💁‍♂️About Me

Introduction

• 안녕하세요! 데이터베이스 엔지니어 정민권입니다.
• 사용자 경험을 중시하며 안정적인 설계를 위해 끊임없이 고민하고 있습니다.
• 자동화를 통해 불필요한 반복 작업을 줄이고 만들어진 시간 동안 새로운 기술을 끊임없이 학습하고 있습니다.
• 함께 성장하고 공동의 목표를 달성하기 위해 설득의 중요성을 배워가고 있습니다.

Contact & Channel

• Email | [email protected]
• Github | https://github.com/Omtye
• Blog | https://omty.tistory.com/

💻Skills

Database

• RDBMS: MySQL (Aurora, EC2, 5.7/8.0), SQL Server, PostgreSQL
• NoSQL : AWS DocumentDB, DynamoDB
• OLAP / DW: Starrocks, AWS Redshift
• Performance: Query Tuning, Partitioning, Sharding, Index Optimization
• Monitoring: Datadog DBM, PMM2, Grafana, Zabbix, CloudWatch
• Governance: Datahub (Data Catalog), QueryPie (Audit/Access Control), IAM/RBAC Account Isolation

Data Engineering

• Languages: Python
• Data Lakehouse: S3 Tables (AWS Managed Iceberg), Apache Iceberg / AWS Athena
• Pipeline / CDC : Airflow, Kinesis, MSK (Kafka) CDC, AWS DMS, Debezium, iceberg kafka Connector, AWS Glue
• Infrastructure: Docker, AWS ECS, AWS EKS, Linux

DevOps

• IaC: Terraform
• Container Orchestration: AWS EKS (Kubernetes), AWS ECS, Docker
• CI/CD & GitOps: Argo CD, GitHub Actions

AI

• Vector Store : Postgres Vector
• LLM Framework : Strands SDK

🔍Work Experience & Projects

Remember & Company

(DBA & Data Engineer)

2023.11 ~ 현재

• 전사 AI 전환(AX) 리딩
  • 자연어 질의 기반 데이터 추출 및 실시간 비즈니스 인사이트를 제공하는 전사 Data AI Agent 개발
  • Slack, Wiki(Confluence), DataHub 등 전사 이기종 지식 베이스를 임베딩하여 PostgreSQL pgvector 기반의 통합 엔터프라이즈 RAG 아키텍처 설계
  • LLM 프롬프트 전달 전 민감 정보를 실시간 감지·마스킹하는 PII 탐지 보안 툴을 자체 구현하여 데이터 유출 위험 차단 및 컴플라이언스 준수
  • LLM의 모든 대화 로그와 응답 결과를 자동 평가하고 결측치·오류 항목을 피드백 데이터셋으로 축적하는 파이프라인 구축
  • 유사 요청 인입 시 과거 평가 및 검증 데이터를 참조 컨텍스트로 재활용하는 자가 보정 메커니즘을 적용하여 모델 답변 정확도(Score)를 0.69에서 0.91로 대폭 향상 (약 32% 개선)
  • 전사 임직원 MAU 70% 달성 및 월 수십억 토큰 규모의 대규모 LLM 프로덕션 워크로드 안정적 운영
  • 단순 반복성 Ad-hoc 데이터 추출 100% 자동화로 분석 공수 절감 및 전사 데이터 리터러시 혁신
  • Claude Code CLI 및 MCP 기반 'AI DBA 운영 비서 에이전트' 구축
• Infrastructure & DB
  • 도쿄 → 서울 리전 TB급 대규모 DB 마이그레이션 수행 (DMS CDC 활용, 가용성 극대화)
  • 수만 단위 QPS 환경의 대용량 RDB 운영 및 온라인 DDL 작업 (pt-osc 활용)
  • Aurora MySQL 2 → 3 Major 업그레이드 (Blue/Green Deployment로 가동 중단 최소화)
  • RDS r5 → r6 인스턴스 전환 및 TLS 인증서 갱신
  • Datadog DBM 도입을 통한 실시간 DB 성능 관제 및 쿼리 프로파일링 체계 구축
  • Terraform(IaC) 기반의 클라우드 리소스 프로비저닝 및 자동화된 인프라 운영
• 데이터 인프라 현대화
  • MySQL, Debezium, Amazon MSK 및 Iceberg Sink Connector 기반의 실시간 CDC 파이프라인 구축
  • S3 Tables(Iceberg) 기반 CDC 파이프라인으로 일 1억 건 규모의 메시징 실시간 처리 체계 구축
  • S3 Tables 및 Starrocks on EKS 기반의 차세대 데이터 레이크하우스(Lakehouse) 아키텍처 설계 구축 (일 단위 → 10분 단위)
  • Datahub(데이터 거버넌스 플랫폼) 및 Airflow 기반의 전사 데이터 통합 관리 및 자동화 파이프라인 운영
• Cloud FinOps & 비용 최적화
  • Database Activity Streams를 도입하여 DB Audit Log를 Kinesis Data Streams로 실시간 스트리밍 적재하는 파이프라인 구축
  • S3 및 Athena 기반 분석 환경을 구현하여 1,000억 건 규모의 대용량 감사 데이터를 실시간 쿼리/분석 가능하도록 최적화
  • 고비용 구조의 CloudWatch Log 의존도를 완전히 제거하여 월 $12,000의 인프라 비용 절감 달성
  • Aurora Storage/IO 및 백업 최적화를 통한 DB 월 비용 20%($4,733) 절감
• 보안 및 컴플라이언스

더보기