전체 글
[Effective Java] 2장 객체 생성과 파괴
2019.12.02 : Languages & Frameworks/Java아이템 1. 생성자 대신 정적 팩터리 메서드를 고려하라 GoF에 나오는 팩터리 메서드와는 다르다. public 생성자에 `` new``를 써서 객체를 만드는게 아니라, 아래 처럼 팩터리 메서드를 사용하는 것을 말함. public 생성자와 static factory 메서드는 각자 장단이 있지만, 후자가 유리한 경우가 더 많다. ```java public static Boolean valueOf(boolean b) { return b ? Boolean.TRUE : Boolean.FALSE; } ``` 장점1. 이름을 가질 수 있다. (가독성 향상) 복잡한 생성 시 되게 유용하다. 예를 들면, 리스트를 받아서 해당 요소들을 하나로 merge한 새로운 객체를 만들 때? 값이 소수인 BigInteger를 반환한다..
[DB] 성능 최적화
2019.11.28 : Data Store서브 쿼리는 일반적으로 지양하는 편이 좋다 스칼라 서브쿼리는 리턴되는 건수마다 결과를 수행하기 때문에 대량의 결과가 리턴되는 쿼리에서는 성능이 몹시 떨어진다. 스칼라 서브쿼리란? subquery 위치에 따라서 다음과 같이 부른다. SELECT 절에 있는 서브쿼리 : 스칼라 서브쿼리 FROM 절에 있는 서브쿼리 : 인라인 뷰 WHERE 절에 있는 서브쿼리 : 서브쿼리 상황에 따라 이를 OUTER JOIN 등으로 변경할 수 있다. 실행 계획 (PLAN) 보기 Query는 비절차형 언어이기 때문에, 원하는 결과를 얻기 위한 시스템의 동작을 개발자가 하나하나 지정하는게 아니라 DBMS에게 Query를 주면 알아서 실행하고 결과를 돌려준다. 내가 넘긴 Query를 DBMS가 어떤 식으로 해석하고 실행할 것인가?를..
[IntelliJ] 내장 Tomcat 사용하지 않고 직접 연결하기
2019.11.26 : Utilities/IDEtomcat 설치 ```bash # java 먼저 설치하고, JAVA_HOME 환경변수 설정. $ brew search tomcat $ brew install tomcat $ /usr/local/Cellar/tomcat@8/8.5.49/bin/catalina configtest # 확인 차 $ /usr/local/Cellar/tomcat@8/8.5.49/bin/catalina start # localhost:8080 접속해서 잘 뜨나 확인 $ /usr/local/Cellar/tomcat@8/8.5.49/bin/catalina stop ``` IntelliJ 연동 Run - Edit Configurations... Tomcat Server 항목 추가 Tomcat Home 경로는 `` /usr/local/C..
[JS] ArrayBuffer와 DataView : TypedArray
2019.10.31 : Languages & Frameworks/JSArrayBuffer는 다음과 같은 상황에서 유용하다. 어떤 API가 커다란 사이즈의 Buffer를 통째로 받아야 해서, Buffer에 여러가지 정보를 담아서 넘겨야 한다. (예를 들어 WebGL. 여러가지 Instance의 정보를 한꺼번에 Buffer에 담아서 넘겨야 한 번에 Buffer를 보고 쭉 그릴 수 있다.) C/C++라면 memcpy를 사용해도 되고 포인터를 이용해서 직접 써도 되지만, JS는 그렇지 않다. 그래서 ArrayBuffer를 이용해서 커다란 Buffer를 할당한 다음, (malloc) Type, byteOffset, length를 지정해서 Buffer의 일부 영역을 Chunk로 반환 받을 수 있다. (포인터로 연결하는 것 같은 느낌) Buffer Chunk1 (Int32Array)..
피어슨 상관 계수 (Pearson Correlation Coefficient)
2019.10.20 : Machine Learning/Theory두 변수가 어떤 상관 관계를 가지는가?를 의미하는 수치다. +1은 완벽한 양의 선형 상관 관계, 0은 선형 상관 관계 없음, -1은 완벽한 음의 선형 상관 관계를 의미한다. X와 Y 사이의 피어슨 상관 계수를 구하는 식은 다음과 같다 \\[r_{XY} = \frac{ \sum^n_i (X_i - \bar{X})(Y_i - \bar{Y}) }{ \sqrt{\sum^n_i (X_i - \bar{X})^2} \sqrt{\sum^n_i (X_i - \bar{X})^2} } \\] 여기서 X, Y는 vector인데 식을 조금 들여다보면 결국 다음과 같은 과정이다. 1. 각 vector의 표본평균\\(\bar{A}\\)를 구해서 A의 0이 아닌 각 원소에 빼주어 normalization하고, 2. normalize..
