나는 이 작은 MacBook Neo로 ‘진짜 개발 작업’을 해보고 싶었음
M1 MacBook Air로 iOS 앱 여러 개를 만들고, 두 번의 스타트업 인수 과정을 거쳤음
FCP로 4K 레이스 영상을 30~45분짜리로 편집해도 문제없었고, Neo는 그 Air보다 더 나은 성능을 보여줌
예전엔 노르웨이 키보드가 달린 중고 노트북으로 PHP 백엔드와 jQuery 프론트를 개발했음
그걸로 만든 프로젝트들이 첫 개발자 직장을 얻는 계기가 되었고, 그날 Hacker News를 처음 알게 되었음
결국 중요한 건 하드웨어가 아니라 실행력임
휴가 중에는 노트북 대신 Galaxy S22 + HDMI 어댑터 + 블루투스 키보드 조합으로 개발했음
TV에 연결해 neovim과 termux로 Elixir 개발을 했고, 테스트는 5초면 끝났음
Rust 빌드는 느렸지만, 휴대성과 배터리 효율 덕분에 꽤 즐거운 경험이었음
2019년형 Intel MacBook Pro(16GB) 를 아직도 쓰고 있음
Xcode 빌드, Docker, Claude Code, Codex를 동시에 돌려도 잘 버팀
다만 팬 소음이 제트기 수준이라 새 M5 Max 16" MBP(48GB) 를 주문했음
7년 주기로 업그레이드하니 이번에도 오래 쓸 듯함
M1 Mac Mini(8GB) 로 1년간 iOS 앱을 빌드했음
빌드 중엔 약간 버벅이고, Firefox 전환 시 탭 전환이 느려졌지만 충분히 가능했음
같은 작업을 Intel MacBook Pro(16GB) 에서 하면 훨씬 부드럽고 쾌적했음
체감상 OS의 반응성 차이가 컸음
사람들은 종종 8GB 메모리를 과소평가함
압축 메모리 덕분에 실제로는 2~3배 데이터를 담을 수 있고, NVMe SSD 덕분에 스왑 읽기도 빠름
오히려 진짜 아쉬운 건 키보드 백라이트가 없는 점임
나는 강의할 때 데이터를 이렇게 구분함 — 한 머신 메모리에 다 들어가면 Small data, 디스크에 들어가면 Medium data, 그 이상은 Big data임
최근 20년 된 Python 앱을 현대화하면서 backend를 polars나 duckDB로 교체 가능하게 했는데, 속도가 40~80배 빨라졌음
이 작업에 이틀밖에 안 걸렸음
요즘은 한 시스템에 64TB DDR5 RAM도 넣을 수 있어서, 데이터 레이크급이 아니면 거의 다 Small data임
polars로 그렇게 큰 속도 차이가 난 이유가 궁금함
올바르게 사용하면 빠르지만, 잘못 다루면 성능이 크게 떨어짐
NVMe 덕분에 디스크 접근 속도가 빨라져서, ‘Medium data’ 정의도 애매해졌음
2000년대식 Big Data 인프라는 이제 구식이 된 것 같음
나는 DuckDB의 모바일 벤치마크 글을 보고 신뢰가 떨어졌음
Swift 앱과 CLI 앱을 비교하는 건 사과와 바나나 비교 같았음
하지만 그 실험은 스마트폰에서 로컬 CLI 앱을 돌린 것이었음
iPhone과 Android 비교가 아니라, 벡터화 쿼리 처리 연구 논문 시스템과의 비교였음
이건 AWS 컴퓨트 성능에 대한 비판이기도 함
AWS는 EBS 네트워크 스토리지를 썼기 때문에, 로컬 PCIe 버스 대비 지연이 훨씬 큼
특히 랜덤 접근 부하에서는 큰 차이를 만듦
그래도 AWS가 노트북보다 빠르지 않았나?
