잇뉴얼 (IT_Manual)

[Java] 진법 변환 쉽게 하는 방법 (10진법을 다양한 진법으로 변환하기)

잇뉴얼 — Thu, 7 Jul 2022 10:04:06 +0900

[Java] 진법 변환 쉽게 하는 방법 (10진법을 다양한 진법으로 변환하기)

코딩을 하다보면 한번씩 진법 변환을 해야되는경우가 있습니다. 진법 변환을 할려고 로직을 짜보면 간단하게 짤수는 있습니다.

int a = 151;
String result = "";

// 10진법 -> 3진법으로 변환
while(a > 0) {
    int b = a%3;
    result += b;
    a = a/3;
}
StringBuffer sb = new StringBuffer(result);
result = sb.reverse().toString();

// 결과
result = 12121

로직을 보면 그렇게 어려운 느낌은 아닙니다. 3진법을 구하기 위해 a에 담겨있는 10진법 데이터값을 3으로 나눈 나머지값을 문자열에 포함시킨 다음, a의 값을 3으로 나눠서 a값이 0이 될때 까지 반복을 해주면 됩니다. 그런데 이 코드 말고, 더 간단한 코드가 있었습니다.

int a = 151;
String result = Integer.toString(a,3);

// 결과
result = 12121

toString(10진법, 원하는 진법)을 작성하면, 자동으로 원하는 진법 변환을 해주게 됩니다.

▶ 참고 : 10진법으로 돌리는 방법

String a = "12210";

int decimal = 0;
int count = a.length()-1;
for(int i = 0; i < a.length(); i++) {
    decimal += Integer.parseInt(a.substring(i, i+1))*Math.pow(3,count);
    count--;
}
System.out.println("decimal = " + decimal);

// 결과
decimal = 156

위의 코드는 a의 값이 3진법이라는 가정하예 10진법으로 변환하는 코드입니다. 만일 다른 진법을 10진법으로 만들어내길 원하신다면, Math.pow에 '3'을 수정해주시면 됩니다.

[선형대수학] 선형(linear)과 비선형(Nonlinear)

잇뉴얼 — Thu, 7 Jul 2022 04:14:54 +0900

[선형대수학] 선형(linear)과 비선형(Nonlinear)

- 선형(linear)이란?
>> 집합X의 원소 x_1,x_2,x_3, ···, x_n에 각각 상수 a_1, a_2, a_3, ···, a_n을 곱한 다음, 곱한값을 더한 a_1x_1 + a_2x_2 + a_3x_3 + ··· + a_nx_n이 집합X에 속한 경우

참고 : x_1, x_2, x_3, ···, x_n은 아래의 사진을 의미합니다.

선형(Linear)는 쉽게 생각하면 1차식, 그래프상에서는 직선이라 생각하면 됩니다. 그러면 반대로 비선형(Nonlinear)는 1차식이 아닌 2차식 이상, 그래프상에서는 곡선입니다. 선형과 비선형을 비교하면 다음과 같습니다.

선형 (Linear)	비선형 (Nonlinear)
1차식 or 1차함수	2차 이상의 함수, cos(x) 등의 함수
하나의 원인에 하나의 결과가 있음	복잡함
직선 그래프	곡선 그래프
속도와 거리 관계	카오스 등의 자연현상
행렬로 표현 가능	행렬로 표현 불가
회전변환, 벡터공간에 대한 수직입사 원점을 지나는 직선에 대한 대칭변환 등	피드백(feedback)과 같은 복잡한 변환

직선 그래프, 곡선 그래프

[선형대수학] 선형대수학(Linear Algebra)이란?

잇뉴얼 — Thu, 7 Jul 2022 04:13:43 +0900

[선형대수학] 선형대수학(Linear Algebra)이란?

인공지능 학습을 위해서는 백터와 행렬을 알아야합니다. 그리고 더 깊은 지식을 얻기 위해서는 선형대수학을 알아두면 도움이 됩니다.

선형대수학이란?

행렬과 백터는 고등학교때 들어는 보셨을껍니다. 그런데, 선형대수학은 처음들어보시는분들이 많으실껍니다. 선형대수학에 대한 설명은 다음과 같습니다.

