{"id":20570414,"url":"https://github.com/younghakim7/rust_backend_web_dev","last_synced_at":"2026-04-30T07:43:20.723Z","repository":{"id":156888065,"uuid":"626000639","full_name":"YoungHaKim7/Rust_BackEnd_Web_Dev","owner":"YoungHaKim7","description":" Rust-WebAssembly_WASM_BackEnd","archived":false,"fork":false,"pushed_at":"2024-04-12T02:21:38.000Z","size":122,"stargazers_count":0,"open_issues_count":0,"forks_count":1,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-03-06T09:56:54.231Z","etag":null,"topics":["backend","rust","wasm","webassembly"],"latest_commit_sha":null,"homepage":"https://youtube.com/playlist?list=PLcMveqN_07mbHVvdMjKzevRunoZfEZKPU\u0026si=p5_t0jgpXKMNr7Se","language":"Rust","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/YoungHaKim7.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2023-04-10T15:28:01.000Z","updated_at":"2024-02-06T19:25:32.000Z","dependencies_parsed_at":"2024-01-16T03:59:08.845Z","dependency_job_id":"9d47c4a2-d446-43b9-9e81-36e91d637189","html_url":"https://github.com/YoungHaKim7/Rust_BackEnd_Web_Dev","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/YoungHaKim7/Rust_BackEnd_Web_Dev","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/YoungHaKim7%2FRust_BackEnd_Web_Dev","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/YoungHaKim7%2FRust_BackEnd_Web_Dev/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/YoungHaKim7%2FRust_BackEnd_Web_Dev/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/YoungHaKim7%2FRust_BackEnd_Web_Dev/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/YoungHaKim7","download_url":"https://codeload.github.com/YoungHaKim7/Rust_BackEnd_Web_Dev/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/YoungHaKim7%2FRust_BackEnd_Web_Dev/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":259456091,"owners_count":22860484,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["backend","rust","wasm","webassembly"],"created_at":"2024-11-16T05:13:07.527Z","updated_at":"2026-04-30T07:43:15.691Z","avatar_url":"https://github.com/YoungHaKim7.png","language":"Rust","funding_links":[],"categories":[],"sub_categories":[],"readme":"# link\n\n- [wasm-support_러스트WASM_rust](#wasm-supportrust)\n\n\u003chr\u003e\n\n# Rust_BackEnd_Web_Dev\n- Zero To Production In Rust\n\u003cp align=\"center\"\u003e\n  \u003cimg width=120px src=\"https://github.com/YoungHaKim7/Cpp_Training/assets/67513038/87c0f290-b283-4fb0-bcaf-e357ad023fe2\"\u003e\n\u003c/p\u003e\n\n\nhttps://www.zero2prod.com/index.html?country=Korea\u0026discount_code=SEA60\n\nhttps://www.amazon.com/Zero-Production-Rust-introduction-development/dp/B0BHLDMFDQ\n\n\u003chr\u003e\n\n# A