2019 금융결제원 2차(최종) 임원면접 후기
2019.10.11이 글은 보호되어 있기 때문에 이것을 보려면 암호가 필요합니다.
지급결제란?
2019.10.09 : Liberal arts/Payment참고1. https://www.bok.or.kr/portal/main/contents.do?menuNo=200347 참고2. 지급결제/송금 프로세스 및 시스템 구성 - PART I (ver 4.0) 참고3. 금융결제원, 한국은행, 은행의 지급결제 망 구조 프로세스 등등 지급결제제도 개요 쉽게 말하면 어떤 경제활동으로 인해 돈을 지급하는 것을 지급결제라고 한다. 물건을 구매한다거나, 서비스를 이용한다거나, 핸드폰 요금을 낸다거나, 월급을 준다거나 하는 모든 것이 지급결제다. 우리나라의 지급결제제도 우리나라의 주요 지급결제시스템 한국은행의 거액결제시스템 / 금융결제원의 소액결제시스템 / 한국예탁결제원 및 한국거래소의 증권결제시스템 / 외환결제시스템 거액결제시스템은 건수가 많지 않고 금액이 크기 때문에 요청 ..
2019 금융결제원 1차 기술면접 후기
2019.09.27이 글은 보호되어 있기 때문에 이것을 보려면 암호가 필요합니다.
[Spring] Controller에서 사용하는 애너테이션
2019.09.25 : Languages & Frameworks/Spring@RequestParam ```java @RequestParam("name") // ?name이 없어도 4** 뜨지 않음 @RequestParam(value="name", required=false) // ?name이 없으면 defaultValue 들어감 @RequestParam(value="name", defaultValue="unknown") ``` queryString에서 파라미터를 하나 하나 받을 때 사용한다. 그러다 보니 파라미터 여러개를 받을 때는 애너테이션 때문에 지저분해져서 부적합하다. 아래 처럼 Map으로 받는 방식은 쓰지 않는 것이 좋다. 대신 커맨드 객체(+ModelAttribute)를 사용하자. ```java // 별로다. 커맨드 객체를 쓰자 @RequestParam HashMap ..
PG / VAN 이란?
2019.09.23 : Liberal arts/PaymentPG (Payment Gateway) PG는 전자결제를 대행해주는 서비스를 의미한다. 전자결제 대행 서비스란, 인터넷 쇼핑몰에서 상품 및 서비스를 구매하는 고객들의 결제(신용카드 및 기타 결제수단)를 중계하는 서비스를 의미한다. 전자결제 대행을 왜 할까? 내가 쇼핑몰을 하나 만들었다고 가정하자. 온라인 카드 결제를 처리하기 위해서는 각각의 카드사와 계약하고, 카드사 인터페이스에 맞게 프로그램을 구현하고 관리해야 한다. 특히 카드사는 주로 전문 통신을 하게 되는데 각각의 카드사 스펙에 맞게 구현하는건, 각 쇼핑몰 마다 따로 있을 필요가 없는 일이다. 한 번만 개발하면 어디서든 쓸 수 있는거니까. 그리고 소규모 업자와 카드사, 은행이 직접 계약을 맺으려고 하지도 않을 것이고. 그래서 이렇게 서로 다른 각각의..
2019 네이버 인턴 -> 정규직 전환 면접(1차, 2차) 후기
2019.09.19이 글은 보호되어 있기 때문에 이것을 보려면 암호가 필요합니다.
Website for public datasets
2019.09.10 : Machine Learning/TheoryRecommendation datasets: http://cseweb.ucsd.edu/~jmcauley/datasets.html https://www.wikidata.org/wiki/Wikidata:Database_download/ko Machine learning datasets (including clustering): https://archive.ics.uci.edu/ml/index.php Various datasets: https://www.kaggle.com/datasets Network(graph) datasets: https://snap.stanford.edu/data/ Graph datasets: https://graphchallenge.mit.edu/data-sets Web graphs:..