선형대수학은 선형방정식의 풀이를 위한 행렬 이론, 백터공간과 그들 사이의 선형사상에 관한 이론이 핵심적인 부분을 이루고 있다.

수학의 영역에서 카테고리로 정리하면 [ 대수학 > 추상대수학 > 선형대수학 ]으로 되어있으며, 선형대수학은 다양한 분야에서 많이 응용이 되고 있다고 합니다.

공학	사회과학	자연과학	경재학
전기 회로	사회학	물리학	경영학
통신 네트워크	인구의 이동	화학	경제이론
컴퓨터 그래픽	고고학	지구과학/천문학	게임이론
항공 우주 산업	여론 조사 추이	일기예보	레온티에프 모델

이 외에도 많은 분야에서 활용이 되고 있는 모습을 확인할 수 있습니다.

선형대수학의 주요 학습 내용

선형방정식	벡터공간	행렬	내적과 외적
행렬식	고유값/고유벡터	벡터	선형변환

선형방정식의 이론과 해법
행렬과 행렬식
유클리드 공간의 스칼라 및 백터에 관한 성질들
백터공간의 개념과 활용
내적과 외적
고유값과 고유백터
선형변환과 응용

위에서 언급한것 이외에 많이 있다.

[Numpy] Array(배열)의 속성 [ndim, shape, size, dtype, itemsize, nbytes]

잇뉴얼 — Thu, 7 Jul 2022 04:04:42 +0900

[Numpy] Array(배열)의 속성 [ndim, shape, size, dtype, itemsize, nbytes]

numpy의 배열은 동일한 타입의 값을 가진다.
배열의 차원을 rank라고 한다.

numpy의 배열을 생성하고, 기본적인 정보(속성)를 확인할 수 있다.

# 모듈 numpy 추가
import numpy as np

# 0~9사이의 랜덤값을 1차원 배열에 3개의 값을 넣어 생성한다.
x1 = np.random.randint(10, size= 3)
# 0~9사이의 랜덤값을 2차원 배열(3x4)에 값을 넣어 생성한다.
x2 = np.random.randint(10, size = (3,4))
# 0~9사이의 랜덤값을 3개의 2차원 배열(4x5)[3차원 배열]에 값을 넣어 생성한다.
# 여기서 size = (3,4,5)중 3의 값은 깊이를 표현한다.
x3 = np.random.randint(10, size = (3,4,5))

print(x1)
# 결과 : [2 7 0]

print(x2)
print(x2.ndim)
print(x2.shape)
print(x2.size)
print(x2.dtype)
print(x2.itemsize) 
print(x2.nbytes)
# 결과 : 
[[9 3 3 0]
 [6 9 1 1]
 [4 7 9 0]]
2
(3, 4)
12
int64
8
96

print(x3)
print(x3.ndim)
print(x3.shape)
print(x3.size)
print(x3.dtype)
print(x3.itemsize) 
print(x3.nbytes)
# 결과 : 
[[[4 7 4 9 6]
  [4 1 0 8 8]
  [7 7 6 4 8]
  [0 2 9 6 0]]

 [[4 2 2 4 8]
  [6 0 8 4 5]
  [4 3 3 0 6]
  [7 0 7 8 5]]

 [[9 3 2 8 6]
  [9 4 6 4 6]
  [9 1 9 8 1]
  [1 9 7 3 4]]]
3
(3, 4, 5)
60
int64
8
480

ndim : 배열의 차원수 혹은 배열의 축 수
shape : 배열의 각 차원의 크기를 튜플로 표현
size : 배열안에 데이터 갯수
dtype : 배열 원소의 데이터 타입
itemsize : 배열의 각 요소의 바이트 단위 크기 확인
nbytes : 배열의 데이터가 어느 위치에 메모리에 저장되어있는지 확인

[딥러닝 기초] 딥러닝 학습에 필요한 도구 - Numpy란? & ndarray 생성방법

잇뉴얼 — Thu, 7 Jul 2022 04:03:48 +0900

[딥러닝 기초] 딥러닝 학습에 필요한 도구 - Numpy란? & ndarray 생성방법

인공지능 학습을 위해서는 기본적으로 알아야될 파이썬 패키지가 있습니다.

