기본 콘텐츠로 건너뛰기

쓸모 없는 구글 드라이브 관련 미립자 팁..

제가 사는 아파트는 지역난방입니다.

난방비는 유량을 기준으로 계산되는 방식입니다.

지난 달에 이사하고 지역난방에 대한 이해가 전혀 없는 상태에서 난방을 하다가 난방비만 50만원이 나오는 폭탄을 맞았습니다.

그래서 최근에는 매일 매일 유량을 확인하면서 춥게 살고 있습니다.

아파트가 정말 최악중의 최악이라서 단열 자체가 안됩니다.

제 블로그를 보신 분은 아시겠지만 지은지 이제 겨우 20년된 아파트의 샷시가 어찌나 부실하던지 외풍 차단 자체도 안됩니다.

정말 올해 겨울에는 단열도 안되고 외풍도 심한 아파트에서 난방비를 아끼기 위해 정말 눈물겹게 보내고 있습니다.(사실 난방의 의미는 거의 없다고 보아도 무방한 환경입니다.)

이런 곳에서 앞으로 얼마나 더 살아야할지 생각하면 더 눈물납니다. ㅠㅠ

어쨌든 그래서 매일 매일 유량을 체크하고 가상의 난방비를 계산하는 시트를 구글 드라이브에 만들어서 매일 매일 쓰고 있습니다.

그런데 아내님께서 이왕 만든거 매일 매일 기온을 알면 기온에 따라서 얼마나 더 쓰고 덜 쓰는지 알 수 있지 않겠느냐는 특명을 내리셨습니다.

그래서 어떻게 하면 자동으로 매일 매일의 기온을 구글 드라이브에 자동으로 입력시킬 수 있을가(머.. 매일 매인 손으로 입력하는 것도 방법이긴 합니다. 어차피 매일 유량도 수작업으로 기록하고 있으니까요.. 하지만 저라는 사람.. 워낙에 게을러서 입력값이 하나에서 최저기온, 최고 기온을 포함한 3가지로 늘어나는것이 너무 귀찮아서..)를 고민한 결과를 간단하게 공유해볼까 합니다.

도데체 이런 팁이 어느 분에게 도움이 될지는 모르겠지만.. 그래도 알아두시면 좋을 2가지 팁을 공유합니다.

첫번째 팁은 매일 매일의 최저 기온과 최고 기온을 자동으로 얻어오는 방법입니다.

프로그래밍을 좀 하실 수 있는 분, xml 데이터를 좀 다룰 줄 아시는 분은 아주 쉽게 기상청이나 다른 기상 예보 사이트에서 xml을 분석하셔서 해당 데이터만 파싱해서 불러오는 방법이 있습니다만.. 저는 그런 거에 까막눈이고 매 사이트마다 파싱할 데이터를 분석하는 것이 너무 귀찮아서 좀 더 쉬운 방법을 찾아보았습니다.

그래서 찾은 방법이 IFTTT(https://ifttt.com/)를 이용하는 방법입니다.

IFTTT는 'IF This, Then That'의 약자로 '만약 이러이러하다면 이렇게 하라'는 일종의 자동화 스크립트 같은 서비스입니다.

이런 자동화 스크립트를 IFTTT에서는 레시피라고 부르는데, 레시피를 만드는 방법은 해당 사이트에서 쉽게 배우실 수 있으므로 생략하도록 하겠습니다.

레시피를 만들기 귀찮으신분은 제가 만든 레시피를 공유해두었으니 가져다가 적절하게 편집해서 쓰시면 됩니다.

제 레시피는 https://ifttt.com/recipes/253252-에서 보실 수 있습니다.

매일 아침 7시에 날씨 정보와 최저기온, 최고 기온을 구글 드라이브으 IFTTT 폴더의 시트에 자동으로 기록하는 레시피입니다.

시간과 불러오는 정보들은 수정해서 쓰실 수 있습니다.

잘 아니되시는 분은 댓글을 달아주시면 제가 아는 선에서 알려드리도록 하겠습니다.

이 스크립트의 단점은 2가지 정도입니다.

