디에스 DevOps Lab

이 포스트에서는 Python과 AI 모델(LLama 3.1)을 활용하여 바이낸스 선물 자동매매 시스템 을 설계한 전체 구조를 소개합니다. 이 봇은 실시간 가격, 계정 정보, 기술적 지표, AI 분석, 그리고 포지션 전략까지 통합하여 트레이딩을 자동화하며, 데이터는 Mysql 을 통해 관리됩니다. 📌 목차 사용 기술 및 라이브러리 구성 환경변수 관리 (.env) 데이터베이스 구조 및 초기화 트레이드 기록 및 계정 히스토리 함수 성과 분석 및 통계 계산 기술적 지표 분석 로직 AI 모델 연동 및 응답 파싱 메인 트레이딩 루프 1. 사용 기술 및 라이브러리 구성 ccxt : 바이낸스 선물 API 연동 (포지션/가격/잔고 관리) mysql : 데이터 저장 (트레이드 및 계정 이력)  pandas, numpy : 시계열 데이터 및 기술적 지표 계산 requests : 외부 AI 모델 및 뉴스 API 통신 dotenv : API 키 및 민감 정보 환경변수로 관리 2. 환경변수 관리 (.env) .env 파일에 민감한 키 정보를 관리합니다: BINANCE_API_KEY , BINANCE_SECRET_KEY AI_API_URL , AI_API_KEY (예: 로컬 Llama3.1 WebUI 엔드포인트) 3. 데이터베이스 구조 및 초기화 초기 실행 시 아래 테이블을 생성합니다: trades : 거래 상태 기록 ( open/closed , 가격, 수량 등) trade_results : 개별 거래의 성과 기록 account_history : 계정 잔액 히스토리 4. 트레이드 기록 및 계정 히스토리 함수 save_trade() : 포지션 진입 정보 기록 close_trade() : 포지션 종료 및 수익 계산 update_account_history() : 주기적 잔액 저장 get_active_trade_info() : 현재 오픈된 거래 정보 조회 ...

📌 네이버 부동산 데이터 스크래퍼를 소개합니다! 네이버 부동산에서 매물을 지도 기반으로만 보다 보면, 모든 매물을 한눈에 확인하기 어렵고 , 원하는 조건의 매물을 빠르게 찾기 힘든 경우가 많습니다. 이제는 네이버 지도 그래픽 환경의 검색 뿐만 아니라, 엑셀처럼 정리된 데이터 형태 로 부동산 매물을 검색해보세요! 지역별, 가격별, 평형별로 필터링하며 원하는 정보를 손쉽게 찾을 수 있습니다. 누구나 쉽게 사용할 수 있도록 만든 도구입니다. 필요한 정보를 빠르게 찾고, 현명한 선택에 도움되길 바랍니다. 사용 방법은 네이버 부동산 들어가셔서 URL에서 숫자를 확인 하고 입력하시기만 하면 됩니다. 이 화면에서는 131345 를 사용하시면 됩니다. 그리고 나서 131455 숫자를 입력하시고 매물 검색을 합니다. 이제부터는 깃코드로 애플리케이션을 컨테이너 환경으로 만드는 절차를 설명 합니다. 코드는 다음과 깃허브 참고하세요. https://github.com/dslee1371/scraper_trade_rs_stream 컨테이너화 1. 깃 클론 2. 빌드 3. 도커 이미지 태그 변경 4. 도커 푸쉬 앱배포 Deployments apiVersion: v1 items: - apiVersion: apps/v1   kind: Deployment   metadata:     labels:       workload.user.cattle.io/workloadselector: apps.deployment-naver-rs-scraper-deploy-naver-rs-scraper     name: deploy-naver-rs-scraper     namespace: naver-rs-scraper   spec:     progressDeadlineSeconds: 600     replicas: 1     revisionHis...