Numpy [ 수치 계산 ]
Pandas [ 데이터 분석 ]
matplotlib, seaborn [ 데이터 시각화 ]

이번 포스트에서는 Numpy에 대해 간단하게 알아볼까 합니다.

Numpy [ Numerical Python ]

Numpy는 다차원 행렬의 연산을 제공하는 수치계산 도구입니다. Pandas, Scikit-learn,PyTorch 등과 같은 데이터 사이언스 도구들이 NumPy에 의해 만들어졌습니다. Numpy의 특징은 다음과 같습니다.

Matrix와 Vector와 같은 Array 연산의 사실상의 표준이다.
파이썬의 고성능 과학 계산용 패키지
하나의 데이터 type만 배열에 넣을 수 있다.
일반 List에 비해 빠르고, 메모리에 효율적이다.
List와 가장 큰 차이점은 Dynamic typing 을 지원하지 않는다.
반복문 없이 데이터 배열에 대한 처리를 지원한다.
선형대수와 관련된 다양한 기능을 제공한다.
C, C++, 포트란 등의 언어와 통합이 가능하다.

import numpy as np

numpy를 사용하기 위해서는 패키지를 먼저 추가를 해줘야합니다.

'import numpy'만 작성하면, numpy 패키지를 사용할 수 있는 상태가 되지만, numpy를 사용하기 위해서 코드줄마다 numpy를 작성해야됩니다. 그래서 'as np'를 뒤에 작성함으로써 numpy를 사용할 시에 'np'라는 alias(별칭)만 작성을 하면 됩니다.

numpy는 np.array 함수를 활용하여 배열을 생성합니다. 이것이 ndarray입니다.

# 1차원 배열 생성
a = np.array([2,5,7])

# Dtype 설정시
a1 = np.array([1,2,3,4,5], float)
# 결과 : array([ 1., 2., 3., 4., 5.])
a2 = np.array(['1','2','3',4,5], np.float32) 
# '1','2','3'의 값은 str이지만 float으로 출력 [단 'in'과 같은 str의 경우 ValueError 발생]
# 결과 : array([ 1., 2., 3., 4., 5.])


# 다른 타입이 들어올 경우 numpy는 상위 타입으로 캐스팅하여 저장한다.
a3 = np.array([1,2,3,4,5.0,'str'])
type(a[0])
# 결과 : numpy.str_

# 다차원 배열 생성
b = np.array([[1,2,3],[4,5,6]])

# 0으로 채워진 int 배열
np.zeros(10, dtype = int)
# 결과 : array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

# 3 * 5 부동 소수점 배열
np.ones((3,5), dtype = np.float32)
# 결과 : 
array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

# 3.14로 재워진 4 * 5 배열
np.full((4,5), 3.14)
# 결과 : 
array([[3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14]])

# empty - shape만 주어지고 비어있는 ndarray 생성, 메모리 초기화는 되지 않음 [ 사용빈도수가 적음]
np.empty(shape=(10,), dtype=np.int8)
# 결과 : array([ -32,  -45, -108,   96,  -17,   85,    0,    0,    2,    0], dtype=int8)
np.empty((4,5))
# 결과 : 
array([[4.66825861e-310, 4.66826011e-310, 4.66826011e-310,
        4.66826011e-310, 4.66826011e-310],
       [4.66826011e-310, 4.66826011e-310, 4.66826011e-310,
        4.66826011e-310, 4.66826011e-310],
       [4.66826011e-310, 4.66826011e-310, 4.66826011e-310,
        4.66826011e-310, 4.66826011e-310],
       [4.66826011e-310, 0.00000000e+000, 0.00000000e+000,
        0.00000000e+000, 0.00000000e+000]])

# 단위 행렬(i 행렬)을 생성
np.identity(4)
# 결과 : 
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])

# 대각선이 1인 행렬, k값의 시작 index의 변경이 가능
np.eye(N=3, M=4)
# 결과 : 
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.]])
np.eye(3,5,k=2) # k 는 start index
# 결과 : 
array([[0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

# 0 ~ 10 사이의 값으로 채워진 배열
np.arange(10)
# 결과 : array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# 0 ~ 10 사이의 2간격의 값으로 채워진 배열
np.arange(0,10,2)
# 결과 : array([0, 2, 4, 6, 8])
       
# 0 ~ 1 사이에 같은 간격의 5개의 값으로 채워짐
np.linspace(0,1,5)
# 결과 : array([0.  , 0.25, 0.5 , 0.75, 1.  ])

위에서 언급해드렸지만 ndarray의 경우 같은 종류의 데이터만 배열에 담을수 있다는점을 알야두셔야합니다.