curated list of Rust code and resources. \n\n- https://github.com/rust-unofficial/awesome-rust\n\n\u003chr\u003e\n\n# homepage만들고 얼마나 잘 만들었나 점수 체크하기\n\nhttps://pagespeed.web.dev/\n\n\u003chr\u003e\n\n# awesomeapp\n\nhttps://awesomeapp.dev/\n\n# Roadmap(Backend)\n\nhttps://roadmap.sh/backend\n\n- Full-Stack\n\n  - https://roadmap.sh/full-stack\n\n# 로드맵 한국사람이 정리함\n\nhttps://yozm.wishket.com/magazine/detail/2064/\n\n\u003chr\u003e\n\n\n# 최신 AI 스택 : 엔터프라이즈 AI 아키텍처의 미래를 위한 설계 원칙 (menlovc.com) 240129\nhttps://news.hada.io/topic?id=13094\u0026utm_source=discord\u0026utm_medium=bot\u0026utm_campaign=1480\n\n## 최신 AI 스택의 정의\n- 계층 1 : 컴퓨트 및 기초 모델 - 기초 모델 자체와 모델을 훈련, 미세 조정, 최적화 및 배포하기 위한 인프라를 포함\n- 계층 2 : 데이터 - LLM을 기업 데이터 시스템 내의 적절한 컨텍스트에 연결하는 인프라를 포함하며, 데이터 전처리, ETL 및 데이터 파이프라인, 벡터 데이터베이스, 메타데이터 저장소, 컨텍스트 캐시 등의 핵심 구성 요소를 포함\n- 계층 3 : 배포 - 개발자가 AI 애플리케이션을 관리하고 조정하는 데 도움이 되는 도구를 포함. 에이전트 프레임워크, 프롬프트 관리, 모델 라우팅 및 조정\n- 계층 4 : 관찰 가능성 - LLM의 실행 시간 동작을 모니터링하고 위협으로부터 보호하는 솔루션을 포함\n\n## 새로운 AI 성숙도 곡선\n- 현대 AI 스택을 정의하는 시장 구조와 기술은 빠르게 진화하고 있으며, 주요 구성 요소와 리더들이 이미 등장함\n- LLM 이전에는 ML 개발이 선형적이고 '모델 중심'이었으나, LLM은 '제품 중심'으로 전환하여 ML 전문 지식이 없는 팀도 AI를 제품에 통합할 수 있게 함\n- AI 스택이 성숙함에 따라 개발 팀은 기업 또는 고객 특정 데이터를 통해 AI 경험을 맞춤화하려고 함\n- AI 성숙도 곡선\n  - 1단계: Closed-source models only 비공개 모델만\n    - 2023년 초에는 비용과 엔지니어링 노력이 주로 기초 모델 자체에 집중하고 그 위에 간단한 커스터마이제이션(프롬프트 엔지니어링 / 퓨삿러닝 등의 학습)만 있었음\n    - OpenAI 및 Anthropic 과 같은 주요 비공개 소스 모델 제공업체가 이 단계에서 초기 견인력을 얻어 현대 AI 스택의 최초 승자로 확고히 자리 잡음\n  - 2단계: Retrieval-augmented generation 검색증강 생성\n    - AI 애플리케이션 노력의 중심으로(모델 계층이 아닌) 데이터 계층에 초점을 둠\n    - 특히 RAG의 대중화에는 벡터 데이터베이스 Pinecone 및 데이터 전처리 엔진 Unstructured 와 같은 더욱 강력한 데이터 계층 인프라가 필요\n    - 대부분의 기업과 스타트업은 현재 이 단계에 있음\n  - 3단계: Hybrid model deployment 하이브리드 모델 배포\n    - Typeface 및 Descript 와 같은 선두 기업이 대용량 도메인별 작업을 위해 오픈 소스로 폐쇄 소스 모델 사용을 보완하기 시작\n    - Modal, Baseten 및 Fireworks 와 같은 모델 배포 공급업체가 상당한 견인력을 얻기 시작\n  - 4단계 이상: Custom models 맞춤형 모델\n    - 아직까지 자체 모델을 구축할 정도로 고도화되었거나 자체 모델을 구축할 필요가 있는 기업은 거의 없지만, 향후에는 스택을 더 깊이 활용하고자 하는 대기업의 사용 사례가 늘어날 것\n    - 메모리 효율적 미세 조정(4비트 양자화, QLoRA, 메모리 페이징/오프로드 포함)을 위한 툴을 제공하는 Predibase, Lamini와 같은 기업이 이를 지원하게 될 것\n\n## 새로운 AI 인프라 스택을 위한 네 가지 주요 설계 원칙\n- AI 혁명은 새로운 인프라 스택에 대한 수요를 촉발할 뿐만 아니라 기업이 애플리케이션 개발, R\u0026D 지출 및 팀 구성을 접근하는 방식을 재구성함\n- 주요 설계 원칙:\n  - 1. 