Machine Learning > NHN Cloud Foundry > 콘솔 유저 가이드

이 문서에서는 NHN Cloud Foundry 콘솔에서 데이터 소스, 파이프라인, 분석(쿼리·차트·대시보드), 앱을 관리하는 방법을 설명합니다.

설정 항목 표의 필수 열은 다음을 의미합니다.

  • O: 반드시 입력해야 하는 항목
  • X: 선택 항목
  • O*: 다른 설정 값에 따라 필수 여부가 달라지는 항목

현황

콘솔 경로: Machine Learning > NHN Cloud Foundry > 현황 탭

현황 탭에서 서비스 활성화 상태와 테넌트 설정을 확인합니다. 서비스를 사용하려면 먼저 이 탭에서 활성화 상태를 확인하고, 활성화되어 있지 않다면 활성화를 신청해야 합니다.

서비스 활성화 신청

서비스 활성화는 콘솔에서 직접 수행할 수 없습니다. 1:1 문의로 원하는 리소스 크기를 포함해서 문의하세요. 신청한 클러스터가 생성되면 데이터 소스 생성부터 순서대로 사용할 수 있습니다.

리소스 크기별로 사용할 수 있는 기능은 다음과 같습니다.

값 설명
SMALL 기본 리소스: 데이터 소스, 공통 기능, 차트 쿼리 사용 가능
MEDIUM 기본 + 데이터 파이프라인 추가 사용 가능
LARGE 기본 + AI 앱 사용 가능
XLARGE 모든 기능 사용 가능(데이터 파이프라인 + AI 앱)

서비스 상태 확인

활성화된 후에는 현황 탭에서 다음 정보를 확인할 수 있습니다.

항목 설명
서비스 상태 현재 서비스의 활성화 상태
테넌트 도메인 서비스에 접근할 때 사용하는 도메인
  • 활성화 이후 리소스 변경이 필요한 경우에도 1:1 문의로 신청합니다.
  • 서비스 환경을 구성하거나 정리하는 중에는 진행률이 함께 표시됩니다.
  • 비활성화 버튼을 클릭하면 서비스를 비활성화할 수 있습니다.

주의

서비스를 비활성화하면 생성되었던 모든 리소스가 삭제되며, 이 작업은 되돌릴 수 없습니다.

데이터 소스

콘솔 경로: Machine Learning > NHN Cloud Foundry > 데이터 소스 탭

데이터 소스는 NHN Cloud Foundry에서 분석할 데이터를 저장하는 단위입니다. 데이터 소스의 생성, 조회, 삭제는 콘솔에서 수행합니다.

주의

본 서비스 이용 시 개인정보가 포함된 정보를 입력하지 않도록 유의하세요. 본 서비스는 고객이 입력하는 개인정보에 대한 별도의 안전성 확보조치를 제공하지 않으므로, 개인정보가 포함된 정보의 입력과 저장을 삼가 주세요.

데이터 소스 목록

데이터 소스 목록 화면에서 다음 정보를 확인할 수 있습니다.

칼럼 설명
타입 데이터 소스의 종류
데이터 소스 이름 데이터 소스를 식별하는 이름
테이블 이름 데이터가 저장되는 테이블 이름
상태 데이터 소스의 현재 상태
데이터양 적재된 데이터의 행 수
생성일 데이터 소스가 생성된 일시
자세히 돋보기 아이콘 클릭 시 상세 정보 조회

타입:

값 설명
파일 업로드한 CSV 파일로 만든 데이터 소스
추천 추천 결과가 저장되는 데이터 소스
데이터셋 파이프라인이 생성한 데이터 소스

상태:

값 설명
INITIALIZING 데이터 소스 초기화 중
PROCESSING 데이터 처리 중
INGESTING 데이터 적재 중
COMPLETED 데이터 소스 처리 완료
FAILED 데이터 소스 처리 실패
DELETING 데이터 소스 삭제 중

타입이 파일인 데이터 소스는 최근 파일 업로드 결과가 상태 옆에 아이콘으로 함께 표시됩니다.

값 설명
반영 중 최근 업로드한 파일 반영 중
확인 권장 최근 업로드한 파일은 반영되었으나 확인할 항목 있음. 데이터 소스 상세에서 내용 확인 필요
확인 필요 데이터 소스는 사용 가능하나 최근 업로드한 파일은 미반영. 파일 확인 후 다시 업로드 필요
  • 상태 배지 옆의 물음표 아이콘에 마우스를 올리면 상태 설명이 표시됩니다.
  • 상단의 검색 기능으로 데이터 소스 이름 또는 ID 기준 필터링이 가능합니다.
  • 타입·데이터 소스 이름·테이블 이름·상태 칼럼은 칼럼 헤더의 필터로도 좁힐 수 있습니다.
  • 페이지당 표시 개수를 조절할 수 있습니다(10개, 20개, 50개 / 기본 10개).

알아두기

타입이 추천, 데이터셋인 항목은 사용자가 직접 생성할 수 없습니다. 추천은 추천 시스템 앱을 생성할 때, 데이터셋은 파이프라인을 실행할 때 자동으로 생성됩니다.

데이터 소스 생성

데이터 소스 생성 버튼을 클릭하면 생성 모달이 열립니다.

기본 설정

항목 필수 설명
데이터 소스 이름 O 한글, 일본어, 영문, 숫자, 공백, -, _ 사용(1~64자)
테이블 이름 O 영문 소문자, 숫자, _ 사용(1~64자). 숫자로 시작 불가, SQL 예약어 사용 불가
설명 X 데이터 소스 설명

이미 사용 중인 데이터 소스 이름과 테이블 이름은 사용할 수 없습니다.

상세 설정

항목 필수 설명
CSV 파일 X 파일 선택 버튼으로 업로드할 CSV 파일 선택(최대 100MB)
헤더 설정 X 첫 번째 행이 헤더입니다 체크 시 CSV 첫 행을 칼럼 이름으로 사용
기본 키 필드 X 행을 구분하는 칼럼을 드롭다운으로 지정
스키마 O 데이터의 필드 이름과 타입 정의

기본 키 필드는 다음과 같이 지정합니다.

  • CSV 파일을 선택하면 첫 번째 칼럼으로 드롭다운이 자동으로 만들어집니다. 드롭다운을 클릭해 다른 칼럼으로 변경합니다.
  • 기본 키 추가 버튼으로 드롭다운을 추가하면 두 개 이상의 칼럼을 묶어 지정할 수 있습니다. 이미 선택한 칼럼은 다른 드롭다운의 후보에 표시되지 않습니다.
  • 드롭다운을 모두 지우면 기본 키를 지정하지 않은 상태가 됩니다.
  • 헤더가 없는 파일은 칼럼이 순번과 첫 데이터 행의 값으로 표시됩니다.