첫째는 레시피를 변경한 결과를 바로 확인하기 힘듭니다. 정해진 시간에 데이터가 제대로 들어오는지 확인하시려면 해당 시간이 되어야만 확인할 수 있습니다. 그런데 그 시간에 정확히 갱신되는게 아니고 최대 20분정도 걸립니다. 그러니까 레시피가 정상적으로 동작하는지 확인하시려면 만약에 지금 시간이 오후 2시면 레시피는 2시 15분으로 수정하셔야 하고 그 결과는 2시 반이 넘어야 확인하실 수 있습니다. (제가 여러번 테스트해본 결과로는 꽤 잘 동작하니 본인이 원하는 시간 설정 후 그냥 기다리시면 됩니다. 간혹 동작이 되지 않을 경우에는 레시피를 동작하도록 설정하셨는지 확인해보시고 새로고침을 몇번 해보시면 됩니다. 동작한 결과는 모두 로그로 저장되기 때문에 로그 정보를 보시면 원인 파악이 좀 더 용이합니다.)

둘째는 제가 원하는 폴더의 원하는 시트의 원하는 위치에 데이터를 기록하는 것이 아닙니다. 무조건 IFTTT가 정한 폴더의 시트에 자동으로 기록됩니다.(물론 쪼꼼 수정은 가능하지만 그다지 의미는 없습니다.)

그래서 IFTTT에서 만든 시트의 데이터를 제가 원하는 시트로 불러오는 방법이 필요합니다.

두번째 팁은 다른 시트의 데이터를 제가 원하는 시트로 불러오는 방법입니다.

엑셀에서도 다른 엑셀 파일의 데이터를 불러오는 방법이 있기 때문에 대충 어떤 기능인지는 이해하시리라고 믿습니다.

구글 드라이브에서 다른 시트의 데이터를 불러오기 위해서는 수식을 사용해야 합니다.

함수는 importRange 입니다.

형식은 =importRange(URL,셀위치)와 같이 사용하시면 됩니다.

구글 드라이브는 크게 2가지 버전으로 나뉘는데 옛날 버전을 쓰시는 부분은 IFTTT가 만든 시트를 열었을 때 URL에 key 값이 보이실겁니다. 그 키 값을 URL 위치에 기록하시면 되고 최신 버전을 쓰시는 분은 전체 IFTTT가 만든 시트의 전체 URL을 URL에 기록하시면 됩니다.

URL을 입력하실 때에는 반드시 " " 사이에 넣으셔야 합니다.

셀 위치 역시 " " 사이에 넣으셔야 합니다. 그렇지 않으면 해당 시트의 위치를 참조하게 됩니다.

그래서 실제 예제로 보면 아래와 같습니다. 물론 아래 예제의 URL은 가짜이니 접속하셔도 404 Not Found가 뜨실겁니다. 그냥 이렇게 사용하는 것이구나라고 이해하시면 됩니다.

=importRange("https://docs.google.com/spreadsheets/d/1AQG8/edit#gid=0","B4")

위와 같이 입력한 경우 https://docs.google.com/spreadsheets/d/1AQG8Jeid5g/edit#gid=0 문서의 B4 셀의 값을 불러오라는 겁니다.

최초 입력하면 권한을 요청하고 권한 승인을 하고 나면 이후에는 자유롭게 데이터를 불러 올 수 있습니다.

이걸 잘만 응용하시면 꽤 다양한 날씨 정보판을 만들어 보실 수도 있으실 겁니다.

필요하신 분들에게 유용했으면 하는 마음입니다.

