InfoGrab DocsInfoGrab Docs

시맨틱 코드 검색 관리

요약

사용자 문서는 시맨틱 코드 검색을 참고합니다. 시맨틱 코드 검색을 사용하면 AI 기반 GitLab Duo 기능이 리포지터리에서 관련 코드 스니펫을 찾을 수 있습니다. 중간 규모에서 대규모 리포지터리에는 Elasticsearch 또는 OpenSearch를 사용해야 합니다.

히스토리
  • GitLab 18.7에서 베타로 도입되었습니다.
  • GitLab 18.8에서 GitLab Duo Core에 추가되었습니다.
  • GitLab 18.9에서 GitLab Premium에 추가되었습니다.
Note

사용자 문서는 시맨틱 코드 검색을 참고합니다.

시맨틱 코드 검색을 사용하면 AI 기반 GitLab Duo 기능이 리포지터리에서 관련 코드 스니펫을 찾을 수 있습니다.

사전 요구 사항#

벡터 저장소#

중간 규모에서 대규모 리포지터리에는 Elasticsearch 또는 OpenSearch를 사용해야 합니다. pgvector가 있는 PostgreSQL은 작은 리포지터리 몇 개로 구성된 환경에서만 사용합니다. pgvector에서는 인덱싱 및 쿼리 성능이 제한될 수 있습니다.

고급 검색 클러스터에 연결#

히스토리
  • GitLab 18.7에서 도입되었습니다.

GitLab 인스턴스가 고급 검색에 Elasticsearch 또는 OpenSearch를 사용한다면 같은 클러스터에 연결해 시맨틱 코드 검색을 켤 수 있습니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Vector storage에서 Configure를 선택합니다.
  5. Vector storage 페이지의 Advanced search cluster에서 Connect를 선택합니다.

사용자 지정 벡터 저장소 구성#

히스토리
  • GitLab 19.2에서 도입되었습니다.

사용자 지정 벡터 저장소 연결을 구성하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Vector storage에서 Configure를 선택합니다.
  5. Search adapter 드롭다운 목록에서 Elasticsearch, OpenSearch, PostgreSQL 중 하나를 선택합니다.
  6. 사용하는 어댑터에 맞는 필드를 작성합니다.
  7. Save changes를 선택합니다.

Elasticsearch#

설정 설명
URL Elasticsearch 클러스터의 URL을 쉼표로 구분한 목록입니다(예: http://localhost:9200, http://localhost:9201).
Username 비밀번호로 보호되는 Elasticsearch 서버의 사용자 이름입니다.
Password 비밀번호로 보호되는 Elasticsearch 서버의 비밀번호입니다.

OpenSearch#

설정 설명
URL OpenSearch 클러스터의 URL을 쉼표로 구분한 목록입니다(예: http://localhost:9200, http://localhost:9201).
Username 비밀번호로 보호되는 OpenSearch 서버의 사용자 이름입니다.
Password 비밀번호로 보호되는 OpenSearch 서버의 비밀번호입니다.

AWS OpenSearch Service를 사용하려면 Use AWS OpenSearch Service with IAM credentials를 선택하고 필드를 작성합니다.

설정 설명
AWS region OpenSearch 도메인의 AWS 리전입니다.
AWS Access Key AWS 액세스 키 ID입니다. 역할 인스턴스 자격 증명을 사용하지 않는 경우에만 필요합니다.
AWS Secret Access Key AWS 시크릿 액세스 키입니다. 역할 인스턴스 자격 증명을 사용하지 않는 경우에만 필요합니다.
AWS Role ARN 계정 간 AssumeRole 인가에 사용하는 AWS IAM 역할 ARN입니다.

pgvector가 있는 PostgreSQL#

사전 요구 사항:

  • PostgreSQL 데이터베이스에서 pgvector 확장을 활성화합니다.

    CREATE EXTENSION vector;
    
설정 설명
Host PostgreSQL 서버의 호스트 이름입니다.
Port PostgreSQL 서버의 포트입니다. 기본값은 5432입니다.
Database PostgreSQL 데이터베이스의 이름입니다.
Username PostgreSQL 사용자 이름입니다.
Password PostgreSQL 비밀번호입니다.

임베딩 모델 구성#

임베딩 모델을 구성하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Code embeddings에서 Set model을 선택합니다. 이미 임베딩 모델을 구성했다면 대신 Change model이 나타납니다.
  5. Semantic search code embeddings 페이지에서 임베딩 모델, 임베딩 차원, 임베딩 요청의 배치 크기, 청킹 전략을 선택합니다.
  6. Set embeddings를 선택합니다. 이미 임베딩 모델을 구성했다면 대신 Update embeddings and start backfill process가 나타납니다.
Warning

임베딩 모델이나 차원을 변경하면 백필이 실행되며, 코드베이스 크기에 따라 몇 시간이 걸릴 수 있습니다. 이 과정에서도 시맨틱 검색을 계속 사용할 수 있습니다.