스키마는 다음 방법으로 입력합니다.

  • 타입 추론: CSV 파일을 선택한 뒤 타입 추론 버튼을 클릭하면 CSV 앞부분 샘플(최대 1,000행)로 칼럼 타입을 추론해 스키마 입력란을 채웁니다. 잘못 추론된 타입은 사용자가 직접 수정합니다.
  • 표 편집: 필드 추가 버튼으로 행을 추가하고 각 행에 필드 이름과 타입을 지정합니다. 비고 열에는 타입 추론 결과 중 확인이 필요한 항목이 표시됩니다.
  • JSON 편집: JSON으로 직접 편집 버튼을 클릭하고 아래 형식의 JSON 배열을 직접 입력합니다.

스키마 JSON 형식 예시:

[
  { "fieldName": "hostname", "fieldType": "string" },
  { "fieldName": "portName", "fieldType": "string" },
  { "fieldName": "trafficIn", "fieldType": "double" },
  { "fieldName": "eventTimestamp", "fieldType": "timestamp" }
]

지원하는 필드 타입:

값 설명
boolean 불리언
int 정수(32bit)
long 정수(64bit)
float 실수(32bit)
double 실수(64bit)
string 문자열
timestamp 타임스탬프
datetime 날짜시간(YYYY-MM-DD HH:MM:SS)
date 날짜
array 배열(기본)
array<double> double 배열
array<int> int 배열
array<string> string 배열(추천 모델용)
array<float> float 배열(추천 모델용)

주의

예약 필드 이름 system_eventTimestamp는 사용할 수 없습니다.

설정 완료 후 추가 버튼을 클릭하면 데이터 소스가 생성됩니다.

데이터 소스 삭제

목록에서 삭제할 데이터 소스를 체크박스로 선택한 후 삭제 버튼을 클릭합니다.

  • 삭제 시 테이블과 적재된 데이터도 함께 삭제됩니다.
  • 수집 작업이 진행 중인 경우 삭제할 수 없습니다.

자세히 보기 / 프리뷰

  • 자세히(돋보기 아이콘): 데이터 소스 정보를 확인합니다.
  • 프리뷰(⌄ 아이콘): 적재된 데이터를 테이블 형태로 미리 봅니다.

자세히 보기는 다음 탭으로 구성됩니다.

탭 설명
연결 정보 데이터 소스 ID, 데이터 소스 이름, 테이블 이름, 타입, 설명, 상태
카탈로그 필드 이름과 자료형 목록 조회, 필드 추가

데이터 갱신

데이터 소스 이름과 테이블 이름은 생성 후 변경할 수 없습니다. 적재된 데이터는 새 CSV 파일로 갱신하며, 필드는 추가할 수 있습니다.

CSV로 데이터 수정

목록에서 타입이 파일인 데이터 소스 행의 더보기(⋯) 메뉴에서 CSV로 수정하기를 클릭합니다.

  1. 기존 칼럼 목록을 확인합니다.
  2. 파일 선택 버튼으로 새 CSV 파일을 선택합니다(최대 100MB).
  3. 선택한 파일의 미리보기와 확인 사항을 확인합니다.
  4. 덮어쓰기 버튼을 클릭하면 업로드가 시작되며, 진행률은 목록 화면에서 확인합니다.

업로드가 제한되는 경우는 다음과 같습니다.

상황 안내
파일의 칼럼 수가 기존 칼럼 수보다 많음 카탈로그에 필드를 먼저 추가한 뒤 다시 업로드
카탈로그에 없는 칼럼이 포함됨 카탈로그에 필드를 먼저 추가한 뒤 다시 업로드
헤더 설정과 파일의 첫 행이 어긋남 칼럼 이름 행이 있는 파일로 올리거나 데이터 소스의 헤더 설정 변경

필드 추가

자세히 보기의 카탈로그 탭에서 필드 추가 버튼을 클릭합니다.

항목 필수 설명
필드 이름 O 영문자 또는 _로 시작하고 영문자, 숫자, _만 사용
타입 O 스키마에서 지원하는 필드 타입 중 선택
설명 X 필드 설명
  • 행 추가 버튼으로 한 번에 최대 20개까지 추가할 수 있습니다.
  • 시스템 예약 필드 이름과 이미 있는 필드 이름은 사용할 수 없습니다.

알아두기

콘솔뿐 아니라 API로도 데이터를 갱신할 수 있습니다. 사용 방법은 API 가이드의 'Ingest API'를 참고합니다.

파이프라인

콘솔 경로: Machine Learning > NHN Cloud Foundry > 파이프라인 탭

파이프라인은 데이터 소스의 데이터를 노드를 연결한 워크플로우로 처리하여 분석 가능한 데이터셋으로 변환하는 기능입니다.

파이프라인 목록

파이프라인 메뉴에 진입하면 생성된 파이프라인 목록이 테이블 형태로 표시됩니다.

칼럼 설명
체크박스 파이프라인 선택
활성화 활성화 여부 아이콘
파이프라인 이름 파이프라인을 식별하는 이름
배치 스케줄 설정된 스케줄. 미설정 시 하이픈으로 표시
시작 일시 스케줄 시작 일시
종료 일시 스케줄 종료 일시
마지막 실행 일자 가장 최근 실행 일시
파이프라인 상태 파이프라인의 현재 상태
수동 실행 실행 버튼
  • 행을 클릭하면 편집 화면으로 이동합니다.
  • 실행 중인 파이프라인은 수동 실행 자리에 진행 표시가 나타나며, 실행할 수 없는 상태에서는 버튼이 비활성화됩니다.

툴바에서 파이프라인 생성, 수정, 삭제, 활성화, 비활성화를 수행할 수 있습니다. 활성화와 비활성화는 더보기(⋯) 메뉴에 있습니다.

파이프라인 생성

  1. 목록 화면에서 파이프라인 생성 버튼을 클릭합니다.

  2. 우측 설정 패널에서 기본 정보를 입력합니다.

    항목 필수 설명
    파이프라인 이름 O 파이프라인을 식별하는 이름(최대 30자). 한글, 일본어, 영문, 숫자, 공백, -, _ 사용
    파이프라인 설명 X 파이프라인 부가 설명(최대 255자)
    태그 X 분류를 위한 태그(최대 10개, 각 50자)

  3. 생성 버튼을 클릭하면 파이프라인이 초안 상태로 생성됩니다.

주의

활성화된 파이프라인의 설정을 저장하면 파이프라인이 비활성화됩니다. 실행 버튼을 눌러 빌드하면 자동으로 활성화됩니다.

파이프라인 에디터

파이프라인 생성/편집 시 진입하는 메인 편집 화면입니다.