네트워크 디스크가 느렸다고 해서 AWS 전체를 비판하긴 어려움
AWS에도 로컬 SSD 인스턴스가 있음
하지만 클라우드는 여전히 과도하게 비쌈
내 M1 Max 노트북이 대부분의 클라우드 인스턴스를 압도함
대역폭 가격은 1만 배 차이까지 나고, 이제 개발자 세대 대부분이 클라우드 SaaS만 알고 있음
그 흐름을 실시간으로 지켜봤음
사실 기사 내용은 반대임
“Big Data 작업을 매일 노트북에서 한다면 Neo는 적합하지 않다”
“하지만 클라우드에서 DuckDB를 돌리고, 노트북은 클라이언트로 쓴다면 훌륭하다”는 요지였음
나는 가난한 생태학자지만, 이 작은 컴퓨터로 R과 Word 작업을 전부 처리할 수 있음
가격 대비 완성도 높은 빌드 품질에 매우 만족 중임
혹시 조개 연구 중인가요?
우리 지역의 정부 지원 조개 연구 프로그램은 대부분 종료되어 아쉬움
근데 벌써 구입했음? 아직 사전 주문 단계인 줄 알았음
나는 DuckDB를 정말 좋아함
AWS Lambda에서 S3에 GZ로 저장된 데이터를 처리하는 PoC를 했는데, 400줄의 C# 코드를 10줄로 대체했음
놀라운 오픈소스 도구임
최근 몇 년간 나온 가장 훌륭한 오픈소스 선물 중 하나라고 생각함
‘2026년에 8GB로 뭘 하냐’는 사람들은 이런 글을 꼭 읽어봤으면 함
이런 일반 하드웨어 성능 쇼케이스를 더 많은 회사가 했으면 좋겠음
실제로 어느 정도 부하를 감당할 수 있는지 보여주는 게 유익함
벤치마크를 할 때는 로컬 NVMe 인스턴스(c8gd.4xlarge) 로 했어야 함
좋은 지적이라, 실제로 c8gd.4xlarge(950GB NVMe)와 c5ad.4xlarge(RAID 0 구성)로 다시 테스트했음
내 로컬 MacBook M1 Max(64GB, 10코어) 결과도 함께 비교했음
결과적으로 M1 Max가 여전히 클라우드 인스턴스보다 빠름
최신 M5 Pro/Max라면 더 큰 차이가 날 듯함
하지만 AWS의 로컬 NVMe는 휘발성 저장소라, 매번 데이터를 미리 올려야 함
그래도 벤치마크 목적에는 오히려 이상적임
다만 지역 전체 정전 시 데이터 지속성 보장이 아직 불확실함
완전한 내구성을 원한다면 여전히 WAL 스트리밍이 필요함
클라우드 인스턴스가 네트워크 디스크를 쓴다는 걸 바로 짚어낸 건 좋았음
그렇다면 왜 로컬 스토리지 인스턴스(c8id.2xlarge, c8id.4xlarge) 로 다시 벤치마크하지 않았는지 궁금함
Hacker News 의견들
나는 이 작은 MacBook Neo로 ‘진짜 개발 작업’을 해보고 싶었음
M1 MacBook Air로 iOS 앱 여러 개를 만들고, 두 번의 스타트업 인수 과정을 거쳤음
FCP로 4K 레이스 영상을 30~45분짜리로 편집해도 문제없었고, Neo는 그 Air보다 더 나은 성능을 보여줌
그걸로 만든 프로젝트들이 첫 개발자 직장을 얻는 계기가 되었고, 그날 Hacker News를 처음 알게 되었음
결국 중요한 건 하드웨어가 아니라 실행력임
TV에 연결해 neovim과 termux로 Elixir 개발을 했고, 테스트는 5초면 끝났음
Rust 빌드는 느렸지만, 휴대성과 배터리 효율 덕분에 꽤 즐거운 경험이었음
Xcode 빌드, Docker, Claude Code, Codex를 동시에 돌려도 잘 버팀
다만 팬 소음이 제트기 수준이라 새 M5 Max 16" MBP(48GB) 를 주문했음