임베딩 모델#

GitLab 관리형 모델#

히스토리
  • GitLab 19.0에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

사전 요구 사항:

GitLab 관리형 모델은 GitLab AI Gateway에서 제공됩니다. Gemini Enterprise Agent Platform이 제공하는 text-embedding-005 모델을 선택합니다.

GitLab Duo Self-Hosted 환경에서 GitLab 관리형 모델을 사용하는 방법에 대한 자세한 내용은 하이브리드 AI Gateway 및 모델 구성을 참고합니다.

Warning

GitLab 관리형 모델을 사용하면 GitLab이 인덱싱을 위한 임베딩 요청을 제한합니다. 이러한 속도 제한을 피하려면 자체 호스팅 모델을 구성합니다.

GitLab이 선택한 모델을 지원 중단하면 직접 다른 모델로 전환해야 합니다.

자체 호스팅 모델#

히스토리
  • GitLab 19.1에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

사전 요구 사항:

자체 호스팅 모델은 사용자 인프라에서 호스팅하는 AI 모델입니다.

자체 호스팅 모델을 선택하려면 다음을 수행합니다.

  1. GitLab Duo Self-Hosted를 설정합니다.
  2. 임베딩 모델 계열로 자체 호스팅 모델을 추가합니다.

임베딩 요청의 배치 크기#

히스토리
  • GitLab 19.4에서 도입되었습니다.

임베딩 요청의 배치 크기는 대량 임베딩 요청 하나당 입력 수를 나타냅니다. 이 값은 선택한 임베딩 모델의 대량 API 제한 이내로 유지합니다. 비워 두면 임베딩 모델의 기본 배치 크기가 사용됩니다. 임베딩 모델에 기본 배치 크기가 없으면 대신 대체 값 30이 사용됩니다.

배치 크기 업데이트#

임베딩 모델을 변경하지 않고 배치 크기를 업데이트하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Code embeddings에서 Change model을 선택합니다.
  5. Semantic search code embeddings 페이지에서 Update batch size for embedding requests 섹션으로 이동합니다.
  6. 새 값을 입력합니다.
    • 실행 중인 백필이 없는 활성 임베딩 모델에서는 현재 모델의 배치 크기를 업데이트합니다.
    • 백필이 실행 중인 새 임베딩 모델에서는 다음 모델의 배치 크기를 업데이트합니다.
  7. Update batch size를 선택합니다.

청킹 전략#

히스토리
  • GitLab 19.2에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

청킹 전략은 임베딩을 위해 코드 파일을 더 작은 스니펫으로 나누는 데 사용하는 알고리즘입니다. 다음 전략 중 하나를 선택합니다.

  • Code bytes: 코드 구조나 의미를 고려하지 않고 코드를 고정 크기 바이트 청크로 나눕니다. 청크 크기는 청크당 최대 바이트 수를 의미합니다. 다음 경우에 이 전략을 사용합니다.
    • 더 빠른 인덱싱과 더 예측 가능한 청크 크기가 필요한 경우
    • 다양한 파일 형식과 언어가 섞인 리포지터리
  • Code pre-BERT: BERT 기반 임베딩 모델에 최적화된 의미 경계로 코드를 나눕니다. 청크 크기는 청크당 최대 토큰 수를 의미합니다. 다음 경우에 이 전략을 사용합니다.
    • 더 나은 검색 품질과 코드 구조를 반영한 더 의미 있는 청크가 필요한 경우
    • 구조가 잘 갖추어진 코드가 있는 리포지터리
Warning

청킹 전략은 임베딩 모델을 처음 구성할 때만 선택할 수 있습니다. 인덱싱이 시작된 후 청킹 전략을 변경하려면 인스턴스를 완전히 다시 인덱싱해야 합니다. 자동 재인덱싱 지원이 이슈 600200과 이슈 602138에서 제안되었습니다.

시맨틱 코드 검색 상태 확인#

히스토리
  • GitLab 19.0에서 도입되었습니다.

인덱싱 상태, 벡터 저장소 연결 세부 정보, 리포지터리 통계, 임베딩 큐 크기를 포함한 시맨틱 코드 검색의 상태를 확인하려면 다음 Rake 태스크를 실행합니다.

sudo gitlab-rake gitlab:semantic_search:code:info

상태를 계속 모니터링하려면 감시 간격을 초 단위로 지정합니다.

sudo gitlab-rake "gitlab:semantic_search:code:info[5]"

이 태스크는 지정한 간격으로 출력을 새로 고칩니다. 태스크를 중지하려면 Control+C를 누릅니다.