지출의 대부분은 추론과 트레이닝에 사용됨\n    - LLM 혁명 초기에는 모든 회사가 언젠가 자신만의 대규모 언어 모델을 훈련할 수 있을 것으로 보였음\n    - 2023년 3월에 발표된 BloombergGPT(재무 데이터에 대해 특별히 훈련된 50b LLM) 와 같은 모델은 앞으로 기업 및 도메인별 LLM이 범람하는 사례로 예고되었음\n    - 하지만 그런 대홍수는 나지 않았음\n    - Menlo Ventures의 최근 엔터프라이즈 AI 설문조사에 따르면 전체 AI 지출의 거의 95%가 런타임과 사전 학습에 사용되고 있는 것으로 나타남\n    - 이 비율은 Anthropic과 같은 대형 기반 모델 제공업체에서만 뒤집혔음. 애플리케이션 레이어에서는 Writer와 같은 정교한 AI 빌더조차도 컴퓨팅의 80% 이상을 트레이닝이 아닌 추론에 사용\n  - 2. 우리는 다중 모델(Multi-Model) 세계에서 살고 있음\n    - 단일 모델이 \"모든 모델을 지배\"할 수는 없음\n    - 기업의 60%가 여러 모델을 사용하고 프롬프트를 가장 성능이 좋은 모델로 라우팅함\n    - 다중 모델 접근 방식은 단일 모델 종속성을 제거하고 더 높은 제어 가능성을 제공하며 비용을 절감\n  - 3. RAG가 지배적인 아키텍처 접근 방식임\n    - LLM은 뛰어난 추론 엔진이지만 도메인 및 기업별 지식이 제한되어 있음\n    - 유용한 AI 경험을 만들기 위해 팀은 검색 증강 생성(RAG)부터 시작하여 지식 증강 기술을 신속하게 배포중\n    - RAG는 ​​Pinecone과 같은 벡터 데이터베이스를 통해 기본 모델에 기업별 \"메모리\"를 부여\n    - 이 기술은 현재 생산 중인 미세 조정, 하위 순위 적응 또는 어댑터와 같은 다른 사용자 정의 기술보다 훨씬 앞서며 주로 데이터 계층이 아닌 모델 계층에서 작동\n    - 앞으로도 이러한 추세는 계속될 것이며 데이터 전처리 엔진(예: Cleanlab ) 및 ETL 파이프(예: Unstructured )를 포함한 데이터 평면의 새로운 부분이 런타임 아키텍처에서 통합될 것으로 예상\n  - 4. 모든 개발자는 이제 AI 개발자임\n    - 전 세계적으로 개발자는 3천만 명, ML 엔지니어는 30만 명, ML 연구원은 3만 명에 불과\n    - ML의 최전선에서 혁신을 이루고 있는 사람들의 경우, GPT-4 또는 Claude 2 수준 시스템을 구축하는 방법을 아는 연구원은 전 세계에 50명에 불과할 것으로 추정\n    - 이러한 현실에 직면하여 좋은 소식은 수년간의 기초 연구와 정교한 ML 전문 지식이 필요했던 작업을 이제 강력한 사전 훈련된 LLM을 기반으로 데이터 시스템을 엔지니어링하는 주류 개발자가 며칠 또는 몇 주 안에 완료할 수 있다는 것\n    - Salesforce의 Einstein GPT(Sales용 AI CoPilot) 및 Intuit Assist(Generative AI 기반 금융 비서)와 같은 제품은 주로 AI 엔지니어로 구성된 린 팀(최신 AI 스택의 데이터 플레인에서 작업하는 전통적인 풀 스택 엔지니어)에 의해 구축됨\n\n## 다음 단계\n- 현대 AI 스택은 빠르게 진화하고 있으며, 올해 계속해서 진행될 것으로 예상되는 몇 가지 발전이 있음\n- 차세대 AI 어플리케이션들은 더욱 발전된 RAG을 시범 운영중\n- RAG는 오늘날 왕이지만, 이 접근 방식이 문제가 없는 것은 아님\n  - 많은 구현에서는 여전히 토큰 수 기반 문서 청크, 비효율적인 인덱싱 및 순위 알고리듬을 포함하여 나이브한 임베딩 및 검색 기술을 활용\n  - 컨텍스트 조각화, 환각, 엔티티 희귀성, 비효율적 검색 같은 문제를 가지고 있음\n  - 이런 문제를 해결하기 위해 차세대 아키텍처는 더 발전된 RAG을 테스트중 : Chain-Of-Thought 추론, Tree-Of-Thought 추론, Reflexion, 룰기반 검색 등\n- 소형 모델이 최신 AI 스택에서 더 큰 비중을 차지\n  - AI 애플리케이션 빌더가 최신 AI 스택에 더 깊이 집중함에 따라, 더 세밀하고 작업 특정 모델의 증가가 예상됨\n  - 더 큰 폐쇄 소스 모델이 다루기 힘들거나 비용이 많이 드는 특정 영역에 대해 미세 조정된 작업별 모델이 확산될 것\n  - ML 파이프라인 구축 및 미세 조정을 위한 인프라는 기업이 자체 작업별 모델을 생성함에 따라 이 단계에서 매우 중요해질 것\n  - Ollama 및 ggml에서 제공하는 양자화 기술은 팀이 소형 모델이 제공하는 최대 속도 향상을 누릴 수 있도록 도와줌\n- 관찰 가능성(Observability)과 모델 평가(Model Evaluation)를 위한 새로운 도구가 등장하고 있음\n  - 2023년 대부분의 기간 동안 로깅과 평가는 전혀 이루어지지 않았거나, 수작업으로 이루어졌거나, 대부분의 엔터프라이즈 애플리케이션의 출발점이 되는 학술적 벤치마크를 통해 이루어졌음\n  - Criteo의 조사에 따르면 AI를 도입한 기업 중 약 70%가 주요 평가 기법으로 사람을 통해 결과물을 검토하고 있는 것으로 나타남. 