  • 헤더: 파이프라인 이름, 설명, 뒤로 가기 버튼
  • 탭 바(좌측): 실행/중지, 실행 이력, 소스 노드 추가 버튼
  • 탭 바(우측): 마지막 실행 일시, 상태/빌드/활성화 배지, 저장 버튼
  • 에디터 영역: 노드-에지 편집기(드래그 앤 드롭, 자동 정렬 지원)
  • 사이드 패널: 설정, 스케줄, 컴퓨팅 리소스 패널

파이프라인 상태

상태 배지에 마우스를 올리면 툴팁으로 상세 설명을 확인할 수 있습니다.

값 설명
초안 파이프라인이 생성되고 노드가 없는 상태
수정됨 파이프라인 설정이 변경되어 다시 빌드(실행)가 필요한 상태
빌드 중 파이프라인 빌드 중
대기 파이프라인 빌드가 완료되어 실행 준비가 된 상태
실행 중 파이프라인 실행 중
완료 파이프라인 실행 정상 완료
실패 파이프라인 실행 중지 또는 오류 발생
종료됨 사용자가 파이프라인 실행을 중지한 상태
삭제 중 파이프라인 삭제 중

노드 구성

파이프라인은 아래 5종류의 노드를 조합하여 구성합니다.

노드 타입 역할 입력 출력 설명
Source(소스 노드) 데이터 원본 없음 데이터 외부 데이터 소스를 연결
Transform(변환 노드) 데이터 가공 데이터 변환된 데이터 필터, 파생 칼럼, 집계, 라벨 인코딩 등
Join(조인 노드) 테이블 결합 2개 데이터 결합된 데이터 Inner/Left/Right/Full Outer/Semi/Anti 조인
Union(유니온 노드) 테이블 합치기 2개 데이터 합쳐진 데이터 Full Merge/Intersect Merge/Left-First Merge
Dataset(출력 노드) 출력 테이블 데이터 없음 테이블로 결과 저장(최종 노드)

연결 제약 사항:

  • SOURCE 노드에는 입력을 연결할 수 없습니다(루트 노드).
  • DATASET 노드에는 출력을 연결할 수 없습니다(최종 노드).
  • 순환 참조(루프)나 자기 자신과의 연결은 할 수 없습니다.

주의

저장할 때 파이프라인 구성을 검사합니다. 모든 노드는 하나의 흐름으로 연결되어야 하며(연결되지 않은 노드 불가), 흐름의 마지막 노드는 1개의 DATASET 노드여야 합니다.

소스 노드 추가

  1. 탭 바에서 소스 노드 추가 버튼을 클릭합니다.
  2. 사용 가능한 데이터 소스 목록이 모달로 표시됩니다.
  3. 원하는 소스를 선택하여 추가합니다.
값 설명
FILE CSV 파일 데이터 소스
추천 추천 결과 저장소
데이터셋 파이프라인의 데이터셋 노드가 생성한 데이터. 다른 파이프라인의 입력으로 재사용 가능

변환 노드(TRANSFORM)

변환 작업마다 노드 이름(최대 30자, 한글·일본어·영문·숫자·공백·-·_)을 지정하며, 한 노드에 여러 변환 작업을 추가하면 순서대로 연결된 노드가 생성됩니다.

지원하는 변환 메서드는 다음과 같습니다.

분류 메서드 설명
Row(행 단위 연산) Filter 조건에 맞는 행만 추출
Row(행 단위 연산) Explode 구분자 문자열을 행으로 분해
Row(행 단위 연산) Derive 화이트리스트 함수로 파생 칼럼 생성
Aggregation(집계 연산) Aggregate 그룹화 및 집계
Window(윈도우 연산) Rank Top N 글로벌 정렬 + 상위 N 건
Column(칼럼 연산) Label Encode FIT 카테고리 → 정수 매핑 테이블 생성
Column(칼럼 연산) Label Encode Apply 매핑 테이블로 인코딩 적용
LLM(LLM 기반 연산) Classify LLM으로 텍스트를 카테고리로 분류
필터(Filter)
값 설명 예시
= 같음 field = 'value'
≠ 같지 않음 field ≠ 'value'
> 초과 field > 100
≥ 이상 field ≥ 100
< 미만 field < 100
≤ 이하 field ≤ 100
LIKE 패턴 매칭 field LIKE '%keyword%'
IN 목록 포함 field IN ('a', 'b', 'c')
IS NULL NULL 여부 field IS NULL
IS NOT NULL NOT NULL 여부 field IS NOT NULL

선택한 칼럼의 타입에 따라 사용 가능한 연산자만 표시됩니다.

칼럼 타입 사용 가능한 연산자
문자열 =, ≠, LIKE, IN, IS NULL, IS NOT NULL
숫자 =, ≠, >, ≥, <, ≤, IN, IS NULL, IS NOT NULL
날짜/시간 =, ≠, >, ≥, <, ≤, IS NULL, IS NOT NULL
불리언 =, ≠, IS NULL, IS NOT NULL

비교할 값은 직접 입력, 시간(현재 기준), 다른 칼럼 중에서 선택합니다.

논리 연산자는 AND, OR를 지원하며, 그룹 추가 버튼으로 조건을 최대 3단계까지 묶을 수 있습니다.

분해(Explode)

구분자로 이어진 문자열 칼럼을 토큰마다 별도의 행으로 분해합니다.

항목 필수 설명
분해할 칼럼 O 구분자로 이어진 문자열이 담긴 칼럼
출력 칼럼 이름 O 분해된 각 토큰을 담을 칼럼 이름
구분자 O 기본값은 쉼표(,)
공백 제거 X ON이면 각 토큰의 앞뒤 공백을 제거
빈 토큰 제거 X ON이면 분해 후 빈 문자열 토큰을 행에서 제외
출력 타입 X STRING, BIGINT, INT, DOUBLE. 미지정 시 STRING
유지할 원본 칼럼 X 결과에 포함할 원본 칼럼. 선택하지 않으면 모든 원본 칼럼이 유지
  • 구분자는 정규식으로 해석되므로 특수문자는 이스케이프가 필요합니다(예: \., \|).
  • 출력 타입을 지정하면 분해된 값이 해당 타입으로 변환됩니다. 예를 들어 숫자 ID가 쉼표로 구분된 경우 BIGINT로 지정하면 조인 키 타입을 맞출 수 있습니다.
파생 칼럼(Derive)

제공되는 함수를 사용하여 기존 칼럼에서 새로운 칼럼을 만듭니다. 파생 칼럼 추가 버튼으로 정의를 여러 개 추가할 수 있으며, 각 정의마다 함수와 파생 칼럼 이름을 지정합니다.