데드 큐 관리#

사전 요구 사항:

  • admin_mode, ai_features, api 범위가 있는 개인 액세스 토큰이 필요합니다.

임베딩 생성이 실패하면 항목은 지연 시간이 점점 늘어나는 재시도 큐 체인(5분, 30분, 2시간, 8시간)을 거칩니다. 모든 재시도에서 실패한 항목은 수동 개입을 위해 데드 큐로 이동합니다. 속도 제한 오류로 실패한 항목은 이 체인을 따르지 않습니다. 첫 번째 재시도 큐로 돌아가 속도 제한이 해제될 때까지 5분마다 재시도합니다. 이러한 항목은 데드 큐에 도달하지 않습니다. 데드 큐 크기는 상태 Rake 태스크 출력의 Embedding Queues 섹션에서 확인할 수 있습니다.

데드 큐 비우기#

데드 큐의 모든 항목을 삭제하려면 다음 명령을 실행합니다.

curl --request DELETE \
  --header "PRIVATE-TOKEN: <your_token>" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue"

데드 큐 재처리#

데드 큐 항목을 처리 큐로 다시 옮겨 재시도하려면 queue 매개변수로 대상을 지정합니다. 유효한 값은 retry_queue, second_retry_queue, third_retry_queue, fourth_retry_queue, code, code_backfill입니다.

항목을 전체 재시도 체인으로 다시 처리하려면 retry_queue를 사용합니다.

curl --request POST \
  --header "PRIVATE-TOKEN: <your_token>" \
  --data "queue=retry_queue" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue/replay"

항목을 기본 코드 큐에 추가하려면 code를 사용합니다.

curl --request POST \
  --header "PRIVATE-TOKEN: <your_token>" \
  --data "queue=code" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue/replay"

시맨틱 코드 검색 관리

GitLab v19.6
Tier: Premium, Ultimate
Offering: GitLab Self-Managed
원문 보기

요약

사용자 문서는 시맨틱 코드 검색을 참고합니다. 시맨틱 코드 검색을 사용하면 AI 기반 GitLab Duo 기능이 리포지터리에서 관련 코드 스니펫을 찾을 수 있습니다. 중간 규모에서 대규모 리포지터리에는 Elasticsearch 또는 OpenSearch를 사용해야 합니다.

히스토리
  • GitLab 18.7에서 베타로 도입되었습니다.
  • GitLab 18.8에서 GitLab Duo Core에 추가되었습니다.
  • GitLab 18.9에서 GitLab Premium에 추가되었습니다.
Note

사용자 문서는 시맨틱 코드 검색을 참고합니다.

시맨틱 코드 검색을 사용하면 AI 기반 GitLab Duo 기능이 리포지터리에서 관련 코드 스니펫을 찾을 수 있습니다.

사전 요구 사항#

벡터 저장소#

중간 규모에서 대규모 리포지터리에는 Elasticsearch 또는 OpenSearch를 사용해야 합니다. pgvector가 있는 PostgreSQL은 작은 리포지터리 몇 개로 구성된 환경에서만 사용합니다. pgvector에서는 인덱싱 및 쿼리 성능이 제한될 수 있습니다.

고급 검색 클러스터에 연결#

히스토리
  • GitLab 18.7에서 도입되었습니다.

GitLab 인스턴스가 고급 검색에 Elasticsearch 또는 OpenSearch를 사용한다면 같은 클러스터에 연결해 시맨틱 코드 검색을 켤 수 있습니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Vector storage에서 Configure를 선택합니다.
  5. Vector storage 페이지의 Advanced search cluster에서 Connect를 선택합니다.

사용자 지정 벡터 저장소 구성#

히스토리
  • GitLab 19.2에서 도입되었습니다.

사용자 지정 벡터 저장소 연결을 구성하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Vector storage에서 Configure를 선택합니다.
  5. Search adapter 드롭다운 목록에서 Elasticsearch, OpenSearch, PostgreSQL 중 하나를 선택합니다.
  6. 사용하는 어댑터에 맞는 필드를 작성합니다.
  7. Save changes를 선택합니다.

Elasticsearch#

설정 설명
URL Elasticsearch 클러스터의 URL을 쉼표로 구분한 목록입니다(예: http://localhost:9200, http://localhost:9201).
Username 비밀번호로 보호되는 Elasticsearch 서버의 사용자 이름입니다.
Password 비밀번호로 보호되는 Elasticsearch 서버의 비밀번호입니다.

