평소 영어 실력

2020 수능 2등급 한 달 토익 학원 다니고 700점 나옴.. 영어 논문 종종 읽는 상태 듣기 잘 못함

토익 RC 푸는 순서 꿀팁

part 5, 6, 7 순서대로 풀기는 합니다만, part 7은 뒤에서부터 풀었어요.

왜냐하면 연습할 때도 그렇고, 시험장에서도 그렇고 part 7을 풀다가 후반부로 갈 수록 너무 지치는 거에요.

지문은 길어지고, 시간은 적어져 심리적으로 부담이 됐기 때문에 triple 지문 -> double 지문 -> single 지문 순으로 풀었어요. 문제 번호로 치면 185~200 -> 175184 -> 145174 triple 지문부터 풀면, 그 때는 집중력도 높아서 잘 풀리고, 이 때 눈도 빨라져서 앞 부분의 간단한 지문은 더 빨리 풀게 되더라고요.

토익 RC 공부법

저는 해커스 1000제 3로 공부했는데요. 모의고사 단위로 풀지 않았습니다. 모의고사 10회가 있다면 part 5만 모아서 다 푸는 식으로 했어요. part 5가 30문제니까 모의고사 10회분이면 300문제입니다. 이걸 2일에 걸쳐서 다 풀었어요. 그 다음은 part 6만 모아서 총 100문제 다 풀고, 그 다음에 part 7만 모아서 총 540문제 푸는 식으로 했습니다. 물론 part 7은 문제 수가 너무 많아서 3일로 잡았어요.

토익 LC 공부법

LC는 시험 2일 전에 교재를 사서 공부했는데요. 그래요 완전 벼락치기 했어요. 시간이 없어서 대화 흐름부터 파악하자 해서, 모의고사 1, 2회는 답지부터 펼쳐들었습니다.

part 1, 2는 이런식으로 훼이크를 치는구나? part 3, 4는 스크립트를 읽으며 3문제 나오는 느낌? 흐름?을 파악했어요

그래서 모의고사 1, 2회는 답지와 같이 흐름을 파악했고, 이렇게 하니 문제 흐름은 다 보이더라고요.

시간이 없어서 한 행동이었는데 너무나 잘했다고 생각들어요. 그리고 모의고사 3, 4회만 실전처럼 풀고, 단어 정리 싹 하고 시험장에 들어갔습니다 ㅎㅎ

사실 LC 공부는 많이 부족했어요. 그리고 해커스 모의고사 1000제 LC는 들으면 한 두지문 빼고는 다 들렸는데 시험장 LC는 훨씬 어렵더라고요? 사설보다 실전이 체감상 2.5배는 더 어려웠습니다. 다음 번에 또 토익 보면 LC는 더 어려운 사설 모의고사를 많이 듣고 가야할 것 같아요.

시험장에서 문제 푸는 순서

토익 LC에서 part 1, 2 도입부에 문제 설명하는 시간 있거든요, 그 때 part5를 많이 풀었습니다. 그리고 part 1, 2 시간에는 문제지가 필요 없어요. 바로 답안지에 체크하기 때문에 문제지는 아예 part 5를 펼쳐들고 풀었습니다. LC 시간에 part 5 두 페이지를 전부 풀었기 때문에 20문제는 푼 것 같아요. 그러면 나중에 part 7에 부을 시간이 존재하기 때문에 확실히 나아집니다.

LC part 3, 4 풀 때는 문제에만 집중하세요. 스크립트 당 3지문 먼저 읽고, 듣기를 준비하는데에도 시간 부족합니다.

후기

이번에는 학원도 안다니고, 제 멋대로, 공부하고, 풀었는데요. 학원 다닐 때보다 저의 성향에 맞게 문제를 푸니 페이스 맞추기도 더 좋고, 성적도 좋네요. 이왕 올린 김에 더 공부해서 900 넘기고 싶지만, 컴공에서 이정도면 괜찮을 것 같기도 하고,, 일단은 보류합니닷

Lables

key-value pair로 구성되며, 데이터 값에 대한 정보를 제공하는데 사용된다.

Monitored-resource types과 Metric types에 대한 label이 각각 존재한다.