[Docker] 우분투(Ubuntu) 이미지 다운로드 및 컨테이너 생성

잇뉴얼 — Thu, 7 Jul 2022 03:59:47 +0900

[Docker] 우분투(Ubuntu) 이미지 다운로드 및 컨테이너 생성

P.S ) docker 설치방법에 대한 정보는 아래의 링크를 통해 확인해주세요.

[Docker] Docker 설치 방법 & 튜토리얼 image 생성

[Docker] Docker 설치 방법 리눅스를 학습하기 위해 Hyper_V, VMware를 사용하여서 '리눅스 ISO'를 다운받아 별도로 설치를 해서 사용을 했었는데, Docker라는것을 접하게 되면서 갈아타야겠다는 생각을

ikohong88-coding.tistory.com

docker를 처음하시는분이라면 '이미지'와 '컨테이너'에 대해서 알아야됩니다. 완벽한 개념은 아니지만, 일단 가장 쉽게 생각하는 방법은 다음과 같다.

이미지 (image) : 컨테이너를 만드는 기본 베이스.
컨테이너 (container) : 하나의 이미지를 이용해 여러개의 컨테이너를 만들수 있다. 컨테이너에서 작업한것을 나만의 이미지로 만들수 있다.

Docker 이미지 다운로드

일단 원하는 docker 이미지를 다운로드 받습니다. 호스트 작업환경은 윈도우입니다.

일단 CMD(명령 프롬프트)를 먼저 실행을 해줍니다. 윈도우 왼쪽 하단에서 cmd를 검색하면 바로 나옵니다.

명령 프롬프트에서 경로 신경쓸필요없이 명령어를 입력하면 됩니다. 이 포스트에서 우분투(ubuntu)이미지를 다운로드 하겠습니다. 명령어는 다음과 같습니다.

docker pull ubuntu

위 명령어는 ubuntu 최신 이미지를 찾아서 저장하게 됩니다.

다운로드가 완료되면 도커에 이미지가 저장이 잘 되어있는지 확인을 해봅니다.

docker images

위 명령어는 현재 도커에 있는 이미지의 목록을 전부 보여줍니다. 위 사진을 보면 'ubuntu'가 저장소에 있는 모습을 확인할 수 있습니다.

물론 docker Desktop의 image dashboard에서도 확인이 가능합니다. GUI가 편하신분들은 여기서 확인을 하시면 됩니다. 이미지 다운로드는 끝입니다. 인제 이 이미지를 이용하여 컨테이너를 생성하여 작업공간을 만들어보겠습니다.

Docker 컨테이너 생성

현재 실습하는 이미지는 리눅스환경의 '우분투'이기에 우분투를 실행하고 바로 리눅스에서 작업을 가능하도록 하기 위한 명령어를 실행하겠습니다.

docker run -it --name [원하는 컨테이너 이름] ubuntu bash

docker run : 컨테이너를 실행합니다.
-it : 터미널에 입력하기 위한 옵션
-- name [원하는 컨테이너 이름] : 컨테이너 이름을 지정합니다. 입력하지 않을경우 임의의 컨테이너 이름이 생성됩니다.
ubuntu : 사용할 이미지(우분투)를 선택한다.
bash : 컨테이너 실행후 bash환경에서 작업을 합니다.

위 명령어를 실행하면, 명령 프롬프트에 우분투에 접근을 하여 명령을 기다리고 있는 모습을 확인할 수 있습니다. 위의 명령어 이외에 다양한 명령어들이 있지만, 일단 지금은 컨테이너를 생성하고 실행하는것까지 작업을 진행하겠습니다. 만일 docekr run에 대한 옵션을 보고싶다면 아래의 명령어를 입력하시면 됩니다.

docker run --help

설명이 영어로 되어있어서 영어공부에도 도움(?)이 되실껍니다.