OpenSearch#

설정 설명
URL OpenSearch 클러스터의 URL을 쉼표로 구분한 목록입니다(예: http://localhost:9200, http://localhost:9201).
Username 비밀번호로 보호되는 OpenSearch 서버의 사용자 이름입니다.
Password 비밀번호로 보호되는 OpenSearch 서버의 비밀번호입니다.

AWS OpenSearch Service를 사용하려면 Use AWS OpenSearch Service with IAM credentials를 선택하고 필드를 작성합니다.

설정 설명
AWS region OpenSearch 도메인의 AWS 리전입니다.
AWS Access Key AWS 액세스 키 ID입니다. 역할 인스턴스 자격 증명을 사용하지 않는 경우에만 필요합니다.
AWS Secret Access Key AWS 시크릿 액세스 키입니다. 역할 인스턴스 자격 증명을 사용하지 않는 경우에만 필요합니다.
AWS Role ARN 계정 간 AssumeRole 인가에 사용하는 AWS IAM 역할 ARN입니다.

pgvector가 있는 PostgreSQL#

사전 요구 사항:

  • PostgreSQL 데이터베이스에서 pgvector 확장을 활성화합니다.

    CREATE EXTENSION vector;
    
설정 설명
Host PostgreSQL 서버의 호스트 이름입니다.
Port PostgreSQL 서버의 포트입니다. 기본값은 5432입니다.
Database PostgreSQL 데이터베이스의 이름입니다.
Username PostgreSQL 사용자 이름입니다.
Password PostgreSQL 비밀번호입니다.

임베딩 모델 구성#

임베딩 모델을 구성하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Code embeddings에서 Set model을 선택합니다. 이미 임베딩 모델을 구성했다면 대신 Change model이 나타납니다.
  5. Semantic search code embeddings 페이지에서 임베딩 모델, 임베딩 차원, 임베딩 요청의 배치 크기, 청킹 전략을 선택합니다.
  6. Set embeddings를 선택합니다. 이미 임베딩 모델을 구성했다면 대신 Update embeddings and start backfill process가 나타납니다.
Warning

임베딩 모델이나 차원을 변경하면 백필이 실행되며, 코드베이스 크기에 따라 몇 시간이 걸릴 수 있습니다. 이 과정에서도 시맨틱 검색을 계속 사용할 수 있습니다.

임베딩 모델#

GitLab 관리형 모델#

히스토리
  • GitLab 19.0에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

사전 요구 사항:

GitLab 관리형 모델은 GitLab AI Gateway에서 제공됩니다. Gemini Enterprise Agent Platform이 제공하는 text-embedding-005 모델을 선택합니다.

GitLab Duo Self-Hosted 환경에서 GitLab 관리형 모델을 사용하는 방법에 대한 자세한 내용은 하이브리드 AI Gateway 및 모델 구성을 참고합니다.

Warning

GitLab 관리형 모델을 사용하면 GitLab이 인덱싱을 위한 임베딩 요청을 제한합니다. 이러한 속도 제한을 피하려면 자체 호스팅 모델을 구성합니다.

GitLab이 선택한 모델을 지원 중단하면 직접 다른 모델로 전환해야 합니다.

자체 호스팅 모델#

히스토리
  • GitLab 19.1에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

사전 요구 사항:

자체 호스팅 모델은 사용자 인프라에서 호스팅하는 AI 모델입니다.

자체 호스팅 모델을 선택하려면 다음을 수행합니다.

  1. GitLab Duo Self-Hosted를 설정합니다.
  2. 임베딩 모델 계열로 자체 호스팅 모델을 추가합니다.

임베딩 요청의 배치 크기#

히스토리
  • GitLab 19.4에서 도입되었습니다.

임베딩 요청의 배치 크기는 대량 임베딩 요청 하나당 입력 수를 나타냅니다. 이 값은 선택한 임베딩 모델의 대량 API 제한 이내로 유지합니다. 비워 두면 임베딩 모델의 기본 배치 크기가 사용됩니다. 임베딩 모델에 기본 배치 크기가 없으면 대신 대체 값 30이 사용됩니다.

배치 크기 업데이트#

임베딩 모델을 변경하지 않고 배치 크기를 업데이트하려면 다음을 수행합니다.

