Crontab Log에 "docker: command not found"가 보일 때

며칠 전부터 Crontab으로 진행하고 있던 Backup이 제대로 진행되지 않아서 Log를 훑어보니 다음과 같이 "command not found" Error가 발생하는 것을 확인할 수 있었다.

Making backup folder for 2022-02-04_01-00
Saving Database Backup in Docker 2022-02-04_01-00
/xx/xx/backup.sh: line 9: docker: command not found

관련되어서 Stackoverflow를 뒤져보니 다음과 같은 조언이 있었다.(참고) 주요 내용은 스킵하고 솔루션은 다음과 같다. 물어본 분은 Python Script를 cron으로 실행하고 싶었나 보다.

관련되어서 Stackoverflow를 뒤져보니 다음과 같은 조언이 있었다.(참고) 주요 내용은 스킵하고 솔루션은 다음과 같다. 물어본 분은 Python Script를 cron으로 실행하고 싶었나 보다.

'which python3' - a possible result is /usr/bin/python3
'Add the result of #1 to the crontab command
A general advice:
Use full path to every resource your sh script is using

쉽게 정리하면 Crontab의 기본 Path 변수로는 Docker의 위치를 파악하고 있지 못해서 발생한 문제이기 때문에 1) Full Path를 적어주던지, 2) Path 환경변수에 추가해줘서 Docker를 인식하도록 바꿔주면 된다.

Export를 써서 기존 $PATH에 docker의 위치로 포함시켜주었다. 이제 남은 것은 에러가 나지 않길 바랄 뿐이다.


(2022.02.06 업데이트)

이렇게 해도 에러가 나는 부분이 있어서,  $Full_Path/docker 형태형 Full Path를 모두 Crontab에 기재해주었고, 현재는 에러가 나지 않는다.

Read more

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

배경 * 아래 글을 DANBI에서 보다가 더 알아보게 되었습니다. OLS를 떠받치는 몇 개의 기둥이 있는데 그중 실용적으로 가장 중요한 것이 일치성(consistency)다. 쉽게 말해서 OLS를 통해 도출된 추정량이 있을 때 샘플사이즈가 커지면서 이 값이 참 값으로 접근한다는 것이다. 일치성이 충족되면 우리는 적당하게 큰 표본에 대해서 추정치가 좋은 속성을 지니고 있다고

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

사람들이 AI가 필요하다고 생각하는 시점 저 판사를 얼른 AI로 교체해야 한다. 유튜브에서 뉴스를 보다 보면 정말 많이 보이는 덧글입니다. 이러한 내용의 덧글이 달릴 때마다, 정말 많은 사람들이 공감을 표하곤 합니다. 왜 이렇게 사람들은 이러한 주장에 공감을 표하는 것일까? AI는 시킨대로 하기 때문에 공정하다는 인식 여러 이유가 있겠지만, 사람들은 아마 AI가

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

1. BG/NBD 모델이란? * BG/NBD(Beta-Geometric/Negative Binomial Distribution) 모델은 **고객의 생애 가치(Customer Lifetime Value, CLV)**를 추정하는 데 사용되는 확률적 모델입니다. * 특히 고객이 반복 구매를 할지, 아니면 더 이상 활동하지 않을지를 추정하는 데 유용합니다. 이 모델은 고객의 구매 행태를 두 가지 중요한 개념으로 나눕니다: * 고객은 활성(active)

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=