Netflix Tech Blog 뉴스

넷플릭스는 LLM을 활용해 콘텐츠 시놉시스의 품질을 평가하는 'LLM-as-a-Judge' 시스템을 도입했습니다. 이 시스템은 인간 작가의 평가 기준과 85% 이상의 일치율을 보이며, 실제 사용자의 시청 지표(시청 시작률, 이탈률)를 예측하여 콘텐츠 출시 전 선제적인 품질 관리를 가능하게 합니다.

넷플릭스는 대규모 데이터 쿼리 부하를 해결하기 위해 Apache Druid의 롤링 윈도우 특성을 활용한 '인터벌 인식 캐싱(Interval-Aware Caching)' 기술을 도입했습니다. 변하지 않는 과거 데이터는 긴 TTL로 캐싱하고, 최신 데이터만 짧게 갱신함으로써 데이터의 미세한 지연(5초)을 허용하는 대신 인프라 비용과 쿼리 부하를 획기적으로 줄였습니다.

넷플릭스는 방대한 영상 아카이브에서 특정 장면을 즉각적으로 찾아낼 수 있도록 멀티모달 인텔리전스 기반의 비디오 검색 시스템을 구축했습니다. 다양한 AI 모델의 출력값을 통합하여 텍스트, 이미지, 오디오 데이터를 하나의 정교한 타임라인으로 관리함으로써 제작 효율성을 극대화합니다.

넷플릭스가 모든 라이브 스트리밍 인코딩 방식을 CBR(고정 비트레이트)에서 VBR(가변 비트레이트)로 전환했습니다. 이를 통해 평균 데이터 전송량을 15% 절감하고 버퍼링 발생률을 5% 낮추는 성과를 거두었으나, 트래픽 변동성 증가에 따른 인프라 관리의 복잡성이라는 과제를 안게 되었습니다.