• Pod는 애플리케이션 코드가 포함된 컨테이너들에 대한 Wrapper(묶는) 역할
• Pod가 포함하는 일반적인 Application container를 Runtime container라고 한다
• Kubernetes는 Pod의 예기치 않은 종료가 감지되면 그자리에 새 Pod를 생성(DNS 및 IP 주소 제외)
  • App설계 방식에 큰 영향을 끼침
• 유연한 특성은 지정된 Pod에 애플리케이션을 연결할 필요성 없어짐
• 클러스터네 어디서나 Pod가 원활하게 자리 잡을 수 있도록 설계하도록 자리잡음

• Application container와 함께 작동하여 특정 추가기능 또는 로깅및 모니터링 서비스를 구현하는데 이용
• Sidecar의 활용은 App.Container로부터 관찰 가능성의 개선과 확장성,보안을 수행함으로 App.Container가 단순하게 주요기능만 작동 할 수 있게 함 → Kubernetes배포성 향상
  • App.Container → 메인기능 만
  • Sidecar → 운영되는데 필요한 추가 기능

Sidecar Conatiner 예시

1. Local volume 생성
2. App.Containr 로그 파일을 volume에 연결
3. volume로 부터 Sidecar가 로그 수집

• App.Container는 Application연결에만 집중하게되고 Sidecar를 이용하여 로그 수집 및 표출 또는 외부 로그수집기와 연결하여 모니터링을 가능하게 함

정의

정점(Vertex or Node)과 이들을 연결하는 간선(Edge or line)으로 구성된 자료구조. 객체 간의 쌍별 관계를 모델링하는 데 사용.

종류

• 무방향 그래프: 간선에 방향이 없는 그래프 (예: 소셜 네트워크 친구 관계)
• 방향 그래프: 간선에 방향이 있으며 순서가 쌍으로 표현
• 가중 그래프: 간선에 거리나 비용과 같은 가중치 부여
• 연결 그래프: 모든 노드에 대해 항상 경로가 존재
• 비연결 그래프: 특정 노드가 경로를 가지지 않는 경우
• 순환 그래프: 시작 노드와 종료 노드가 같은 경우
• 완전 그래프: 모든 노드가 서로 연결, 간선이 최대한 많은 구조

그래프 vs 트리

BFS (Breadth-First Search, 너비 우선 탐색)

시작 정점에서 가까운 정점부터 차례로 탐색. 특정 깊이의 모든 정점을 탐색 후 다음 깊이로 이동.

• Queue(FIFO) 자료구조 사용
• 최단 경로 탐색에 유용 (가중치 없는 그래프)

정의

입력 크기가 작은 부분 문제들을 해결한 후, 해당 부분 문제를 활용하여 보다 큰 크기의 부분 문제를 해결하고, 최종적으로 전체 문제를 해결하는 알고리즘.

• 상향식 접근법 — 가장 최하위 해답을 구한 후 이를 저장하고, 해당 결과값을 이용하여 상위 문제를 풀어감
• Memoization — 이전에 실행했던 값을 저장하여 다음 계산에 사용

구현 — 피보나치 수열

점화식: F(n) = F(n-1) + F(n-2)

수열: [1, 1, 2, 3, 5, 8, 13, 21, 34, …]

두 인접한 데이터를 비교하여, 큰 값을 뒤로 바꾸는 정렬 알고리즘.

동작 방식

• n개의 리스트가 있을 경우 n-1번의 로직이 필요
• 로직을 1회 적용할 때마다 가장 큰 수가 뒤에서부터 1개씩 정렬
• 이미 정렬된 경우 일찍 종료 가능

구현

재귀용법을 활용한 정렬 알고리즘.

1. 리스트를 절반으로 자른다
2. 재귀적으로 하나가 될 때까지 나눈다
3. 나누어진 리스트를 재귀적으로 합병 정렬한다

구현

두 번째 인덱스부터 시작하여 작은 값을 앞으로 보내는 알고리즘. 해당 값보다 작은 값을 만날 때까지 이동한다.

구현

주어진 데이터에서 최소값을 찾은 후 그 값을 해당 인덱스와 스왑. 0번부터 차례대로 최소값이 정해지는 방식.

구현

탐색할 자료를 나누어 해당 데이터가 있을 만한 곳을 탐색하는 방법. 둘(binary)로 해석하기보다 양자택일로 해석하는 것이 이해하기 쉽다.

특징

• 정렬된 상태에서만 사용 가능
• 리스트의 중간을 선택하여 탐색 값을 비교, 크고 작음에 따라 좌우 선택
• 재귀를 사용하여 1개가 남을 때까지 반복

구현