[Docker] Docker Container 시작, 접근, 종료 방법 [start, attach, exec, stop]

잇뉴얼 — Thu, 7 Jul 2022 03:58:01 +0900

[Docker] Docker Container 시작, 접근, 종료 방법 [start, attach, exec, stop]

P.S) 도커 이미지 다운로드 및 컨테이너 생성방법은 아래의 링크를 통해 확인해주세요.

[Docker] 우분투(Ubuntu) 이미지 다운로드 및 컨테이너 생성

[Docker] 우분투(Ubuntu) 이미지 다운로드 및 컨테이너 생성 P.S ) docker 설치방법에 대한 정보는 아래의 링크를 통해 확인해주세요. [Docker] Docker 설치 방법 & 튜토리얼 image 생성 [Docker] Docker 설치..

ikohong88-coding.tistory.com

도커에 이미지를 다운로드 받고, 컨테이너를 생성했다면, 인제 컨테이너를 시작해야됩니다. 물론 컨테이너 생성시 컨테이너가 실행이 되어있는 상태이지만, 우분투에서 'exit'를 통해 종료를 하면 컨테이너 또한 자동으로 종료를 하게 됩니다. 컨테이너를 시작하는 방법은 간단합니다.

GUI (Docker Desktop)을 이용한 컨테이너 실행

Docker Desktop을 이용해서 시작하는 방법은 매우간단합니다. 왼쪽에 'Containers / Apps'탭에서 원하는 컨테이너의 오른쪽 버튼중 'START'버튼을 눌러주기만 하면, 바로 컨테이너가 실행이 됩니다.

'START'버튼을 누른다고, 다른 창이 뜨지 않고 실행만 되어있는 상태입니다. 명령어를 입력하고 싶다면 'CLI'버튼을 눌러주시면 명령어를 입력할 수 있는 창이 생성됩니다.

'CLI'를 누르면, 팝업창이 생성되며, 명령어를 입력할 수 있다.

CMD (명령 프롬프트)를 이용한 컨테이너 실행

Docker Desktop뿐만이 아니라 CMD(명령 프롬프트)를 이용해서도 컨테이너를 시작할 수 있습니다. 'docker ps'명령어를 입력하시면, 현재 실행되고 있는 컨테이너를 확인할 수 있습니다. 만일 아무것도 실행되고 있지 않다면, 위의 사진과 같이 비어있는 목록을 확인할 수 있습니다.

CMD를 이용하여, 도커를 시작하는 방법은 다음과 같습니다.

docker container start [container name]
docer start [container name]

명령어를 굳이 길게 쓸 필요가 없으니, 아래의 명령어를 이용하도록 합니다.

컨테이너를 실행하고 난다음, 'docker ps'를 입력하면, 컨테이너가 실행되어있는 모습을 확인할 수 있습니다. 지금까지의 과정은 컨테이너를 실행까지만 진행을 한것이지, 실행한 컨테이너에 명령어를 입력할 수 있는 상황은 아닙니다. 인제 컨테이너에 접근을 해보겠습니다.

docker attach [docker name]
docker exec -it [docker name] bash

컨테이너에 접근하는 방법은 두가지가 있습니다. 'attach','exec' 명령어를 이용하면, 바로 우분투에 명령어를 입력할 수 있는 라인이 생성됩니다. 두 방법의 용도는 다르다고 하지만, 일단 기초를 알아가는 상황이기에 'attach' 명령어를 이용하는것으로도 충분하다 생각을 합니다. 물론, 두 명령어를 일단 알고는 있도록 합시다.

우분투 커맨드라인에서 'exit'명령어를 입력하면, 우분투가 종료되면서 컨테이너도 종료가 되게됩니다.

만일 컨테이너를 실행하였는데, 컨테이너에 접근을 하지 않고, 바로 종료를 하고 싶다면, 다음 명령어를 이용하면, 컨테이너가 종료되게 됩니다.

docker stop [container name 혹은 container ID]

[GitHub] README.md(Markdown) 작성법

잇뉴얼 — Thu, 7 Jul 2022 03:55:55 +0900

[GitHub] README.md(Markdown) 작성법

GitHub를 사용하면 README.md파일을 한번쯤은 보셨을껍니다. 프로젝트에 대한 설명뿐만 아니라 목적에 따라 프로젝트에 대한 설명이 아닌, 라이센스에 대한 설명, 사용법 등을 작성할 수 있습니다. 마크다운 작성법은 다음과 같습니다.