예시) "버킷 이름 : 눈누나난나" 이 자체가 label이라는 뜻

Components of the metric model

• Monitored-resource types

    bucket_name: bangeul
    project_id: 001233
    location: Seoul

• Metric types

    response_code: OK
    method: read

• Time series : monitored-resource label에 따른 데이터를 시간별로 제시하는데 metric type label도 같이 제공해준다. 즉 bucket:1234에 대한 데이터 값과 metric type을 제공한다.

    요약본)
    #resource type, metric type, data
    bucket:1234, response_code: OK, method:read, {(2, wed 2:00pm), (8, wed 2:05pm)}
    bucket:1234, response_code: FAIL, method:write, {(2, wed 2:01pm), (1, wed 2:04pm)}
    bucket:9908, response_code: OK, method:write, {(0, wed 2:01pm), (1, wed 2:04pm)}
  
  

원본)
{
  "metric": {
    "labels": {
      "log": "kubelet",
      "severity": "DEFAULT"
    },
    "type": "logging.googleapis.com/log_entry_count"
  },
  "resource": {
    "type": "gce_instance",
    "labels": {
      "instance_id": "5106847938295940291",
      "zone": "us-central1-a",
      "project_id": "a-gcp-project"
    }
  },
  "metricKind": "DELTA",
  "valueType": "INT64",
  "points": [
    {
      "interval": {
        "startTime": "2019-12-20T20:25:38Z",
        "endTime": "2019-12-20T20:26:38Z"
      },
      "value": {
        "int64Value": "20"
      }
    }
  ]
}

metirc kinds and value types

metric타입을 다룰 때, metric kind와 value type을 다루게 된다.

1. value type : 특정 시점에서의 데이터 타입

   BOOL INT64 DOUBLE STRING

`DISTRIBUTION` 여러 값들이 그룹으로 묶여있을 때는 DISTRIBUTION을 사용하며 mean, count, max, and other statistics로 표현할 수 있다. 내가 주로 보는 타입이다.

2. Metric kind : 특정 시점에서의 메트릭 종류로, 값들의 관계를 해석할 때 사용한다.

   • gauge metric : cpu utilization, current temperature
   • delta metric : start time, end time
   • cumulative metric : sent bytes, total bytes

google cloud의 metric list 가져오는 api

metricDescriptor의 결과값

{
  "name": string,
  "type": string,
  "labels": [
    {
      object (LabelDescriptor)
    }
  ],
  "metricKind": enum (MetricKind),
  "valueType": enum (ValueType),
  "unit": string,        #단위 %, s, h, d, M, k ...
  "description": string,
  "displayName": string,
  "metadata": {
    object (MetricDescriptorMetadata)
  },
  "launchStage": enum (LaunchStage),
  "monitoredResourceTypes": [
    string
  ]
}

naver cloud의 metric list 가져오는 api :

SearchMetricList 결과값

{
  "metrics": [
    {
      "desc": "user ratio",        #그냥 메트릭에 대한 설명
      "dimensions": [
        {
          "dim": "type",
          "val": "cpu"
        },
        {
          "dim": "cpu_idx",
          "val": "0"
        }
      ],
      "idDimension": "instanceNo",        #gcp의 key값
      "metric": "used_rto",        #메트릭 이름
      "options": {
        "Min1": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Min5": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Min30": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Hour2": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Day1": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ]
      },
      "prodKey": "xxxxxxxxxxxxxxxxxx",
      "unit": "%"
    },
    {
      "desc": "user ratio",
      "dimensions": [
        {
          "dim": "type",
          "val": "cpu"
        },
        {
          "dim": "cpu_idx",
          "val": "1"
        }
      ],
      "idDimension": "instanceNo",
      "metric": "used_rto",
      "options": {
        "Min1": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Min5": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Min30": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Hour2": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ],
        "Day1": [
          "COUNT",
          "SUM",
          "MAX",
          "MIN",
          "AVG"
        ]
      },
      "prodKey": "xxxxxxxxxxxxxxxxxx",
      "unit": "%"
    }
  ],
  "prodKey": "xxxxxxxxxxxxxxxxxx"
}