값 설명 추가 설정
DATE_BUCKET 날짜 버킷(epoch ms → 지정 타임존 날짜) 소스 칼럼, 타임존(예: Asia/Seoul)
JSON_ARRAY_LENGTH JSON 배열 원소 개수 소스 칼럼, 원소 스키마
CONCAT 여러 칼럼을 구분자로 결합 소스 칼럼 2개 이상, 구분자, 기본값(선택)
RATIO 분자/분모 비율 계산 분자, 분모, 배수(선택, 기본 1), 반올림 자릿수(선택)
COALESCE 여러 칼럼 중 첫 non-null 값 소스 칼럼 2개 이상
  • 정의는 위에서 아래로 순서대로 적용되며, 앞에서 만든 파생 칼럼을 뒤 정의의 소스 칼럼으로 참조할 수 있습니다.
  • 파생 칼럼 이름에는 영문, 숫자, 밑줄(_), 한글을 사용할 수 있습니다.
집계(Aggregate)
  1. 그룹화 기준 선택(선택): 같은 값을 가진 행들을 그룹으로 묶습니다. 선택하지 않으면 전체 데이터를 하나의 그룹으로 집계합니다.
  2. 집계 함수 정의(필수): 집계할 칼럼, 집계 함수, 결과 칼럼 이름을 지정합니다. 여러 개를 추가할 수 있습니다.
값 설명
COUNT 개수
COUNT_DISTINCT 고유 값 개수
SUM 합계
AVG 평균
MIN 최솟값
MAX 최댓값
FIRST 첫 번째 값
LAST 마지막 값
STDDEV 표준편차
VARIANCE 분산
ARRAY_AGG 그룹 값을 배열로 수집
  • COUNT는 집계할 칼럼으로 * (전체)를 선택할 수 있습니다.
  • FIRST와 LAST는 정렬 기준 칼럼과 방향(오름차순/내림차순)을 지정하며, 정렬 후 첫 번째 또는 마지막 값을 가져옵니다.

ARRAY_AGG를 선택하면 다음 설정이 추가됩니다.

항목 필수 설명
배열 원소 종류 O 단일 칼럼 또는 JSON 객체
수집할 칼럼 O* 배열 원소 종류가 단일 칼럼일 때 필수. 배열에 담을 칼럼
JSON 객체 필드 정의 O* 배열 원소 종류가 JSON 객체일 때 필수. 키 이름과 칼럼의 조합
배열 원소 정렬 X 정렬 기준 칼럼과 방향. 미지정 시 정렬하지 않음
출력 형태 O STRUCT_ARRAY, JSON_STRING_ARRAY, JSON_STRING
중복 제거(DISTINCT) X 정렬을 설정하면 무시됨
랭킹(Rank Top N)

전체 데이터를 지정한 기준으로 정렬하여 상위 N개 행만 남깁니다.

항목 필수 설명
정렬 기준 O 정렬할 칼럼과 방향(DESC / ASC)
상위 N 건 O 정렬 후 결과에 포함할 행 수
결과 순위 칼럼 이름 O 결과에 추가되는 1~N 순위 칼럼의 이름
  • 정렬 기준 추가 버튼으로 기준을 여러 개 지정하면 1차 정렬, 2차 정렬 순으로 적용되며, 드래그하여 순서를 바꿀 수 있습니다.
  • 조회할 때 순위 칼럼으로 정렬하면 원래 순서를 유지할 수 있습니다.
라벨 인코딩(Label Encode FIT / Label Encode Apply)

범주형(카테고리) 데이터를 수치(정수)로 변환하는 기능입니다. FIT(학습)과 APPLY(적용) 2단계로 구성되며, 반드시 FIT 노드를 먼저 생성한 후 APPLY 노드에서 참조해야 합니다.

FIT 노드 설정:

항목 필수 설명
인코딩할 칼럼 선택 O 라벨 인코딩을 적용할 칼럼(1개 이상)
시작 인덱스 X 인코딩 시작 값(기본값: 0)

APPLY 노드 설정:

항목 필수 설명
매핑 테이블 노드 선택 O FIT 노드를 선택
원본 칼럼 덮어쓰기 X 체크 시 원본 칼럼을 인코딩된 값으로 대체(기본: 해제)
결과 칼럼 접미사 X 원본 유지 시 새 칼럼 이름에 붙는 접미사(기본: _encoded)

알아두기

매핑 테이블에 없는 값(OOV, Out-of-Vocabulary)은 -1로 인코딩합니다.

주의

FIT을 재실행하면 데이터 변경에 따라 인코딩 번호가 달라질 수 있습니다. 기존 모델과의 호환성에 주의하세요.

분류(Classify)

LLM을 사용하여 텍스트 칼럼의 값을 카테고리로 분류합니다. 분류 기준이 되는 카테고리 목록은 별도의 데이터 소스 노드로 준비해야 합니다.

파이프라인이 실행되면 입력 데이터의 행을 배치 크기만큼 묶어 배치당 1회 LLM을 호출합니다. 각 호출의 프롬프트에는 카테고리 목록과 해당 배치의 행들이 담기며, LLM이 행별로 적합한 카테고리 ID를 응답하면 그 결과가 분류 결과 칼럼으로 저장됩니다.

LLM 설정

항목 필수 설명
LLM 공급자 O Claude
모델 이름 O claude-haiku-4-5, claude-sonnet-4-6
API 키 O 사용할 LLM의 API 키. 이 파이프라인에만 저장되며 저장 후 다시 표시되지 않음
배치 크기 X 한 번의 LLM 호출에 담을 행 수(1~30)
최대 재시도 X 호출 실패 시 재시도 횟수(0~10)
타임아웃(초) X 호출 대기 시간(1~600)
증분 분류 X 변경된 행만 LLM으로 분류하고 변경 없는 행은 이전 실행 결과를 재사용

입력 칼럼

항목 필수 설명
입력 칼럼 O LLM에 전달할 칼럼. 여러 개 선택 가능
칼럼 결합 구분자 X 여러 입력 칼럼 값을 이어 붙일 때 사용할 구분자
사용자 프롬프트 템플릿 X 행별 입력 값 구성 템플릿. {{ 칼럼 이름 }} 패턴이 해당 칼럼 값으로 치환되며, 설정하면 결합 구분자보다 우선 적용. 입력 칼럼에서 선택한 칼럼만 참조 가능

축(카테고리 테이블)

분류 기준이 되는 카테고리 목록을 축으로 등록합니다. 축은 최대 5개까지 추가할 수 있습니다.