댓글

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

에이전틱 AI 프로젝트에서 테스터의 5가지 핵심 원칙

AI 코딩 에이전트와 자율형 에이전트가 빠르게 개발 워크플로우에 통합되면서, 단순히 코드를 잘 짜는 것을 넘어 '에이전트와 어떻게 협업하고 통제할 것인가'가 개발자와 아키텍트들의 가장 큰 화두로 떠올랐습니다. 윤석찬 님의 아티클 "AI 에이전트 시대, 개발자는 어떻게 일해야 하는가? – 프론티어 엔지니어링의 10가지 원칙"은 에이전틱 AI 시대에 엔지니어가 마주하는 패러다임 변화와, 실무 현장에서 일하는 방식을 어떻게 재정의해야 하는지 아주 명확한 가이드라인을 제시해 줍니다. (출처: channy.creation.net - 윤석찬 님의 블로그) https://channy.creation.net/blog/1989 비록 대규모 에이전트 오케스트레이션이나 초거대 인프라 시스템을 개인이 직접 구축하고 운용하는 것은 비용적·기술적으로 현실적인 한계가 있습니다. 하지만 개인 프로젝트에서 AI와 바이브 코딩(Vibe Coding)을 활용하며 겪었던 맥락 손실, 환각, 통제 불능의 경험들을 떠올려보면, 이 아티클이 제시하는 10가지 프론티어 엔지니어링 원칙은 소규모 개인 개발 환경에서도 대단히 깊은 공감을 불러일으킵니다. 이 글은 단순히 "AI 도구를 잘 쓰자"는 수준에 머무르지 않습니다. AI 에이전트가 생성해내는 불확실성 속에서 인간 엔지니어가 시스템의 맥락을 주도하고, 오작동을 제어하며, 품질의 키(Steering Wheel)를 쥐기 위한 구조적 사고법을 다룹니다. 그렇다면 프론티어 엔지니어링의 원칙을 바탕으로, 시스템의 신뢰성과 안전성을 검증해야 하는 테스터는 과연 어떤 실무 원칙을 세워나갈 수 있을까요? 윤석찬 님이 제시한 엔지니어링 원칙을 테스팅 관점으로 재해석해 보면, 다음과 같은 5가지 원칙으로 정리할 수 있을 것 같습니다. 1. 결정론적 검증에서 '경계선 및 허용 오차(Boundary)' 테스팅으로 전환하라 에이전트 기반 시스템은 같은 입력을 주어도 매번 다른 추론 경로를 거치는 확률적(Stoc...

결국 테스팅은 어렵다

 AI 코딩 에이전트와 대형 언어 모델(LLM)이 코드를 순식간에 쏟아내고 테스트 스크립트까지 자동으로 만들어주는 시대가 되면서, 일각에서는 "이제 테스팅도 버튼 하나 누르면 끝나는 쉽고 단순한 일 아닌가?"라는 착각에 빠지곤 합니다. 하지만 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "Turns Out Testing is Hard" 아티클은, 기술이 아무리 화려하게 발전하더라도 소프트웨어의 '진짜 품질'을 검증하는 일은 여전히 지독하게 어렵고 복잡하다는 현실을 서늘하게 되짚어 줍니다. (출처: Quality Remarks - Turns Out Testing is Hard / Matthew Heusser) https://qualityremarks.com/turns-out-testing-is-hard/ 이 아티클이 말하는 핵심은 간단합니다. 단순한 스크립트 실행이나 표면적인 기능 작동 여부를 확인하는 '체크(Checking)'는 AI나 도구를 통해 얼마든지 자동화하고 속도를 높일 수 있지만, 시스템의 숨겨진 리스크를 탐색하고 비판적으로 질문을 던지는 '진짜 테스팅(Testing)'의 난이도는 오히려 이전보다 더 올라갔다는 점입니다. AI 코딩 에이전트가 단 몇 초 만에 수백 줄의 코드를 생성을 해내면서 당장 눈앞의 기능은 돌아가는 것처럼 보입니다. 하지만 그 이면에서는 오작동이 일어날 수 있는 엣지 케이스, 시스템 간의 미묘한 맥락 단절, 그리고 나중에 거대한 장애로 돌아올 인지부채가 순식간에 쌓여갑니다. 매슈 하이저는 왜 테스팅이 여전히 지독히 어려운 과제로 남아있는지 몇 가지 근본적인 이유를 제시합니다. 첫째, '모호함과의 싸움'입니다. 소프트웨어 요구사항은 언제나 비어있는 행간과 모호함을 품고 있습니다. AI는 주어진 텍스트 그대로 명시적인 조건만 테스트하지만, 실제 인간 테스터는 명시되지 않은 사용...