구글 - 네이버 같은 의미 연결하기

key - idDimension (메트리 고유 식별자)

name - metric (메트릭 이름)

unit - unit (단위)

metric_query - payload (입력값)

cloudforet-google-cloud-monitoring의 list_metrics 코드 분석

    def list_metrics(self, query):
        metrics_info = []

        if 'name' in query:
            for metric_filter in query.get('filters', []):
                _query = {
                    'name': query['name'],
                    'filter': self.set_metric_filter(metric_filter)
                }

                for gc_metric in self.list_metric_descriptors(_query):        #gc_metric은 dictionary형
                    metric_kind = gc_metric.get('metricKind', '')    #'GAUGE' or 'DELTA' or 'CUMULATIVE'
                    value_type = gc_metric.get('valueType', '')        #'BOOL' or 'INT64' or 'DOUBLE' or 'STRING' or 'DISTRIBUTION'
                    key = gc_metric.get('type', '')        #"type": "gce_instance"

                    if metric_kind in ['DELTA', 'GAUGE'] and value_type in ['DOUBLE', 'INT64']:        #metric_kind와 value_type이 특정 조건을 만족하면 데이터 수집한다.
                        gc_metric_info = {
                            'key': key,
                            'name': gc_metric.get('displayName', ''),        #"displayName": "VM Instance"
                            'unit': self._get_metric_unit(gc_metric.get('unit')),
                            'metric_query': {
                                'name': query['name'],
                                'resource_id': query['resource_id'],
                                'filter': {
                                    'metric_type': key,
                                    'labels': metric_filter.get('labels')
                                }
                            }
                        }

                        metrics_info.append(gc_metric_info)

        return {'metrics': metrics_info}

cloudforet-naver-cloud-monitioring의 list_metrics 코드 작성하기

헷갈리는 점이 있다면 spaceone에서는 connector를 구현할 때, init.py와 metric.py를 모두 사용한다. init에서 api를 사용하여 연결하고, metric에서 클라우드포렛의 규격화된 데이터 형식에 맞게 변환한다고 생각하면 된다. 데이터가 잘 이동하는 지는 test_connector를 이용한다. 코드 보는 순서는 test->init->metric이라 생각하면 된다.

**test.py**

class TestNaverCloudConnector(unittest.TestCase):
    secret_data = {
        'ncloud_access_key_id': AKI,
        'ncloud_secret_key': SK,
    }
    @classmethod
    def setUpClass(cls):
        super().setUpClass()

    def test_list_metrics(self):
        options = {}
        payload = {
            "prodKey": "460438727509020672"
        }
        secret_data = self.secret_data
        endpoint = '/cw_fea/real/cw/api/rule/group/metric/search'
        self.naver_cloud_connector = NaverCloudConnector(secret_data=secret_data)        #init으로 가서 connect

        self.naver_cloud_connector.set_connect({}, options=options, secret_data=secret_data, endpoint=endpoint, payload=payload)
        metrics_info = self.naver_cloud_connector.list_metrics(payload)        #init에서 metric으로 가는 부분

        print_data(metrics_info, 'test_list_metrics')        #최종적으로 원하는 규격으로 데이터 가공 성공
        #metrics_info [{'key': 'instanceId', 'name': 'concurrent_session', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'concurrent_session', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'concurrent_session', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'connections_per_second', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'connections_per_second', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'connections_per_second', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_in_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_in_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_in_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_out_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_out_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}, {'key': 'instanceId', 'name': 'traffic_out_byte', 'unit': None, 'metric_query': {'dimValues': [], 'query': [], 'dimensionsSelectedList': [], 'prodKey': '460438727509020672'}}]

**__init__.py**

class NaverCloudConnector(BaseConnector):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.client = None
        self.base_url = 'https://cw.apigw.ntruss.com'

    def make_signature(self, access_key, secret_key, method, uri, timestamp):
        message = method + " " + uri + "\n" + timestamp + "\n" + access_key
        message = bytes(message, 'UTF-8')
        secret_key = bytes(secret_key, 'UTF-8')
        signingKey = base64.b64encode(hmac.new(secret_key, message, digestmod=hashlib.sha256).digest())
        return signingKey.decode()

    def set_connect(self, schema, options: dict, secret_data: dict, endpoint, payload):
        self.url = f"{self.base_url}{endpoint}"
        self.endpoint = endpoint
        method = 'POST'
        timestamp = str(int(time.time() * 1000))
        metric_access_key = secret_data['ncloud_access_key_id']
        metric_secret_key = secret_data['ncloud_secret_key']

        headers = {
            'x-ncp-apigw-signature-v2': self.make_signature(metric_access_key, metric_secret_key, method,
                                                       endpoint,
                                                       timestamp),
            'x-ncp-apigw-timestamp': timestamp,
            'x-ncp-iam-access-key': metric_access_key,
            'Content-Type': 'application/json'
        }
        if options is None:
            options = {}

        self.client = requests.post(self.url, headers=headers, json=payload).json()

    def list_metrics(self, *args):        #payload가 인자
        return NaverCloudMetric(self.client, self.url).list_metrics(*args)        #init에서 metric으로 가는 부분