항목 필수 설명
카테고리 노드 O 카테고리 목록이 담긴 데이터 소스 노드
카테고리 ID 칼럼 O 카테고리를 식별하는 칼럼
카테고리 이름 칼럼 O 카테고리 이름 칼럼
카테고리 메타데이터 칼럼 X 카테고리 설명, 판정 기준 등 추가 칼럼. 프롬프트에 함께 전달되어 분류 정확도 향상
분류 결과 칼럼(배열) O 분류 결과를 담을 배열 칼럼 이름
대표 칼럼 X 가장 대표적인 분류 ID를 저장할 칼럼 이름. 비우면 생성하지 않음

출력

항목 필수 설명
출력 타입 O SINGLE_LABEL, MULTI_LABEL
분류 근거 칼럼 X LLM이 제공한 분류 근거를 저장할 칼럼 이름. 비우면 근거를 요청하지 않아 토큰 비용 절감
콘텐츠 근거 칼럼 X 입력 콘텐츠에서 생성한 짧은 설명을 저장할 칼럼 이름
콘텐츠 근거 최대 길이 X 콘텐츠 근거 칼럼의 최대 글자 수(1~200)

시스템 프롬프트(선택): LLM에 역할과 분류 기준을 지시합니다. 설정하지 않으면 기본 프롬프트가 사용됩니다.

주의

처리할 행 수가 많을수록 LLM 호출 횟수와 토큰 사용량이 비례하여 늘어나 비용이 증가합니다. 대규모 데이터는 먼저 소규모로 검증해 비용과 품질을 확인한 후 적용하세요.

조인 노드(JOIN)

두 개의 데이터 스트림을 결합합니다.

항목 필수 설명
노드 이름 O 조인 결과 노드의 이름(최대 30자)
조인 타입 O Inner Join / Left Join / Right Join / Full Outer Join / Semi Join(EXISTS) / Anti Join(NOT EXISTS) 중 선택
조인 테이블 O 왼쪽/오른쪽 테이블 노드 선택
조인 조건 O 왼쪽 필드 = 오른쪽 필드 매핑(다중 조건 가능)
칼럼 선택 X 결과에 포함할 칼럼 선택, 접두사 설정 가능

알아두기

양쪽 테이블에 동일한 이름의 칼럼이 있을 경우 오른쪽 테이블에 접두사를 설정하여 칼럼 이름 충돌을 방지할 수 있습니다.

유니온 노드(UNION)

두 개의 데이터 스트림을 수직으로 합칩니다.

값 설명
Full Merge 양쪽 전체 칼럼 포함. 없는 쪽은 NULL
Intersect Merge 양쪽 공통 칼럼만 포함
Left-First Merge 왼쪽 테이블 스키마 기준. 오른쪽에 없는 칼럼은 NULL

데이터셋 노드(DATASET)

파이프라인의 최종 출력 노드로, 처리된 데이터를 테이블로 저장합니다.

항목 필수 설명
데이터셋 이름 O 테이블 이름으로 사용(최대 30자). 영문 소문자, 숫자, _만 사용 가능하며 숫자로 시작 불가
설명 X 데이터셋 설명(최대 500자)
칼럼 선택 O 데이터셋에 포함할 칼럼 선택(최소 1개 이상)

데이터셋 이름은 데이터 소스 이름과 테이블 이름으로 함께 사용되므로, 이미 사용 중인 데이터 소스 이름·테이블 이름과 중복될 수 없습니다. 중복 여부는 파이프라인을 저장할 때와 실행할 때 각각 확인합니다.

주의

실행된 데이터셋은 수정할 수 없습니다. 삭제 후 재생성하세요(데이터 소스는 유지됩니다).

스케줄 설정

우측 사이드 패널의 스케줄 아이콘을 클릭하여 배치 스케줄을 설정합니다.

주기 타입 설정 항목 예시
매분 간격(5/10/15/20/30분) 10분마다 실행
매시간 간격(1/2/3/4/6/8/12시간), 분 2시간마다 30분에 실행
매일 시, 분 매일 09시 30분에 실행
매주 요일(다중 선택), 시, 분 매주 월, 수, 금 09시 00분에 실행
매월 일, 시, 분 매월 1일 09시 30분에 실행

날짜 범위 설정:

항목 필수 설명
시작 날짜 설정 X 체크 시 설정한 날짜 이후부터 스케줄 시작. 미설정 시 저장 시점부터 시작
종료 날짜 설정 X 체크 시 설정한 날짜 이후에는 스케줄이 실행되지 않음

스케줄을 저장하고 최초 1회 실행된 이후부터 설정한 주기에 따라 실행됩니다.

컴퓨팅 리소스 설정

우측 사이드 패널의 컴퓨팅 리소스 아이콘을 클릭하여 파이프라인 실행 시 사용할 컴퓨팅 자원을 설정합니다.

타입 Driver Executor
Small(기본값) 1 CPU, 1GB 메모리 1 CPU, 1GB 메모리 × 1개
Medium 1 CPU, 2GB 메모리 1 CPU, 2GB 메모리 × 2개
Large 2 CPU, 4GB 메모리 2 CPU, 4GB 메모리 × 4개
XLarge 4 CPU, 8GB 메모리 4 CPU, 8GB 메모리 × 8개

주의

리소스 설정을 변경하면 재빌드 후 적용됩니다. 파이프라인 생성 전에는 리소스를 변경할 수 없습니다.

파이프라인 실행

최초 또는 설정 변경 후 첫 실행 시에는 빌드와 실행이 함께 진행됩니다.

  1. 탭 바에서 실행 버튼을 클릭합니다.
  2. 확인 모달에서 실행 버튼을 클릭합니다.

실행은 마지막으로 저장한 구성으로 수행됩니다. 저장하지 않은 변경이 있으면 저장 전 구성으로 실행됨을 알리는 확인 모달이 먼저 표시되므로, 변경 사항을 포함해 실행하려면 먼저 저장하세요. 이미 빌드된 파이프라인은 빌드 과정 없이 바로 실행됩니다. 실행 중 중지 버튼을 클릭하면 종료됨 상태로 전환됩니다. 빌드가 완료되면 스케줄이 설정되어 있는 파이프라인은 자동으로 활성화됩니다.

실행 이력 조회

탭 바에서 실행 이력 버튼을 클릭하면 실행 ID, 시작/종료 일시, 소요 시간, 실행 상태, 노드별 실행 상세를 확인할 수 있습니다.

활성화/비활성화

  • 활성화: 목록에서 파이프라인 1개를 선택하고 더보기(⋯) 메뉴에서 파이프라인 활성화를 클릭합니다. 설정된 스케줄에 따라 자동으로 실행됩니다.
  • 비활성화: 목록에서 파이프라인 1개를 선택하고 더보기(⋯) 메뉴에서 파이프라인 비활성화를 클릭합니다. 스케줄이 설정되어 있어도 자동 실행되지 않습니다.

파이프라인 삭제

  1. 목록에서 삭제할 파이프라인을 선택합니다(다중 선택 가능).
  2. 삭제 버튼을 클릭합니다.
  3. 확인 모달에서 삭제를 클릭합니다.