그 이유는 리스크가 높기 때문\n  - 고객은 고품질의 결과물을 기대하며 그럴 자격이 있고, 기업들은 환각으로 인해 고객의 신뢰를 잃을 수 있다는 점을 잘 알고 있음\n  - 따라서 관찰 가능성과 평가는 새로운 툴을 위한 중요한 기회를 제공\n  - 이미 Braintrust, Patronus, Log10, AgentOps와 같은 유망한 새로운 접근 방식이 등장하고 있음\n- 아키텍처는 서버리스 방향으로 이동할 것\n  - 다른 엔터프라이즈 데이터 시스템과 마찬가지로, 최신 AI 스택은 시간이 지남에 따라 서버리스로 이동하고 있음\n  - 여기서는 \"임시 머신\" 유형의 서버리스(예: 람다 함수)와 진정한 스케일 투 제로 서버리스(예: 포스트그레스용 Neon 아키텍처)를 구분함\n  - 스케일 투 제로 서버리스의 경우 인프라를 추상화하면 개발자는 애플리케이션 실행의 운영 복잡성을 덜고, 더 빠른 반복이 가능하며, 기업은 컴퓨팅 대비 가용성에 대해서만 비용을 지불하여 상당한 리소스 최적화를 누릴 수 있음\n  - 서버리스 패러다임은 최신 AI 스택의 모든 부분에 적용될 것\n  - Pinecone은 벡터 컴퓨팅을 위한 최신 아키텍처로 이러한 접근 방식을 채택\n  - Neon은 Postgres, Momento는 Caching, Baseten과 Modal은 추론을 위해 동일한 작업을 수행\n\n\u003chr\u003e\n\n\u003chr\u003e\n\n# Rust Actix-Web Api - Full Crud | Arturo Filio Villa\n\n- https://youtu.be/TY0BLKCVMiU?si=7VpUIXL4MJH4qe1W\n\n# Introduction to Rust syntax with a REST API built with Rocket\n\n- https://youtu.be/8RA6LSjXvRk?si=I_7vfBubh1W3oKRh\n\n# Full Stack\n\n- Building a Movie Collection Manager - Full Stack Workshop with Rust, Actix, SQLx, Dioxus, and Shuttle\n\n  - https://bcnrust.github.io/devbcn-workshop/index.html\n\n- “Rustifying” serverless: Boost AWS Lambda performance with Rust - AWS re:Invent talk\n  - https://youtu.be/Mdh_2PXe9i8?si=HxFJBaknHSBUQmFd\n\n# Rust Axum Full Course - Web Development | Jeremy Chone 👍❤️\n\n  - https://youtu.be/XZtlD_m59sM\n\n  - Axum-tutorial\n\n    - https://github.com/programatik29/axum-tutorial\n\n# Building a Web Application with Rust\n\nhttps://youtube.com/playlist?list=PLz51_WNhdOqv7S5pnycKySU_4PpCagU4Q\n\n# How to Build a REST API in Rust — A Step-by-Step Guide\n\nhttps://betterprogramming.pub/rest-api-in-rust-step-by-step-guide-b8a6c5fcbff0\n\n# Decrusting the axum crate | Jon Gjengset\n\nhttps://youtu.be/Wnb_n5YktO8?si=WixI6POiudPyiMCN\n\n\u003chr\u003e\n\n\u003chr\u003e\n\n# 웹 성능 비교 웹 프레임이 정말 많다. 이걸 다 비교하네 괴물들 !!\n\nhttps://krausest.github.io/js-framework-benchmark/current.html\n\n\n# Frontend in Rust with Yew and WASM\n\nhttps://youtu.be/1WHJqz0CHBw\n\n\n# Build a Rust API with Rocket, Diesel, and MySQL\n\nhttps://planetscale.com/blog/build-a-rust-api-with-rocket-diesel-mysql\n\n\u003chr\u003e\n\n# 백엔드 개발 (Backend web development) - A to Z | 코딩셀러 - Build and Sell\n\nhttps://youtu.be/yY5zUp1J-iI\n\n\u003chr\u003e\n\n# Mac M1 Postgres installation using home brew\u0026명령어 표로 정리\n\nhttps://economiceco.tistory.com/11882\n\n# cargo expand\n\nhttps://github.com/dtolnay/cargo-expand\n\n\n# A Practical Introduction to Derive Macros in Rust\n\nhttps://youtu.be/XY0yR6IPbhw\n\n- Rust macros기초\n  - https://doc.rust-lang.org/book/ch19-06-macros.html\n\n# Rust String 종류\n\n```\nString, \u0026str\nCStr, CString\nCow\u003c'_, str\u003e\nPath, PathBuf\nVec\u003cu8\u003e\n\u0026[u8]\nOsStr\n```\n\n# Rust - String 넣는 법\n\n```\n.to_string()\n.to_owned()\n.into()\nString::from()\nformat!