 사용하는 생성형 AI는 어떻게 사람처럼 자연스러운 문장을 이해하고 만들어낼 수 있을까? 이러한 최신 AI 모델들의 중심에는 Transformer라는 딥러닝 모델이 있다. 2017년 Google이 발표한 "Attention Is All You Need" 논문에서 처음 소개된 이후, Transformer는 자연어 처리(NLP)의 패러다임을 바꾸었고 현재는 텍스트뿐만 아니라 이미지, 음성, 영상 등 다양한 AI 분야의 핵심 기술로 자리 잡았다. 이번 글에서는 Transformer가 등장하게 된 배경부터 Attention, Self-Attention, Query·Key·Value, Multi-Head Attention, Positional..