분석 - 쿼리

콘솔 경로: Machine Learning > NHN Cloud Foundry > 분석 탭 > 쿼리 탭

SQL을 사용하여 데이터 소스의 데이터를 조회·분석합니다.

쿼리 실행

  1. 데이터 소스를 선택합니다.
  2. 쿼리 선택에서 저장된 쿼리를 불러옵니다. 선택한 데이터 소스로 저장한 쿼리가 있을 때 목록에 표시되며, 불러오지 않고 바로 작성해도 됩니다.
  3. 쿼리 입력란에 SQL을 작성합니다.
  4. 행 제한을 선택합니다(10, 100, 1,000, 10,000, 100,000 / 기본 1,000).

  5. 쿼리 실행 버튼을 클릭합니다.

  6. 실행 결과가 데이터 그리드 형식으로 표시됩니다. 칼럼 구조는 쿼리 결과에 따라 동적으로 생성되며, 페이지네이션을 지원합니다.

  7. 데이터 소스를 선택하면 쿼리 입력란 오른쪽에 스키마 패널이 표시되어 필드 이름과 자료형을 확인할 수 있습니다. 필드 이름으로 검색할 수 있습니다.
  8. 쿼리 입력란에서 Ctrl+Enter(macOS는 ⌘+Enter)를 누르면 쿼리가 실행됩니다.
  9. 쿼리 실행에 실패하면 실패 원인이 결과 영역에 표시됩니다.
  10. 초기화 버튼을 클릭하면 작성한 쿼리가 지워집니다.
  11. 쿼리 결과 내려받기 버튼을 클릭하면 결과가 CSV 파일로 저장됩니다(파일 이름: 쿼리명_날짜_시간.csv).
  12. FROM 절에는 데이터 소스 목록에 표시된 테이블 이름을 그대로 사용합니다(SELECT * FROM {테이블 이름}).
  13. 단일 SELECT 구문만 실행할 수 있습니다. 그 외 구문은 거부됩니다.

저장된 쿼리 변경

쿼리 선택으로 불러온 쿼리의 내용을 수정한 뒤 쿼리 저장 버튼을 클릭하면 변경 사항이 저장됩니다. 불러온 쿼리가 없거나 내용을 바꾸지 않으면 버튼이 비활성화됩니다.

쿼리 목록

쿼리는 실행할 때마다 실행 이력으로 자동 기록되며, 반복해서 사용할 쿼리는 쿼리 목록에 직접 만들어 둘 수 있습니다. 쿼리 목록 버튼을 클릭하면 저장된 쿼리를 관리하는 모달이 열립니다.

칼럼 설명
쿼리 이름 저장할 때 지정한 이름
쿼리 구문 저장된 SQL
저장 시각 쿼리를 마지막으로 저장한 일시
자세히 쿼리 전체 내용 조회
  • 쿼리 이름으로 검색할 수 있습니다.
  • 추가 버튼으로 새 쿼리를 등록하고, 쿼리를 선택한 후 수정 또는 삭제 버튼으로 편집하거나 삭제합니다. 삭제한 쿼리는 복구할 수 없습니다.

추가와 수정 시 입력하는 항목은 다음과 같습니다.

항목 필수 설명
쿼리 이름 O 쿼리를 식별하기 위한 이름
데이터 소스 O 쿼리를 실행할 데이터 소스
구문 O 실행할 SQL

쿼리 실행 이력

지금까지 실행한 쿼리를 조회하는 화면입니다. 시간 범위와 쿼리 내용으로 검색하며, 초기화 버튼으로 검색 조건을 지웁니다.

칼럼 설명
쿼리 이름 실행한 쿼리의 이름
쿼리 실행 날짜 쿼리를 실행한 일시
데이터 소스 이름 쿼리를 실행한 데이터 소스
쿼리/결과 실행한 SQL과 결과

목록에서 항목을 클릭하면 쿼리 상세가 표시되며, 쿼리 사용을 클릭하면 해당 쿼리를 실행 화면으로 불러옵니다.

분석 - 차트

콘솔 경로: Machine Learning > NHN Cloud Foundry > 분석 탭 > 차트 탭

차트 목록

  • 상단 검색 기능으로 차트 이름 필터링이 가능합니다.

차트 생성

차트 생성 버튼을 클릭하면 차트 에디터 화면으로 이동합니다. 에디터에서 다음 항목을 차례로 설정합니다.

기본 설정

항목 필수 설명
차트 이름 O 차트를 식별하기 위한 이름(최대 30자)
차트 타입 O 차트 용도 구분(현재는 기본만 제공)
차트 시각화 타입 O Line Chart, Bar Chart, Pie Chart, Scatter Chart

데이터 소스 설정

항목 필수 설명
데이터소스 타입 O FILE, DATASET, RECOMMENDATION SINK
데이터 소스 이름 O 사용할 데이터 소스 선택

쿼리 설정

항목 필수 설명
X축 O* 가로축에 사용할 필드. Pie 차트에서는 표시되지 않음
집계 간격 O* 5분, 15분, 30분, 45분, 1시간, 2시간, 6시간, 12시간, 1일, 3일, 7일. Line·Bar 차트에서만 표시
기준 시간 O 데이터의 시간 범위 지정
칼럼 O 집계 대상 칼럼과 집계함수 선택. 1개 이상 필요
그룹 키 O* 값별로 나누어 볼 칼럼. Pie 차트는 1개 이상 필요하고, 그 밖에는 선택
필터 X 데이터 필터링 조건 설정
정렬 X 정렬 칼럼과 방향. Pie·Bar 차트에서만 표시
행 제한 O 조회할 최대 행 수

차트 시각화 타입별로 필요한 설정은 다음과 같습니다.

차트 시각화 타입 필수 설정
Line, Bar X축(시간축), 집계 간격, 칼럼 1개 이상
Pie 기준 시간 칼럼, 칼럼 1개 이상, 그룹 키 1개 이상
Scatter 칼럼 1개 이상

Bar 차트에 정렬을 지정하면 시간축 대신 상위 N개 카테고리로 표시됩니다.

차트 프리뷰

설정 완료 후 UPDATE CHART 버튼을 클릭하여 프리뷰를 확인합니다.

  • 차트가 정상적으로 표시되는지 확인합니다.
  • 하단 테이블 뷰에서 데이터를 확인할 수 있으며, 테이블 뷰 표시/숨김을 전환할 수 있습니다.

차트 저장

  • 프리뷰 확인 후 헤더의 생성 버튼을 클릭합니다.
  • 입력 내용 검증이 완료되면 생성 버튼이 활성화됩니다.

차트 편집

차트 목록에서 차트를 클릭하여 편집 화면으로 진입합니다.