()\n.into()\n```\n\n\n\u003chr\u003e\n\n# Concurruncy vs Parallel 이해하기\n\n- Node.js is a serious thing now… (2023)(동영상 그림이 이해하기 좋다.)57초부터\n  - https://youtu.be/_Im4_3Z1NxQ\n\n- 내가 만드거 1분 23초부터\n  - https://youtu.be/O3-5o1RiKws \n\n\n# Computer Science\n\n- Concurruncy\n  - https://en.wikipedia.org/wiki/Concurrency_(computer_science)\n\n- Parallel\n  - https://en.wikipedia.org/wiki/Parallel_computing\n \n# 데이터 파이프라인 구축 - 이론\n\nhttps://velog.io/@ginee_park/%EB%8D%B0%EC%9D%B4%ED%84%B0-%ED%8C%8C%EC%9D%B4%ED%94%84%EB%9D%BC%EC%9D%B8-%EA%B5%AC%EC%B6%95-%EC%9D%B4%EB%A1%A0\n\n- 우선은 데이터 파이프라인을 한번 경험해보는 것이 좋을 것 같아서 정리된 실습 강의\n\n  - 1) T academy \"빅데이터 파이프라인 기술의 이해 및 적정도구의 선정\" 빅데이터 파이프라인 기술을 이해하고, 여기에 사용되는 주요 클라우드 플랫폼 및 다양한 도구들의 장단점, 유스케이스에 맞는 도구를 선택하는 방법을 알아봅니다.\n220분 https://tacademy.skplanet.com/live/player/onlineLectureDetail.action?seq=116\n\n  - 2) T academy \"소셜 데이터 분석을 위한 데이터 파이프라인 구성 실습\" 트위터와 같은 소셜 빅데이터 분석을 위한 데이터 파이프라인 구성의 전체 flow를 간단하게 실습하여 경험할 수 있습니다. 200분https://tacademy.skplanet.com/live/player/onlineLectureDetail.action?seq=117\n\n# WASM support(Rust)\n  - install\n\n  ```bash\n\n  rustup target add wasm32-wasi\n  ```\n\n  ```\n  cargo build --target wasm32-wasi\n  wasmer run target/wasm32-wasi/debug/cve-rs.wasm\n  ```\n  https://wasmer.io/\n\n  https://github.com/Speykious/cve-rs\n\n\n  ```bash\n  curl https://get.wasmer.io -sSfL | sh\n  ```\n\n  - Run in CLI\n\n  ```bash\n  wasmer run cowsay \"Hello world\"\n  ```\n\n  ```\n  pdating bash profile /Users/g/.config/fish/config.fish\n  we've added the following to your /Users/g/.config/fish/config.fish\n  If you have a different profile please add the following:\n  ```\n\n  - Wasmer\n  ```\n  export WASMER_DIR=\"/Users/g/.wasmer\"\n  [ -s \"$WASMER_DIR/wasmer.sh\" ] \u0026\u0026 source \"$WASMER_DIR/wasmer.sh\"\n  check: wasmer 4.2.7 installed successfully ✓\n  wasmer will be available the next time you open the terminal.\n  If you want to have the commands available now please execute:\n  ```\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fyounghakim7%2Frust_backend_web_dev","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fyounghakim7%2Frust_backend_web_dev","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fyounghakim7%2Frust_backend_web_dev/lists"}