주석

마크다운에서도 주석을 처리할 수 있습니다. 크게 쓰일일은 없을꺼라 생각되지만 일단 알아두도록 합시다.

Headings

머릿말을 지정할때는 맨 앞에 #을 붙이고 한칸 띄워 작성을 하면 됩니다. #의 갯수가 많아짐에 따라 글자의 크기는 작아지게 됩니다.

--- Headings
# h1
--- 일반 문장(문자)
#h1

만일 '#'을 작성하고 바로 작성을 하게되면, 하나의 문장(문자)로 인식하게 되여, 글자 크기가 조절이 되지 않습니다.

문자 formatting

*em*
**strong**
__*italic bold*__
~~strike~~

--- Headings의 글꼴 모양도 바꿀수 있다.(단 글자 굵기의 변화는 없다.)
# *h1*
## ~~h2~~

인용

> 인용
>> 중첩인용
>>> 중첩인용은 갯수 제한없이 사용이 가능하다.

코드

코드를 작성하고 싶은 경우 backtick( ` )[ 키보드 왼쪽 상단 esc 밑에 ~ 키를 눌러주면 됩니다. ] 3개를 작성후 한칸을 띄워서 작성하는 언어이름을 적은 다음, 다음줄부터 작성을 진행하면 됩니다. 작성이 완료되면, 마지막줄에 backtick 3개를 작성해 코드를 둘러쌓으면 작성이 완료됩니다.

글자 배경색 지정 (회색)

`글자 배경색 지정 (회색)` : monospace

코드 작성과 마찬가지로 작은 따옴표( ' )가 아닌 backtick( ` )이라는점을 헷갈리지 않도록 합니다.

리스트 (List)

리스트를 만드는 방법은 '-'와 '1.'를 이용하면 만들어집니다. 여기서 들여쓰기를 하고 싶다면, 3칸 띄워쓰기를 하면, 하위 카테고리로 적용됩니다.

링크 적용하기

URL를 적어서 바로 적용할 수 있지만, 깔끔하게 링크를 적용하길 원한다면 위 방법을 사용하면 됩니다.

[네이버 링크](https://search.naver.com/search.naver?where=nexearch&sm=top_hty&fbm=0&ie=utf8&query=%ED%8C%8C%EC%9D%B4%EC%8D%AC)

테이블 생성

마크다운에서도 테이블을 생성할 수 있습니다. 다만 위의 사진과 같이 조금 원시적(?)인 느낌으로 작성을 해줘야 합니다.

| Tables    | Are      | Cool       |
| - | - | - |
| Tables 열 | are neat | 1234567890 |
| Tables 열 | are neat | 1          |
| Tables 열 | are neat | 1          |

<!-- 여기서 | - |에 '-'의 갯수는 상관이 없다.

[Window] 열려있는 포트 종료시키는 방법

잇뉴얼 — Thu, 7 Jul 2022 03:31:44 +0900

[Window] 열려있는 포트 종료시키는 방법

웹 개발을 하고 한번씩 로컬에서 잘 돌아가는지 테스트를 하기 위해 내부 포트를 사용하는 경우가 있습니다. 중간중간 코드를 수정하고 코드가 정상적으로 작동하는지 보기 위해서 중지하고 재시작을 반복하다보면, 한번씩 해당 포트에 서비스가 남아서 포트를 사용하지 못하는 경우가 있습니다. 이럴경우 해당 포트를 강제로 종료해야되는데요. 포트를 종료하는 방법에 대해 알아보겠습니다.

▶ netstat -a -o

윈도우 터미널에서 해당 코드를 작성하면, 현재 사용되고 있는 포트들이 쭉 보입니다. 여기서 원하는 포트를 왼쪽에서 찾아주면 되는데요. 저같은 경우 '8080' 포트를 찾았습니다. 그러면 오른쪽에 'PID' 번호가 보입니다. 이 번호를 알고 계시면 됩니다.

