Cloudfront Functions

CloudWatch RUM + CloudFront Functions + KVS로 데이터 기반 Speculation Rules 구축하기 TL;DR: Speculation Rules API는 사용자가 다음에 방문할 페이지를 브라우저가 미리 로드하거나 렌더링하도록 지시합니다. 핵심 과제는 “어떤 페이지를” 예측하느냐입니다. 이 글에서는 자동화 파이프라인을 구축합니다: CloudWatch RUM이 실제 사용자 네비게이션 패턴을 수집하고, 일일 Lambda가 페이지별 상위 목적지를 계산하여 S3에 JSON 파일로 업로드하고 CloudFront KeyValueStore에 매핑을 기록합니다. CloudFront Function(viewer-response)이 Speculation-Rules 응답 헤더를 동적으로 삽입합니 …

봇을 차단하지 마세요. 속이세요. TL;DR: Origin에 도달하는 봇 트래픽은 인프라 비용을 낭비하고, 비즈니스 메트릭(전환율, 참여도, 분석)을 왜곡하며, 차단 룰 유지에 지속적 운영 부담을 줍니다. 기만은 이 비용을 줄입니다: AWS WAF Bot Control을 count 전용 모드로 라벨만 부착하고, dynamic label interpolation으로 라벨을 요청 헤더에 변환한 뒤, CloudFront Function + origin이 기만적 응답을 반환합니다 — 강제 타임아웃, 오염된 데이터, shadow banning. 봇은 탐지 신호 없이 HTTP 200을 수신하므로, 우회 반복을 유발하는 피드백 루프가 제거됩니다. 주요 용어: Bot Control Targeted = AWS WAF의 고급 …

왜 내 블로그는 봇한테 HTML을 안 주는가 TL;DR: 검증된 봇에게 HTML 대신 Markdown 원본을 제공하면 두 가지를 얻습니다. AI 답변에 내 콘텐츠가 왜곡 없이 인용되고, Data Transfer Out 비용이 94 % 줄어듭니다. AWS WAF Bot Control로 봇을 식별하고, CloudFront Functions로 URL을 재작성하는 구조입니다. Key Terms: Bot Control Targeted = AWS WAF의 봇 탐지 레벨. IP 평판·TLS 핑거프린팅·행동 분석을 조합해 봇을 분류 | CloudFront Functions = CloudFront 엣지에서 JavaScript를 실행하는 경량 컴퓨팅(viewer-request/viewer-response 단계) | Data …