  1. 오른쪽 상단에서 Admin을 선택합니다.
  2. 왼쪽 사이드바에서 Settings > Search를 선택합니다.
  3. Semantic search를 확장합니다.
  4. Code embeddings에서 Change model을 선택합니다.
  5. Semantic search code embeddings 페이지에서 Update batch size for embedding requests 섹션으로 이동합니다.
  6. 새 값을 입력합니다.
    • 실행 중인 백필이 없는 활성 임베딩 모델에서는 현재 모델의 배치 크기를 업데이트합니다.
    • 백필이 실행 중인 새 임베딩 모델에서는 다음 모델의 배치 크기를 업데이트합니다.
  7. Update batch size를 선택합니다.

청킹 전략#

히스토리
  • GitLab 19.2에서 semantic_search_user_model_selection이라는 기능 플래그와 함께 도입되었습니다. 기본적으로 비활성화되어 있습니다.
  • 기능 플래그 semantic_search_user_model_selection이 GitLab 19.3에서 제거되었습니다.

청킹 전략은 임베딩을 위해 코드 파일을 더 작은 스니펫으로 나누는 데 사용하는 알고리즘입니다. 다음 전략 중 하나를 선택합니다.

  • Code bytes: 코드 구조나 의미를 고려하지 않고 코드를 고정 크기 바이트 청크로 나눕니다. 청크 크기는 청크당 최대 바이트 수를 의미합니다. 다음 경우에 이 전략을 사용합니다.
    • 더 빠른 인덱싱과 더 예측 가능한 청크 크기가 필요한 경우
    • 다양한 파일 형식과 언어가 섞인 리포지터리
  • Code pre-BERT: BERT 기반 임베딩 모델에 최적화된 의미 경계로 코드를 나눕니다. 청크 크기는 청크당 최대 토큰 수를 의미합니다. 다음 경우에 이 전략을 사용합니다.
    • 더 나은 검색 품질과 코드 구조를 반영한 더 의미 있는 청크가 필요한 경우
    • 구조가 잘 갖추어진 코드가 있는 리포지터리
Warning

청킹 전략은 임베딩 모델을 처음 구성할 때만 선택할 수 있습니다. 인덱싱이 시작된 후 청킹 전략을 변경하려면 인스턴스를 완전히 다시 인덱싱해야 합니다. 자동 재인덱싱 지원이 이슈 600200과 이슈 602138에서 제안되었습니다.

시맨틱 코드 검색 상태 확인#

히스토리
  • GitLab 19.0에서 도입되었습니다.

인덱싱 상태, 벡터 저장소 연결 세부 정보, 리포지터리 통계, 임베딩 큐 크기를 포함한 시맨틱 코드 검색의 상태를 확인하려면 다음 Rake 태스크를 실행합니다.

sudo gitlab-rake gitlab:semantic_search:code:info

상태를 계속 모니터링하려면 감시 간격을 초 단위로 지정합니다.

sudo gitlab-rake "gitlab:semantic_search:code:info[5]"

이 태스크는 지정한 간격으로 출력을 새로 고칩니다. 태스크를 중지하려면 Control+C를 누릅니다.

데드 큐 관리#

사전 요구 사항:

  • admin_mode, ai_features, api 범위가 있는 개인 액세스 토큰이 필요합니다.

임베딩 생성이 실패하면 항목은 지연 시간이 점점 늘어나는 재시도 큐 체인(5분, 30분, 2시간, 8시간)을 거칩니다. 모든 재시도에서 실패한 항목은 수동 개입을 위해 데드 큐로 이동합니다. 속도 제한 오류로 실패한 항목은 이 체인을 따르지 않습니다. 첫 번째 재시도 큐로 돌아가 속도 제한이 해제될 때까지 5분마다 재시도합니다. 이러한 항목은 데드 큐에 도달하지 않습니다. 데드 큐 크기는 상태 Rake 태스크 출력의 Embedding Queues 섹션에서 확인할 수 있습니다.

데드 큐 비우기#

데드 큐의 모든 항목을 삭제하려면 다음 명령을 실행합니다.

curl --request DELETE \
  --header "PRIVATE-TOKEN: <your_token>" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue"

데드 큐 재처리#

데드 큐 항목을 처리 큐로 다시 옮겨 재시도하려면 queue 매개변수로 대상을 지정합니다. 유효한 값은 retry_queue, second_retry_queue, third_retry_queue, fourth_retry_queue, code, code_backfill입니다.

항목을 전체 재시도 체인으로 다시 처리하려면 retry_queue를 사용합니다.

curl --request POST \
  --header "PRIVATE-TOKEN: <your_token>" \
  --data "queue=retry_queue" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue/replay"

항목을 기본 코드 큐에 추가하려면 code를 사용합니다.

curl --request POST \
  --header "PRIVATE-TOKEN: <your_token>" \
  --data "queue=code" \
  "https://gitlab.example.com/api/v4/admin/active_context/dead_queue/replay"