그런데 아래로 좀 내리다보면, 똑같은 포트가 있는걸 볼 수 있습니다. 다른거 같지만, PID를 보면 같은 번호이니 신경 쓰시지 않으셔도 됩니다.

▶ taskkill /f /pid pidnum

해당 포트를 종료하기 위하 위의 코드를 작성하면 성공적으로 종료가 되고, 해당 포트를 다시 사용할 수 있게 됩니다.

[Github] CI/CD를 위한 Github action

잇뉴얼 — Wed, 6 Jul 2022 03:00:12 +0900

[Github] CI/CD를 위한 Github action

프로젝트를 완성했다면, 배포를 해야할껍니다. 그런데 이 배포를 수동으로 해야된다면, 상당히 힘들껍니다. 이러한 불편함을 해결하기 위해서 GitHub에는 action 이라는 기능을 가지고 있습니다. Github에 소스파일을 올리면, 자동으로 연결된 서버에 배포를 해주는 자동화 시스템인데요. Github action에 대해 한번 간단하게 알아보도록 하겠습니다.

▶ CI/CD

Github action을 알기전에 Ci/CD를 간단하게 알아보겠습니다. 해당 용어의 뜻은 다음과 같습니다.

CI : 개발자를 위한 자동화 프로세스인 지속적인 통합 (Continuous Integration), 빌드/테스트 자동화 과정
CD : 지속적인 서비스 제공 (Continuous Delivery) 혹은 지속적인 배포 (Continuous Deployment)

CI/CD는 지속적 통합 및 지속적 제공 (CD, Continuous Delivery)의 구축 사례만을 지칭할 수도 있고, 지속적 통합, 지속적 제공, 지속적 배포라는 3가지 구축 사례 모두를 의미할 수 도 있습니다. 자세한건 더 공부한 다음 정리해서 올려야겠습니다.

참고 자료 : 레드헷 [CI/CD(지속적 통합/지속적 제공): 개념, 방법, 장점, 구현 과정]

CI/CD(지속적 통합/지속적 제공): 개념, 방법, 장점, 구현 과정

CI/CD는 애플리케이션의 통합 및 테스트부터 제공 및 배포까지 전체 라이프사이클에서 지속적인 자동화와 모니터링을 제공합니다. 개념, 차이점, 학습방법(인강)을 보세요.

www.redhat.com

▶ Github action

Github action 은 위에서 언급한 CI/CD를 위한 도구라 생각하시면 됩니다. 로컬에서 작업을 한 다음, Github 저장소에 push를 하면, 자동으로 Github action이 동작하여, 개발자가 원하는 방식으로 자동화가 진행이 되는데요. 그런데 프로젝트를 그냥 올린다고 Github action이 작동하는것이 아닌, 어떤 파일이 있어야지만 Github action이 동작하게 됩니다.

▶ .github/workflows

자동화를 동작시키기 위해서는 프로젝트 최상단에 .github/workflows 폴더를 생성해줘야합니다. 해당 폴더가 아닌 폴더들은 GIthub action 이 인식을 하지 못하며, 해당 폴더안에 있는 파일만 인식을 하게 됩니다.

▶ yml 파일

자동화를 진행하기 위해서는 yml파일이 .github/workflows 안에 있어야됩니다.

name: learn-github-actions
on:
    push:
      branches: [ master, dev ]
    pull_request:
      branches: [ master ]
      paths:
        - "**.js"
      paths-ignore:
        - "doc/**"
jobs:
  build:
    strategy:
      matrix:
        node-version: [10.x, 12.x]

    runs-on: ubuntu-latest
    steps:
      - name: Checkout source code
        uses: actions/checkout@v2
        
      - name: My First Step
        run:
          npm install
          npm test
          npm build

      - name: Cache yarn dependencies
        uses: actions/cache@v1
        id: yarn-cache
        with:
          path: node_modules
          key: ${{ runner.os }}-yarn-${{ hashFiles('**/yarn.lock') }}
          restore-keys: |
            ${{ runner.os }}-yarn-

yml 안에 작성된 코드입니다. 해당 코드는 위에서부터 순서대로 작동을 하게 됩니다. yml 을 작성하는 방법은 공부를 더 해서 따로 정리를 해봐야겠습니다.

참고자료
- Github Action에 대한 소개와 사용법
- Github Action 사용법 정리