미리보기

백엔드 팀의 일원으로 클라우드에 대한 형상 관리, 실시간 위협 탐지 등을 수행하는 클라우드 보안 제품 솔루션 개발 및 운영에 기여했습니다. 추가적으로 백엔드 팀 내부 개발 프로세스 확립을 위해 팀 리드와 함께 개발 프로세스 구체화 작업 수행 했습니다.

• 클라우드 프로바이더들로부터 발생하는 실시간 클라우드 로그 수집기 개발
  • 고객사에서 요구하는 다양한 프로바이더에 대한 지원을 위해 전략 패턴을 활용한 확장성 있는 구조를 설계하여 Aws, Azure, Gcp, Ncp, Nhn Cloud 까지 무리 없이 로그 수집 대상을 확장.
  • 사내 테스트 기준 일주일에 300만건, 실제 고객사 기준 하루에 수 GB 규모로 적재되는 대규모 로그에 대해, 수집기에 대한 고가용성을 위해 Active - Active 구조를 지원하도록 로직 설계.
• 제품 내 내장된 보안 취약점 리포트 파일 생성 기능 속도 70% 개선
  • 리포트 파일 생성 요청 시 기본 5분 이상 소요되던 기능에 대해, 이력 데이터에 대한 통계 쿼리 튜닝 및 간단한 로직 개선을 통하여 수초 ~ 2분 수준으로 소요 시간 단축.
  • 개선 과정에서 기존 이력 데이터 관리 방식에 대한 비효율을 발견하고 테이블 설계 미스를 바로 잡기 위한 개선 설계 방안을 도출.
• 제품 대시보드용 데이터 API 개발
  • 대시보드 데이터 테이블 내 인덱스 설정을 통해 부분 범위 처리가 가능하도록 Top N 쿼리를 작성하여 테이블 내 많은 데이터가 쌓여있는 상황에서도 빠른 응답이 가능하도록 성능 최적화.

네이버 부스트캠프에서 진행한 최종 프로젝트의 일환으로, 사용자가 선택한 모임 위치에 대해 주변 음식점 데이터를 제공하고 모임 구성원들이 함께 음식점을 투표할 수 있도록 돕는 프로젝트를 진행했습니다.

• 프로젝트의 코드 품질 관리 자동화
  • 로컬에서 작업한 코드를 Repo에 포함시킬 때 매번 Lint 명령어로 수동 검증을 수행하는 것에서 오는 비효율을 개선하기 위해, Husky, Lint-staged를 이용한 Lint 자동 수행 pre-commit hook을 적용하여 팀원들의 작업 흐름을 단축하고, 프로젝트의 코드 품질을 일정하게 유지하는 것에 이바지.
• 음식점 데이터 캐싱 흐름 구축
  • 서비스의 특성상 음식점 데이터 조회를 외부 API에 의존하게 되는데 사용자가 접속할 때마다 이를 이용하는 것은 서비스 성능 저하 요소로 판단하였고, 이에 Redis를 이용하여 탐색 범위 내 음식점 정보, 음식점 - 좋아요 수 등에 대한 캐시 처리 로직 적용하여 모임 생성, 참여 요청에 있어 약 20%의 응답 속도 개선.

학부 내 ‘서비스 데이터사이언스’ 수업 프로젝트의 일환으로, 경희대학교 근처 음식점에 대해 사용자들이 남길 것으로 예상되는 음식점 별점을 예측하는 프로젝트를 진행했습니다. ‘왓챠피디아’ 서비스의 영화 별점 예측 시스템에서 영감을 얻었습니다.

• 프로젝트 진행 전반에 대한 매니징 수행
  • 강의 내 Flutter에 대한 학습 외엔 개발을 접해보지 않은 팀원들과 기한 안에 프로젝트를 마무리 짓기 위해, 매주 미팅을 주도하여 진행 상황을 파악하고 팀원들로 하여금 수행 가능한 수준의 과제를 부여하여 프로젝트가 성공적으로 마무리될 수 있도록 일정 관리를 수행함.
• 음식점 별점 예측 기능 구현
  • 사용자가 이미 방문하여 별점을 남긴 음식점 데이터를 토대로, 아직 방문하지 않은 음식점에 대한 별점 예측을 수행하기 위해 유저 ✕ 음식점 행렬을 구성하고 이에 차원축소를 수행하는 방식으로 가중치를 획득하는 로직 작성.

네이버 부스트캠프 챌린지 과정에 참여하여 도전적인 과제를 통해 전반적인 Computer Science 지식에 대한 학습을 진행했습니다. 과정 중 일부 인원을 선별하여 진행하는 멤버십 과정에 합격하여 고객에게 웹서비스를 제공하기 위해 필요한 지식과 협업에 대한 인사이트를 팀플레이 기반을 통해 학습했습니다.