API 서버 애플리케이션 및 게이트웨이 구축

• 프론트에서 데이터를 조회하여 처리하던 로직을 백엔드에서 정렬,필터하여 조회후 반환하는 방식으로 전환하였고, 한번에 최대 30개의 데이터만 조회가능하도록 페이징 처리하여 대시보드 화면의 로딩 시간 약 2초 개선 및 쿼리 성능 향상 (2100ms ➞ 800ms)

• 랭킹 조회시 랭킹 산정하던 로직을 5분 단위 스케줄링 작업의 별도 로직으로 분리하였고, Redis 캐시의 TTL을 5분으로 설정하여 특정 API 엔드포인트 호출시 부하가 걸리던 현상 개선 (서버 CPU 로드율 약 15% 개선)

모니터링, 알림 시스템의 구축을 통한 서버 부하 및 장애 발생 여부 확인 자동화

• 부하 시나리오 테스트를 통해 API의 성능 및 신뢰성 검증

• 장애 발생시 연결된 슬랙 채널을 통해 부하, 장애 알림 발송

API 서버 애플리케이션 구축 및 레거시 리팩토링

• 기존 레거시 코드 중 잦은 장애가 발생하던 부분을 REST API로 리팩토링

• 불필요한 쿼리의 반복 실행을 방지하기 위해 Redis Cache 도입 (1000ms ➞ 600ms)

학생 출결 데이터 시각화 대시보드 REST API 구현 및 레거시 성능 개선

• GraphQL에서 1:N 관계에서 발생되는 N+1 슬로우 쿼리에 Data Loader를 적용하여 1번의 조회 쿼리로 개선 (1700ms ➞ 900ms)

• 프론트에서 전체 데이터를 조회하여 처리하던 정렬/필터 로직을 백엔드에서 정렬,필터하여 조회후 반환하는 방식으로 전환하였고, 한번에 최대 30개의 데이터만을 조회가능하도록 페이징 처리하여 대시보드 화면의 로딩 시간 3초 개선 및 쿼리 성능 향상 (3700ms ➞ 700ms)

모니터링 & 알림 시스템 구축을 통해 서버 부하 및 장애 확인의 자동화

• 부하 시나리오 테스트를 통해 API의 성능 및 신뢰성 검증

API 서버 애플리케이션 및 대량 부품 등록 파이프라인 구축

• 파이프라인 구조 : Server ➞ MQ ➞ Parsing ➞ MQ ➞ Validation ➞ MQ ➞ User Notice

• Non-blocking, 순차 처리 신뢰성을 위해 Redis 기반 Bull Message Queue 도입

• 알림 발송 서비스와 비즈니스 로직간의 결합성을 낮추기 위해 메시지 기반 유저 알림 비동기 발송 구현

실시간 인기 위키 랭킹 처리를 위한 Worker, REST API 구현 및 성능 개선

• 일별/시간대별 위키 조회수의 산정 범위를 30분 단위에서 10분 단위로 변경하여 랭킹 산정시 부하를 분산시키고, 인기순 위키 조회시 Redis 캐시의 TTL을 10분으로 설정하여 조회 성능 향상 (2500ms ➞ 500ms)

• 쿼리문에 Prepare Statement를 사용하여 쿼리 인젝션 공격 방어 및 옵티마이저 최적화

Jest, Mockito를 활용한 핵심 비즈니스 로직의 TDD 도입

• 유닛 테스트 및 E2E 테스트를 통해 핵심 비즈니스 로직의 신뢰성 검증

모니터링 및 장애 알림 시스템 구축을 통한 API 서버 부하 및 장애 슬랙 알림 자동화

• 부하 시나리오 테스트를 통해 파이프라인과 API의 성능 및 신뢰성 검증

AWS Elastic Beanstalk, Code deploy를 사용한 Blue-Green 무중단 배포

Github Action, Docker를 사용한 Rolling 무중단 배포

• 수동으로 배포하던 프로세스를 Github Action을 통해 자동화하여 배포 시간을 단축

• AS-IS : 30분

• TO-BE : 8분

Winston 기반 로그 시스템 신규 구축

Grafana, Prometheus 기반 APM, 인프라 모니터링 시스템을 구축하여 서비스의 운영 단계 모니터링 관제 추가

• Prometheus를 통해 서비스의 CPU, Memory, Network, Disk 등의 리소스 모니터링

• Grafana를 통해 Prometheus의 데이터를 시각화하여 모니터링 대시보드 구축

• Alert Manager를 통해 서비스의 장애 발생시 슬랙 장애 알림 자동화

S3, Cloud Front를 이용한 정적 리소스 비용 절감 및 CDN 적용