  • 기본 설정, 데이터 소스 설정, 쿼리 설정을 변경할 수 있습니다.
  • UPDATE CHART로 프리뷰 확인 후 저장으로 변경 사항을 저장합니다.

차트 삭제

  1. 차트 목록에서 삭제할 차트를 체크박스로 선택합니다.
  2. 삭제 버튼을 클릭합니다.
  3. 확인 모달에서 삭제를 클릭합니다.

주의

대시보드에서 사용 중인 차트를 삭제하면 해당 대시보드에서도 삭제됩니다.

분석 - 대시보드

콘솔 경로: Machine Learning > NHN Cloud Foundry > 분석 탭 > 대시보드 탭

대시보드 목록

  • 검색 기능으로 대시보드 이름 필터링이 가능합니다.
  • 페이지당 표시 건수를 조정할 수 있습니다.

대시보드 생성

대시보드 생성 버튼을 클릭하면 대시보드 에디터 화면으로 이동합니다.

항목 필수 설명
대시보드 이름 O 대시보드를 식별하기 위한 이름
대시보드 설명 X 대시보드 설명

편집 패널은 두 개의 탭으로 구성됩니다.

탭 설명
CHARTS 대시보드에 추가할 수 있는 차트 목록. 차트 이름으로 검색 가능
LAYOUT ELEMENTS 캔버스에 추가할 레이아웃 요소

차트 추가

  1. 추가할 차트 카드를 클릭하거나 드래그합니다.
  2. 대시보드 캔버스에 차트를 배치합니다.

탭 그룹 추가

여러 차트를 탭으로 묶어 한 자리에서 전환하며 볼 수 있습니다. 편집 패널의 LAYOUT ELEMENTS 탭에서 Tab을 클릭하면 캔버스에 탭 그룹이 추가됩니다.

  • 탭 그룹의 탭 추가로 탭을 늘립니다. 탭이 2개 이상일 때 각 탭에 삭제 아이콘이 표시되며, 탭이 하나만 남으면 삭제할 수 없습니다.
  • 탭 이름은 탭을 더블클릭하여 변경합니다.
  • 편집 패널의 차트를 탭 영역으로 끌어다 놓으면 해당 탭에 배치됩니다. 이미 캔버스에 있는 차트는 차트 제목 왼쪽의 핸들을 끌어 탭으로 옮기고, 탭에 담긴 차트도 같은 방법으로 캔버스에 되돌립니다.
  • 탭 그룹은 차트와 마찬가지로 우측 상단의 휴지통 아이콘을 클릭하여 대시보드에서 삭제합니다.

레이아웃 조정

캔버스에 배치한 차트는 드래그하여 위치를 옮기고 모서리를 끌어 크기를 조정합니다. 차트 우측 상단의 휴지통 아이콘을 클릭하면 대시보드에서 삭제됩니다.

대시보드 저장

구성 완료 후 헤더의 저장 버튼을 클릭합니다.

대시보드 열람

대시보드 목록에서 대시보드를 클릭하여 상세 화면으로 진입합니다.

대시보드 편집

대시보드 상세 화면에서 편집 모드 토글을 클릭하여 편집 모드로 전환합니다.

편집 모드에서는 다음 조작이 가능합니다.

  • 차트 추가·삭제·위치 변경
  • 대시보드 이름 변경

대시보드에 배치된 차트를 수정하려면 편집 모드를 끕니다. 편집 모드가 꺼져 있으면 각 차트에 더보기 메뉴가 표시되며, 차트 수정을 선택하면 차트 편집 페이지로 이동합니다. 탭 그룹 안의 차트도 같은 방법으로 이동하며, 차트 편집 후 저장하면 대시보드에 변경 사항이 반영됩니다.

대시보드 삭제

  1. 대시보드 목록에서 삭제할 대시보드를 선택합니다.
  2. 삭제 버튼을 클릭합니다.
  3. 확인 모달에서 확인을 클릭합니다.

앱

콘솔 경로: Machine Learning > NHN Cloud Foundry > 앱 탭

AI 모델을 활용한 추천 시스템 서빙 파이프라인을 생성하고 관리합니다.

앱 목록

칼럼 설명
앱 유형 앱의 유형
앱 ID 앱 고유 식별자
앱 이름 앱 식별 이름
앱 설명 앱 설명
상태 앱 상태
생성일 앱 생성 일시

앱 상태

앱 상태 배지에 마우스를 올리면 툴팁으로 상세 설명을 확인할 수 있습니다.

값 설명
초기화 중 앱 초기화 진행 중
학습 중 AI 모델 학습 진행 중
배포 중 앱 배포 진행 중
활성화 중 앱 활성화 진행 중
활성 앱 활성 상태
삭제 중 앱 삭제 진행 중
실패 앱 처리 중 오류 발생
알 수 없음 상태 정보 확인 불가
  • 앱 생성 후 자동으로 학습 및 배포가 진행됩니다.
  • 각 단계에서 오류 발생 시 실패 상태로 전환됩니다.

알아두기

앱 생성 직후 진행되는 학습·배포는 앱을 준비하는 과정으로, 이 시점에는 추천 모델이 아직 학습되지 않은 상태입니다. 추천 API를 호출하면 응답은 반환되지만 학습된 모델의 추천 결과가 아닙니다. 첫 학습은 배치 스케줄에 지정한 시각에 실행되며(상태: 학습 중 → 배포 중 → 활성화 중 → 활성), 학습된 모델이 배포된 이후부터 유효한 추천 결과를 조회할 수 있습니다.

앱 생성

앱 생성 버튼을 클릭하면 앱 생성 화면으로 전환됩니다. 앱 생성은 3단계로 진행됩니다.

단계 설명
기본 설정 앱 이름, 설명, 유형 선택
상세 설정 모델 선택, 서빙 리소스·배치 스케줄, 데이터 연결, 추가 설정
최종 검토 입력 내용 확인 및 생성

기본 설정

항목 필수 설명
앱 이름 O 앱을 식별하기 위한 이름(최대 255자). 한글, 일본어, 영문, 숫자, 공백, -, _ 사용
앱 설명 O 앱 설명
앱 유형 O 추천 시스템 선택

상세 설정

모델 추가 버튼으로 모델 카드를 추가합니다. 한 앱에 여러 모델을 함께 구성할 수 있으며, 모델 카드마다 아래 섹션들을 설정합니다.

기본 모델 설정
항목 필수 설명
모델 이름 O 사용할 추천 모델 선택
Longtail 모드 X 사용 시 인기도가 낮은 아이템도 추천에 포함

선택할 수 있는 모델은 다음과 같습니다.