**metric.py**

class NaverCloudMetric(object):
    def __init__(self, client, url):
        self.client = client
        self.url = url

    def list_metrics(self, payload):        #cloudforet에 저장된 데이터값 형태를 최대한 따르기 위해 metric_info 딕셔너리를 생성
        metrics_info = []
        for metric in self.client['metrics']:
            metric_info = {
                'key': metric.get('idDimension'),
                'name': metric.get('metric'),
                'unit': metric.get('unit'),
                'metric_query': {
                    'dimValues': payload.get('dimValues', []),
                    'query': payload.get('query', []),
                    'dimensionsSelectedList': payload.get('dimensionsSelectedList', []),
                    'prodKey': payload['prodKey']
                }
            }
            metrics_info.append(metric_info)
        return {'metrics': metrics_info}        #이렇게 반환된 값은 다시 metric->init->test로 가서 metrics_info 형태로 저장 완료

Reference) google cloud documentation [google cloud metricDescriptor api] (https://cloud.google.com/monitoring/api/ref_v3/rest/v3/projects.metricDescriptors#MetricDescriptor) [naver cloud search metric list api] (https://api.ncloud-docs.com/docs/management-cloudinsight-searchmetriclist) plugin-google-stackdriver-mon-datasource

part 7, 8 정리 완료

part 3만 정리 완료

• https://ig.ft.com/ai-animals/
• https://www.radcliffe.harvard.edu/news-and-ideas/episode-109-using-machine-learning-to-listen-to-whales
• https://drive.google.com/file/d/1IG5Wh7T2ExDgBH1rW8rOI7haVbUobQqA/view

글을 읽을 수록 가슴이 두근두근거린다. 아래는 하나하나 차근히 읽으며 정리해 볼 기사 & 논문들이다.

• https://www.projectceti.org/news-research-insights#publications 이 사이트에서 세티 논문들 하나하나 다 읽어봐야 겠다.

• https://assets-global.website-files.com/630ea9b1fcc91e6ca07956a2/64d64835900750b4b989714d_science.adg7314.pdf 이건 머신러닝 사용해서 동물 언어 해석하는 기사

• https://github.com/earthspecies/BEBE 동물 다룬 깃허브

• 그 ceti git 도 있었는데 그것도 보기

chapter 3 ~ 10 내용 완료

• 교재 : 토익 정기시험 기출문제집3 1000 Reading

• RC 계획

• [part 5] 3회차 ~ 6회차 (120문제) 풀고 오답 정리

• [part 5] 7회차 ~ 10회차 (120문제) 풀고 오답 정리

• [part 6] 3회차 ~ 10회차 (128문제) 풀고 오답 정리

• [part 7] 2회차 ~ 4회차 (162문제) 풀고 오답 정리

• [part 7] 5회차 ~ 7회차 (162문제) 풀고 오답 정리

• [part 7] 8회차 ~ 10회차 (162문제) 풀고 오답 정리

• LC 계획 이건 어카지 문제집을 사야겠다.

네이버 클라우드 서비스를 spaceone에 가져오는 형태는 connetor->manager->spaceone에 plugin 하는 단계로 구성되어 있다. 오늘은 네이버 클라우드의 api를 사용해서 metric 서비스 중 metric list와 list의 data를 connect 작업을 한다.

경로는 3가지가 있다. src/spaceone/monitoring/connector/naver_cloud_connector/init.py src/spaceone/monitoring/connector/naver_cloud_connector/metric.py test/connector/test_naver_cloud_connector.py

test에서는 테스트를 하고, init에서는 네이버 클라우드 api를 이용해서 연결하고, metric에서는 가져오려는 데이터의 구조에 맞게 변형한다.

