<aside> 💡 실전 프로젝트 6주차에 가장 집중해주셔야 할 것은 “최종 발표회 준비”입니다. 최종 발표에는 6주간 진행했던 프로젝트 개발 과정을 엔지니어답게 설명할 수 있어야합니다. 아래 항목들을 바탕으로 기술적으로 더욱 매력적인 최종 발표를 준비해봅니다.

</aside>

🙏🏻 우리 프로젝트에서 기술적으로 강점을 삼을 만할 항목을 정리해 주세요.

• [ FE ] :

  • AXIOS 사용

• [ BE ] :

  • 대용량 데이터(1000만건) 수집 및 핸들링
  • 검색 성능(속도 및 정확도) 향상
  • 시스템 이중화를 통한 대용량 트래픽 부하분산
  • 동시성 제어

👻 **프로젝트에 적용했던 핵심 기술 목록을 작성해 주시고,

  각 기술을 도입하게된 의사결정 과정을 정리해주세요.**

• 남병관 멘토님 기술 제언 참고

• GitHub Action

선택지 :

• Jenkins | GitHub Action

• 젠킨스의 경우 별도의 빌드 서버를 구축해야하고, 젠킨스 운영에 많은 리소스가 발생할 것으로 판단

• Github과의 연동이 Jenkins에 비해 매끄럽고, 원하는 WorkFlow로 YAML을 만들어 Commit하는 것 만으로 간단하게 CI/CD Workflow를 만들 수 있어 선택 | | | 동시성제어 | 선택한 기술 :

• Redis(Redisson Lock)

선택지 :

• synchronized
• ReentrantLock | Redis(Redisson Lock) - 분산락 Redisson은 자체적으로 타임아웃 기능이 있고 락의 유지시간, 락 요청 대기시간 등을 사용자가 세부적으로 설정할 수 있는 부분이 많아 선택 | | | 검색속도향상 | 선택한 기술 :
• Elastic Search

선택지 :

• index, covering index
• full-text index
• QueryDsl | Query dsl
• 서비스에서 제공하는 기능들이 검색조건이 많고 다양해 jpa의 findby 메소드로는 가독성을 해칠 우려가 있겠다는 판단을 하여서 native-query를 사용한 조회 기능을 구현하려고 하였으나, 문법 오류를 쉽게 확인할수 있고 가독성 측면에서 이점이 있는 QueryDsl을 선택

index

• 조회하는 성능을 향상시키기 위해선 색인 작업이 필요하다라는 판단이 들었고 B-TREE 기반의 index 적용

Full-text index

• index는 Like%이기때문에 검색 정확도가 떨어진다고 판단
• Full-text index의 ngram방식과 stop-word방식을 통해 %Like% 검색 조건을 포함 할 수 있고 더 작은 단위 (최소 2글자)로 잘게 나누어 인덱싱 처리를 할 수 있는 full-text index 적용

ElasticSearch

• 검색정확도를 향상시키기 위해 full-text index에서 형태소를 추가하는 작업보다 elasticSearch의 더 강력한 형태소 엔진을 사용하는 것이 효율적일 것 으로 판단
• 프로젝트 특성상 사용자가 검색을 하면 가장 사용자가 원하는 정보가 제일 첫번째로 나와야하는데 elasticSearch는 랭킹 스코어를 통해 가장 높은 스코어가 먼저 사용자에게 전달할 수 있다는 점도 고려 | | | | 선택한 기술 : Redis

선택지 : Memcached | Redis

• 데이터베이스/캐시/메시지 브로커로 사용되는 in-memory기반의 Dictionary(key-value) 저장소
• 메모리의 구조로 디스크에 데이터를 쓰는것이 아니라, 메모리에서 처리하기 때문에 속도가 빠름
• Memcached에서 제공하지 않는 많은 부분들을 Redis에서 제공하여 선택 ( 다양한 데이터 구조, 스냅샷, 복제, 트랜잭션 등) | | | 작업 일괄 처리 | 선택한 기술 : Spring Batch | Spring Batch
• 리뷰가 등록이 될 경우 스토어 정보를 일괄적으로 업데이트 해주는 로직이 필요하여 선택
• Spring Framework에서 기본적으로 제공하는 모듈로 선택 | | | 대용량 트래픽 처리 | 선택한 기술 : ****- AWS ELB

선택지 :

• Scale-Up | AWS ELB
• 한 대의 Ec2 리소스를 증가시켜서 성능향상을 할 경우 장애 상황 발생 시 장애 대처에 어려움
• EC2가 정상화 되기 전 다운타임 발생이 불가피함
• EC2를 2대로 운용하여 서비스 분산처리 향상 및 장애 상황시에도 운용 가능하도록 구현 | | | Test | 선택한 기술 : ****- Jmeter, Pinpoint, Junit5 | Junit5
• 기대결과에 대한 assertion을 제공하고 annotation을 제공하고,
• 단위 테스트 케이스에서 해당 메소드가 예상대로 동작하는지 확인이 가능하여 사용이 용이할 것 같아서 도입

Jmeter

• 스트레스성 및 부하 테스트를 진행하기 위해서 Jmeter 사용
• API 호출 시, 서버가 버틸 수 있는 최대 부하가 어느 정도인지 측정하기 위해서 스트레스 테스트 진행
• API 호출 시, 서버가 안정적으로 동작할 수 있는 한계치가 어디인지 측정하기 위해서 부하 테스트 진행

Pinpoint

• Jmeter를 통한 Report 외에 서버의 부하 및 API 호출 성공 여부 모니터링을 조금 더 쉽게 하기 위해서 사용 | | | Admin | 선택한 기술 : ****- Logstash, Kibana | LogStash/Kibana
• 웹 사이트 검색 시 검색 성능을 향상 시키기 위한 수단으로 ES를 선정함
• Logstash로 데이터를 집계하고 처리하여 ES로 전송함
• Kibana로 ES를 사용할 때 필요한 시각화 및 관리 도구를 제공 받음- | | | Logging | 선택한 기술 : ****- Logback | Logback Logback은 log4j 이후에 출시된 Java 기반 Logging Framework 중 하나로 가장 널리 사용되고 있음SLF4J의 구현체이며 Spring Boot 환경에서 Dependency 추가 없이 기본적으로 포함되어 있어 적용 |

📩  이번 주 한 일 (목표와 진행 사항)

• 팀 전체 (리더님께서 필두로 정리해 주세요.)

  • 스토어 관리자 페이지 만들기
  • 전체 기능 점검

• 팀원 개인별로 작성해 주세요.

  🪣 김규리 :

  • [x] ElasticSearch + Logstash + Kibana 환경 구성
  • [x] ElasticSearch ↔ Mysql 데이터 동기화
  • [x] ElasticSearch 한글 형태소 분석기(Nori) 적용
  • [x] 서비스 이중화(AWS ELB)

  🔭 이상훈 :

  • [x] ElasticSearch + Spring 검색 기능 적용
  • [x] 검색 성능 개선 리포트 작성

  🧲 신승호 :

  • [x] Kibana 모니터링 시각화 자료 작성
  • [x] Logback 적용

  🐨 황지성 :

  • [x] Faker 라이브러리 이용하여 데이터 수집
  • [x] 부하 테스트(With Pinpoint)