미리보기

사용자가 쉽게 공연을 검색하고 좌석을 예매할 수 있는 공연 예매 플랫폼

배포 주소 바로가기

Github 바로가기

개발 내용

• 공연 정보 조회 API 개선(Peak RPS 230%, p95 응답시간 68% 개선)

• Redis + Database Unique Constraint 를 사용한 이중 중복 체크 로직 개발

• 비동기 메서드에 ThreadLocal의 값을 전파하는 기능 개발

• Grafana, Prometheus를 사용한 모니터링 시스템 구축

• ELK Stack + RabbitMQ를 사용한 로그 시스템 구축

• TDD와 BDD을 융합한 개발 방법론 적용(Test Case 약 140개, Test Coverage 약 95%)

문제 해결 과정

공연 정보 조회 API 개선(링크)

• 문제 : 공연 정보 조회 API는 본 프로젝트에서 가장 많이 호출되는 API임에 불구하고, Slow Query로 인해 정상적인 조회가 어려운 문제가 발생함.

• 문제 해결

  • Slow Query 해결을 위해 explain을 활용한 쿼리 분석, 쿼리 분리와 반정규화를 통해 쿼리 개선(Peak RPS 450, p95 응답 시간 1400 ms)

  • 2차 테스트 결과 Connection Pool의 갯수가 병목 지점으로 파악되어 Caffeine local cache 적용(Peak RPS 842, p95 응답시간 970 ms)

  • 3차 테스트 결과 불필요한 NGINX와 잘못된 로그 아키텍쳐로 인해 CPU가 낭비되는 문제 발생, 이를 해결하기 위해 NGINX를 제거하고 filebeat 대신 rabbitMQ를 도입(Peak RPS 1483, p95 응답시간 450ms)

Redis + Database Unique Constraint 를 사용한 이중 중복 체크 로직 개발(링크)

• 문제 : 특정 공연의 좌석에 대해 동시성 문제 발생 가능성이 있음을 인지함.

• 문제 해결

  • 1차적으로 공연의 동등성은 공연 날짜와 좌석으로 결정됨을 파악하고 DB의 Unique Constraint를 사용하여 중복 예약 방지

  • 위 방식은 DB에 많은 INSERT 문으로 부하를 줄 수 있다고 판단하여 Spring AOP에 Redis를 도입하여 2차 중복 예약 방지 로직을 기존 코드의 변경 없이 구현

비동기 메서드에 ThreadLocal의 값을 전파하는 기능 개발(링크)

• 문제 : 비동기 메서드에 Proxy 형태의 Request Scope Bean을 사용할 수 없는 문제가 발생함.

• 문제 해결

  • Request Scope Bean를 ThreadLocal로 변경하고, ExecutorService의 TaskDecorator를 사용하여 비동기 메서드가 새로운 Thread에서 실행되기 전에 이전의 ThreadLocal 값을 새로운 ThreadLocal로 이관하도록 함.

개발자 역량 향상을 도와주는 AI 기반 웹 플랫폼

Github 바로가기

배포 주소 바로가기

개발 내용

• 프로젝트의 특성을 고려하여 Kotlin Coroutine + WebFlux 도입

• Custom Github Action Script를 사용한 Github Pull Request에 대한 AI 코드리뷰 기능 개발

• LLM 모델이 토큰 단위로 반환하는 문자열을 실시간으로 보여주기 위해

  SSE 적용

• BlockHound를 사용하여 테스트 환경에서 블로킹 코드 검출

문제 해결 과정

프로젝트의 특성을 고려하여 Kotlin Coroutine + WebFlux 도입

• 문제 : 본 프로젝트 설계 과정에서, 본 프로젝트의 API 응답시간의 대부분이 AI 추론 및 응답시간이라는 것을 인지함. 또, 프로젝트의 특성 상 읽기와 쓰기 작업이 많고 데이터간의 관계가 복잡하지 않음.

• 문제 해결

  • 비동기 논블로킹 I/O를 기반으로 하는 Spring WebFlux를 도입하여 Thread 가용성을 향상시키도록 함.

  • Read/Write 작업에 특화되어 있는 Document형 NoSQL인 MongoDB를 주 저장소로 채택함.

번역과 언어 학습을 하나의 앱에서 제공하는 올인원 애플리케이션

Github 바로가기

개발 내용

• Flask와 Docker를 사용하여 LLM 및 OCR API 서버 구축 및 연동

• Github Action의 스케줄러를 사용한 크롤링 시스템 구축

• Docker Compose와 nginx를 사용한 Scale Out 및 Load Balancing 기능 개발

• React를 이용한 Admin Page 개발

• 전체 프로젝트 아키텍쳐 설계

• 요구사항 도출 및 기획 문서 작성

문제 해결 과정

Github Action의 스케줄러를 사용한 크롤링 시스템 구축

• 문제 : 외국어 학습 콘텐츠 제공을 위해 해외 뉴스를 크롤링하고, LLM 모델을 사용해 외국어 문장 분석 기능이 요구사항으로 존재함.

• 문제 해결:

  • Meta-llama3-instruct-8B 모델과 Flask를 사용하여 LLM 서버를 구축하고, 프롬프트 엔지니어링(역할 부여, Few-shot)을 통해 문장 분석 기능을 구현함.

  • Python의 News 라이브러리를 사용해 해외 뉴스 사이트에서 뉴스를 10개씩 크롤링해오고, 이를 문장 단위로 분리해 LLM 모델로 전달해 문장 분석 수행

  • Github Actions를 사용하여 별도의 서버 구축 없이 매일 00시에 크롤링 및 문장 분석을 수행하도록 함.

  • 크롤링 및 문장 분석 시간 개선을 위해 Docker Compose를 사용해 LLM 서버 컨테이너를 2개 만들고 GPU를 나누어 할당, NGINX의 로드밸런싱 기능을 활용하여 처리 시간 50%개선

• Java Backend 멘토링 과정 수료

  • Java Spring과 기초 컴퓨터 과학(CS)에 대한 심도 있는 학습

  • Kotlin + Spring 기반 개인 프로젝트 진행 및 코드 리뷰 경험을 통한 개발 역량 향상

  • 해커톤 1회 참여, 팀 프로젝트 진행을 통해 실무 경험 및 협업 역량 강화

• 멋쟁이사자들 Java 백엔드 트랙 수료

  • Java Backend 관련 필수 요소들을 동아리 부원들과 토론하며 학습

  • 총 2회의 해커톤 참여

• 1인 백엔드 개발 (Java) - 외주 프로젝트

  • Java 기반 백엔드 개발을 단독으로 진행, 프로젝트 요구 사항 분석부터 구현, 배포까지 담당

  • 클라이언트, 프론트엔드 개발자와 주기적인 소통을 통해 요구사항 및 개선사항 소통 경험

• AI 모델 연동 및 배포 (Flask, Docker)

  • Flask와 Docker를 활용하여 다양한 AI 모델과 연동 및 배포 경험

  • AI 모델의 안정적 운영을 위한 환경 설정 및 배포 자동화 경험