7년 주기로 업그레이드하니 이번에도 오래 쓸 듯함
빌드 중엔 약간 버벅이고, Firefox 전환 시 탭 전환이 느려졌지만 충분히 가능했음
같은 작업을 Intel MacBook Pro(16GB) 에서 하면 훨씬 부드럽고 쾌적했음
체감상 OS의 반응성 차이가 컸음
압축 메모리 덕분에 실제로는 2~3배 데이터를 담을 수 있고, NVMe SSD 덕분에 스왑 읽기도 빠름
오히려 진짜 아쉬운 건 키보드 백라이트가 없는 점임
나는 강의할 때 데이터를 이렇게 구분함 — 한 머신 메모리에 다 들어가면 Small data, 디스크에 들어가면 Medium data, 그 이상은 Big data임
최근 20년 된 Python 앱을 현대화하면서 backend를 polars나 duckDB로 교체 가능하게 했는데, 속도가 40~80배 빨라졌음
이 작업에 이틀밖에 안 걸렸음
올바르게 사용하면 빠르지만, 잘못 다루면 성능이 크게 떨어짐
비싸긴 해도 대부분의 문제는 여전히 RAM 안에 들어감
2000년대식 Big Data 인프라는 이제 구식이 된 것 같음
나는 DuckDB의 모바일 벤치마크 글을 보고 신뢰가 떨어졌음
Swift 앱과 CLI 앱을 비교하는 건 사과와 바나나 비교 같았음
iPhone과 Android 비교가 아니라, 벡터화 쿼리 처리 연구 논문 시스템과의 비교였음
이건 AWS 컴퓨트 성능에 대한 비판이기도 함
특히 랜덤 접근 부하에서는 큰 차이를 만듦
네트워크 디스크가 느렸다고 해서 AWS 전체를 비판하긴 어려움
AWS에도 로컬 SSD 인스턴스가 있음
내 M1 Max 노트북이 대부분의 클라우드 인스턴스를 압도함
대역폭 가격은 1만 배 차이까지 나고, 이제 개발자 세대 대부분이 클라우드 SaaS만 알고 있음
그 흐름을 실시간으로 지켜봤음
“Big Data 작업을 매일 노트북에서 한다면 Neo는 적합하지 않다”
“하지만 클라우드에서 DuckDB를 돌리고, 노트북은 클라이언트로 쓴다면 훌륭하다”는 요지였음
나는 가난한 생태학자지만, 이 작은 컴퓨터로 R과 Word 작업을 전부 처리할 수 있음
가격 대비 완성도 높은 빌드 품질에 매우 만족 중임
우리 지역의 정부 지원 조개 연구 프로그램은 대부분 종료되어 아쉬움
나는 DuckDB를 정말 좋아함
AWS Lambda에서 S3에 GZ로 저장된 데이터를 처리하는 PoC를 했는데,
400줄의 C# 코드를 10줄로 대체했음
놀라운 오픈소스 도구임
‘2026년에 8GB로 뭘 하냐’는 사람들은 이런 글을 꼭 읽어봤으면 함
이런 일반 하드웨어 성능 쇼케이스를 더 많은 회사가 했으면 좋겠음
실제로 어느 정도 부하를 감당할 수 있는지 보여주는 게 유익함
벤치마크를 할 때는 로컬 NVMe 인스턴스(c8gd.4xlarge) 로 했어야 함
내 로컬 MacBook M1 Max(64GB, 10코어) 결과도 함께 비교했음
결과적으로 M1 Max가 여전히 클라우드 인스턴스보다 빠름
최신 M5 Pro/Max라면 더 큰 차이가 날 듯함
그래도 벤치마크 목적에는 오히려 이상적임
완전한 내구성을 원한다면 여전히 WAL 스트리밍이 필요함
클라우드 인스턴스가 네트워크 디스크를 쓴다는 걸 바로 짚어낸 건 좋았음
그렇다면 왜 로컬 스토리지 인스턴스(c8id.2xlarge, c8id.4xlarge) 로 다시 벤치마크하지 않았는지 궁금함