코드를 보는 순서는 test->init->metric->test 이다.

test_connector.py

AKI = os.environ.get('NCLOUD_ACCESS_KEY_ID', None)
SK = os.environ.get('NCLOUD_SECRET_KEY', None)

class TestNaverCloudConnector(unittest.TestCase):
    secret_data = {
        'ncloud_access_key_id': AKI,
        'ncloud_secret_key': SK,
    }

    @classmethod
    def setUpClass(cls):
        config.init_conf(package='spaceone.inventory')
        cls.schema = 'naver_client_secret'

        super().setUpClass()

    @classmethod
    def tearDownClass(cls) -> None:
        super().tearDownClass()

    def test_list_metrics(self):
        options = {
            "prodKey": "460438727509020672"
        }
        secret_data = self.secret_data
        endpoint = '/cw_fea/real/cw/api/rule/group/metric/search'

        self.metric_connector = NaverCloudConnector(secret_data=secret_data, options=options)        #init으로 가서 connect를 하게 된다.
        self.metric_connector.set_connnect({}, options, secret_data, endpoint)
        metrics_info = self.metric_connector.list_metrics(options)        #options를 통해 prod_key를 전달한다. 받을 땐 딕셔너리 형태인 **kwargs로 받는다.

    def test_get_metric_data(self):
        # end = datetime.utcnow()
        # start = end - timedelta(minutes=60*60*7*30)
        # 위와 같은 방식으로 나중에 시간 변경 다 해줘야 한다.

        options = {
            "cw_key": "460438727509020672",
            "metric": "concurrent_session",
            "dimensions": {
                "loadBalancerPort": "80",
                "layerType": "APPLICATION",
                "loadBalancerName": "ing-spaceone-ncloudspace-1423c",
                "networkType": "PUBLIC"
            },
            "timeStart": '1712759400000',
            "timeEnd": '1712762999000'
        }

        secret_data = self.secret_data
        endpoint = '/cw_fea/real/cw/api/data/query'
        self.metric_connector = NaverCloudConnector(secret_data=secret_data, options=options)        #init으로 가서 connect를 하게 된다. metric_connector라는 객체 형성.
        self.metric_connector.set_connnect({}, options, secret_data, endpoint)

        metrics_info = self.metric_connector.get_metric_data(
            options.get('cw_key'),
            options.get('metric'),
            options.get('dimensions'),
            options.get('timeStart'),
            options.get('timeEnd'),
        )                                         #이 5개 값이 순서대로 init의 *args에 튜플형태로 들어간다.

        print("metrics_info: ", metrics_info)

if __name__ == "__main__":
    unittest.main(testRunner=RichTestRunner)

다음은 네이버 클라우드의 api를 이용해서 직접적으로 연결되는 부분이다.

__init__.py

class NaverCloudConnector(BaseConnector):

    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.metric_client = None
        self.base_url = 'https://cw.apigw.ntruss.com'

    def make_signature(self, access_key, secret_key, method, uri, timestamp):
        message = method + " " + uri + "\n" + timestamp + "\n" + access_key
        message = bytes(message, 'UTF-8')
        secret_key = bytes(secret_key, 'UTF-8')
        signingKey = base64.b64encode(hmac.new(secret_key, message, digestmod=hashlib.sha256).digest())
        return signingKey.decode()

    def set_connnect(self, options: dict, secret_data: dict, endpoint):
        self.url = f"{self.base_url}{endpoint}"
        self.endpoint = endpoint
        method = 'POST'
        timestamp = str(int(time.time() * 1000))
        metric_access_key = secret_data['ncloud_access_key_id']
        metric_secret_key = secret_data['ncloud_secret_key']
        headers = {
            'x-ncp-apigw-signature-v2': self.make_signature(metric_access_key, metric_secret_key, method,
                                                       endpoint,
                                                       timestamp),
            'x-ncp-apigw-timestamp': timestamp,
            'x-ncp-iam-access-key': metric_access_key,
            'Content-Type': 'application/json'
        }