이름 설명
Cold User 신규 유저 등 아직 활동 이력이 적은 유저에게 아이템 자체의 속성을 기반으로 추천
Warm User(Transformer) 유저가 최근 인터랙션한 아이템의 순서를 기반으로 다음 아이템 추천

같은 모델이라도 Longtail 모드가 다르면 별도 모델로 추가할 수 있습니다.

서빙 리소스 설정

모델별 서빙 컨테이너에 할당할 리소스를 지정합니다. 입력하지 않으면 기본값이 적용됩니다.

항목 필수 설명
CPU request / CPU limit X Core 단위. 기본값 2 / 4
메모리 request / 메모리 limit X Gi 단위. 기본값 4 / 4

request는 limit을 초과할 수 없습니다.

배치 스케줄 설정

모델을 다시 학습하는 배치의 실행 주기를 설정합니다. 기본으로 활성화되어 있으며, 토글로 끌 수 있습니다. 모델의 첫 학습도 이 스케줄에 지정한 시각에 실행되며, 첫 학습이 완료되기 전의 추천 응답은 학습된 모델의 결과가 아닙니다.

주기 설정 항목
매일 시, 분
매주 요일, 시, 분
매시간 시간 간격, 분

설정한 시각은 접속한 브라우저의 시간대 기준으로 적용됩니다.

데이터 연결 설정

선택한 모델에 따라 필요한 데이터 소스를 연결합니다.

일반 추천 모델:

항목 필수 설명
사용자 데이터소스 O 사용자 정보 데이터 소스
사용자 ID 칼럼 O 사용자 식별 칼럼
사용자 Feature 칼럼 X 추가 사용자 특성 칼럼(여러 개 선택 가능)
아이템 데이터소스 O 아이템 정보 데이터 소스
아이템 ID 칼럼 O 아이템 식별 칼럼
아이템 Feature 칼럼 X 추가 아이템 특성 칼럼(여러 개 선택 가능)
히스토리 데이터소스 O 사용자-아이템 상호작용 데이터 소스
히스토리 사용자 ID 칼럼 O 히스토리에서 사용자를 식별하는 칼럼
히스토리 아이템 ID 칼럼 O 히스토리에서 아이템을 식별하는 칼럼
시간 칼럼 X 상호작용 시간 칼럼
히스토리 Feature 칼럼 X 추가 상호작용 특성 칼럼

태그 임베딩 모델:

항목 필수 설명
태그 데이터소스 O 태그 정보 데이터 소스
속성 칼럼 O 태그 값 칼럼
아이템 ID 칼럼 O 아이템 식별 칼럼
시간 칼럼 X 시간 칼럼
추가 설정(Skills)

추천 사유(reason) 구성에 사용할 스킬·카테고리 데이터를 연결하는 선택 설정입니다. 필드 추가 버튼으로 추가합니다.

항목 설명
스킬 데이터소스 스킬 정보 테이블. 스킬 ID 칼럼과 스킬 칼럼 지정
기본 스킬 카테고리 / 공통 스킬 카테고리 스킬 분류 테이블. 스킬 ID 칼럼과 스킬 라벨 칼럼 지정
사용자 그룹 데이터소스 추천 대상 사용자를 묶는 단위(예: 부서, 학년, 관심사 그룹). 사용자 그룹 ID 칼럼과 스킬 칼럼 지정
사용자별 관심 스킬 데이터소스 사용자별 관심 스킬 테이블. 추천 API에 관심 스킬이 전달되지 않았을 때 이 테이블을 조회해 관심 기반 추천 사유 생성
사용자 속성 매핑 추천 API의 userAttributes에서 각 항목을 전달할 키 이름 지정
추천 사유 템플릿 데이터소스 추천 사유 문구 템플릿 테이블. 미선택 시 추천 결과에 사유 미포함
콜드스타트 데이터소스 이 테이블에 있는 사용자 ID만 콜드스타터로 판정. 데이터소스와 사용자 ID 칼럼 함께 선택 필요

최종 검토

검토 항목 설명
기본 설정 앱 이름, 설명, 유형
모델 설정 선택한 모델, 서빙 리소스, 배치 스케줄, 데이터 연결 정보
추가 설정 스킬 테이블 등 추가 설정

저장 버튼을 클릭하면 앱이 생성됩니다. 성공 시 완료 모달이 표시되고 목록으로 이동하며, 실패 시 오류 메시지가 표시됩니다.

앱 삭제

  1. 삭제할 앱의 체크박스를 선택합니다.
  2. 삭제 버튼을 클릭합니다.
  3. 확인 모달에서 확인을 클릭합니다.

주의

삭제된 앱은 복구할 수 없습니다. 연결된 서빙 파이프라인도 함께 삭제됩니다.

앱 상세

앱 목록에서 앱을 클릭하면 상세 화면으로 이동합니다. 상세 화면은 추천 API 호출과 앱 정보 두 개의 탭으로 구성됩니다.

추천 API 호출

추천 요청 파라미터를 입력해 추천 API를 직접 호출하고 결과를 확인할 수 있습니다. 화면은 입력 폼, 요청 미리보기, 추천 결과 세 영역으로 구성됩니다.

입력 폼:

항목 설명
추천 앱 ID 호출 대상 앱 ID. 현재 앱으로 자동 입력
사용자 ID 추천 대상 사용자 선택
추천 모드 Sequential(이력 기반), Cold Start(속성 기반) 중 선택
최대 추천 수 응답에 포함할 최대 아이템 수(1~100, 기본값 10)
Longtail 모드 인기 없는 항목까지 포함해 추천 다양성 향상. Cold Start 모드에서는 사용 불가
context 추천 요청의 맥락 정보(현재·최근 본 아이템 등)를 필드 단위로 추가
userAttributes 사용자 속성 정보(그룹, 나이, 관심사 등)를 필드 단위로 추가
options 추천 요청 옵션을 필드 단위로 추가
  • 요청 미리보기: 입력 값으로 구성된 실제 API 요청 JSON을 보여줍니다. 복사 버튼으로 복사해 API 연동 개발에 활용할 수 있습니다.
  • 추천 결과: 추천 요청 버튼을 클릭하면 순위, 아이템 키, 점수와 추천 사유가 표시되며, 총 결과 수와 응답 시간도 함께 확인할 수 있습니다.

알아두기

추천 API 호출은 앱이 활성 상태일 때만 가능합니다.

앱 정보

앱 ID, 앱 이름, 상태, 앱 유형, 설명, 생성일, 수정일, 버전과 입력·출력 데이터 소스를 확인할 수 있습니다.

  • 입력 데이터 소스: 모델 학습에 사용하는 데이터 소스입니다. 추천 앱은 모델별로 구분해 표시됩니다.
  • 출력 데이터 소스: 추천 결과가 저장되는 데이터 소스입니다.
목차
TOP