        if options is None:
            options = {}

        self.metric_client = requests.post(self.url, headers=headers, json=options).json()        
        #list_metric의 경우, client는 {'metrics': [{'dataType': 'FLOAT', 'desc': 'Concurrent Connection', 'dimensions': [{'dim': 'layerType', 'val': 'APPLICATION'}, {'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ing-spaceone-ncloudspace-1423c'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'concurrent_session', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Concurrent Connection', 'dimensions': [{'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'loadBalancerPort', 'val': '443'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'concurrent_session', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Concurrent Connection', 'dimensions': [{'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'concurrent_session', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Connection per Second', 'dimensions': [{'dim': 'layerType', 'val': 'APPLICATION'}, {'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ing-spaceone-ncloudspace-1423c'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'connections_per_second', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Connection per Second', 'dimensions': [{'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'loadBalancerPort', 'val': '443'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'connections_per_second', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Connection per Second', 'dimensions': [{'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'connections_per_second', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'dimensions': [{'dim': 'layerType', 'val': 'APPLICATION'}, {'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ing-spaceone-ncloudspace-1423c'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_in_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'dimensions': [{'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'loadBalancerPort', 'val': '443'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_in_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'dimensions': [{'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_in_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Traffic Out', 'dimensions': [{'dim': 'layerType', 'val': 'APPLICATION'}, {'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ing-spaceone-ncloudspace-1423c'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_out_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Traffic Out', 'dimensions': [{'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'loadBalancerPort', 'val': '443'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_out_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}, {'dataType': 'FLOAT', 'desc': 'Traffic Out', 'dimensions': [{'dim': 'loadBalancerPort', 'val': '80'}, {'dim': 'loadBalancerName', 'val': 'ingress-ngi-ingress-ngin-7e287'}, {'dim': 'layerType', 'val': 'NETWORK_PROXY'}, {'dim': 'networkType', 'val': 'PUBLIC'}], 'idDimension': 'instanceId', 'metric': 'traffic_out_byte', 'options': {'Min1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min5': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Min30': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Hour2': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG'], 'Day1': ['COUNT', 'SUM', 'MAX', 'MIN', 'AVG']}, 'prodKey': '460438727509020672'}], 'prodKey': '460438727509020672'}
        #get_metric_data의 경우, client는 [[1712759400000, 0.0], [1712759460000, 1.0], [1712759520000, 0.0], [1712759580000, 0.0], [1712759640000, 0.0], [1712759700000, 0.0], [1712759760000, 0.0], [1712759820000, 0.0], [1712759880000, 0.0], [1712759940000, 0.0], [1712760000000, 0.0], [1712760060000, 0.0], [1712760120000, 1.0], [1712760180000, 1.0], [1712760240000, 0.0], [1712760300000, 0.0], [1712760360000, 1.0], [1712760420000, 0.0], [1712760480000, 0.0], [1712760540000, 0.0], [1712760600000, 0.0], [1712760660000, 0.0], [1712760720000, 0.0], [1712760780000, 0.0], [1712760840000, 0.0], [1712760900000, 2.0], [1712760960000, 0.0], [1712761020000, 0.0], [1712761080000, 0.0], [1712761140000, 0.0], [1712761200000, 1.0], [1712761260000, 0.0], [1712761320000, 0.0], [1712761380000, 0.0], [1712761440000, 0.0], [1712761500000, 0.0], [1712761560000, 0.0], [1712761620000, 0.0], [1712761680000, 0.0], [1712761740000, 0.0], [1712761800000, 0.0], [1712761860000, 0.0], [1712761920000, 0.0], [1712761980000, 0.0], [1712762040000, 0.0], [1712762100000, 0.0], [1712762160000, 0.0], [1712762220000, 0.0], [1712762280000, 0.0], [1712762340000, 0.0], [1712762400000, 0.0], [1712762460000, 0.0], [1712762520000, 0.0], [1712762580000, 0.0], [1712762640000, 0.0], [1712762700000, 0.0], [1712762760000, 0.0], [1712762820000, 0.0], [1712762880000, 0.0], [1712762940000, 0.0]]

    def list_metrics(self, **kwargs):    #prodkey 딕셔너리 형태
        return NaverCloudMetric(self.metric_client, self.url).list_metrics(**kwargs)

    def get_metric_data(self, *args):    #options보면 튜플 형태
        return NaverCloudMetric(self.metric_client, self.url).get_metric_data(*args)

init에서 connect를 하나면 metirc.py에서는 각 함수의 값들을 가져온다.

metric.py

class NaverCloudMetric(object):

    def __init__(self, client, url):
        self.client = client
        self.url = url

    def list_metrics(self):

        metric_lists = []
        metric_info_lists = self.client['metrics']
        for metric_info in metric_info_lists:
            metric_lists.append(metric_info.get('metric'))
        return metric_lists

    def get_metric_data(self, cw_key, metric, dimensions, timeStart, timeEnd):
        metrics_data = self.client
        metric_data = []
        for data in metrics_data:
            metric_data.append(data[1])
        return metric_data

첫 번째로 간 곳은 성수 "리볼리"이다. 빵전같은 느낌이다. 토마토 바질은 흔히 먹는 그 맛이고 빵은 감자전같이 진득한 전이었다.

두 번째로 간 곳은 "영카이브"라는 포토부스였다. 일단 하루필름이나 포토이즘처럼 너무 많이 가서 질린 곳이 아니라 신났다. 그리고 안경 소품 마음에 들었고, 공간도 특이해서 더욱 맘에 들었다. 게다가 사진이 9컷이라는 게! 서촌에도 있다고 하니 다음 번은 서촌이다! 제일 마음에 드는 부분,,, 은색을 은근히 (아니 상당히) 좋아해서 은색 배경과 은색 책상의 조합이 심플해서 좋다. EQL에서는 테디베어랑 프레즐이랑 콜라보한 팝업이 열렸고, 공짜로 얻어서 기본맛으로 얻었다.

기대 안하고 먹었는데 향이며 질감이며 너무 맛있어서 질겅징걸 씹어먹었다.

저녁에는 집 뒷동산 산책했다. 밤에는 잘 안갔는데 가보니 사람들도 많고, 야경이 되게 예쁘네,, 우리 귀여운 개방글이 머리 위에 벚꽃 하나 올려준다. 그림자도 이렇게 귀여우면 어쩌자고!!!

이른 나이에 이런 생각들을 하게 되어 좋을 수도 있지만, 안좋은 점은 현실을 너무나도 잘 간파한 나머지 오히려 앞으로의 결정에 있어서 주춤거리게 되는 것 같으니, 조금은 생각을 내려놓으라고 해주셨다. 주변에 선배가 없어서 내가하는 고민이 맞는지, 생각만 많아졌던 요즘 교수님과의 상담은 너무나도 힘이 되었다.

정말이지 대학원 인턴 잘 경험하고 오셨다고 했을 때 눈물이 핑 돌았다. 그리고 조금의 쉼을 지나 다시금 도전을 해보라 하셔서 하려고 한다.

같은 길을 밟아오셔서 많은 것을 이야기 하지 않았는데도 불구하고, 대화 도중 조금조금씩 나오는 내 상황에 대한 정확한 인식과 적당한 해결책이 너무나도 좋았다. 혼자 있을 때도 물론 생각했던 것이지만 이 상황을 알아주시는 분이 계셔서 제일 좋았던 것 같다.

마지막으로는 대학원이든 취업이든 가서 경험하고, 거기서 또 얻는 게 있고, 알아서 잘 할 학생이라고 확신을 주셔서 '그래 이게 나지' 주눅들었던 태도를 다시 자신감있게 바꿔보려고 한다.

1. "뭘해도 되는 사람들의 특징이 무엇인 줄 알아? 단순하고 열정적이야." 여러가지 목표를 잡고 전부다 잘해보려는 사람은 복잡하다. 복잡하다는 말은, 생각이 많아지고 열정도 분산되며 빠르게 식어버린다. 오래가기 어려운 사람들이 주로 그러하다. 나 역시도 너무 많은 것을 "잘" 해보려다가 아무것도 하지 않게 되는, "게으른 완벽주의자"였던 적이 있다. 그래서 요즘은, 하나만 일단 단순하게, 모든 열정을 쏟아부어 완성하고 그 다음을 그 때 생각하는 것이 낫겠다는 생각을 하게 된다.

2. "하기 싫어도, 단 하루가 되더라도 해." 이 말은 맥락이 조금 필요하다. 조선 최초 임금의 여성 주치의관이 된 장금은, 그 자리로 인해 많은 신하들의 반대와 내의원의 스승과 동료들의 반발을 겪으며 부담을 느끼게 된다. 그래서 자리를 맡지 않고 회피하려고 했다. 그러나 스승 장덕은 하루가 되더라도 맡아서 해야한다는 말로, 회피하려는 장금을 설득한다.
   이 말은 무엇일까? 계속해서 회피하는 사람은 나아갈 수가 없다. 딱 하루만이라도 하는 것과 하지 않는 것은 큰 차이가 있다. 그것이 자신에게 맞는 길인지, 아닌지를 알 수 있는 유일한 기회이자 시간이기 때문이다. 작게나마 깨달음을 겪고 미루었던 청소를 다시 하고 멈추었던 글쓰기를 다시 시작할 수 있었다. 글을 앞으로는 자주, 간략히 써보려고 노력하겠다. 짧게 하나씩 쓰기, 다시 시작해보겠다.