지중구 (Junggu Ji)

ZUICY AI 챗봇 기능 개발 및 대규모 트래픽 처리 위한 시스템 개선

[주요 성과]


• 동기 블로킹 구조를 개선하여, 5분 이상 소요되던 채팅 평균 응답 속도를 3초 이내로 단축시켜서 응답 속도를 최대 99% 이상 단축
• 분당 1만 건의 요청 처리를 목표로 시스템을 설계했으며, 실제 운영 환경의 피크타임에 발생한 분당 6,000건의 요청을 지연 없이 안정적으로 처리하며 목표 처리량을 성공적으로 입증.
• AWS SQS 기반의 아키텍처 전환을 통해, 대규모 사용자 요청에도 장애 없이 유연하게 확장 가능한 MSA 시스템의 기반을 마련.
• 심각한 성능 저하로 인한 사용자 이탈 위기를 해결하고, 핵심 기능의 비즈니스 연속성을 성공적으로 확보함.
  
  

[문제 상황 및 해결 과정]


• 문제:
• AI 챗봇 기능 출시 후 사용자 급증으로 채팅 응답 지연(최대 5분 이상) 발생.
• 기존 동기 방식 아키텍처의 블로킹 이슈로 인해 시스템 확장(Scale-out)에 명확한 한계 존재.
  
  
• 해결: 비즈니스 연속성을 고려한 3단계 점진적 아키텍처 개선
• 1단계 (긴급 대응): 평소 익숙한 기술인 ThreadPoolTaskExecutor와 CompletableFuture를 활용한 병렬 처리로 외부 API 호출 병목을 즉시 완화하여 초기 서비스 안정성 확보.
• 2단계 (병목 제거): 논블로킹 I/O를 지원하는 WebClient로 전환하여 스레드 블로킹 이슈를 근본적으로 해결하고 시스템 처리량 증대.
• 3단계 (구조 개편): 서버 분리 및 AWS SQS 기반의 완전 비동기 아키텍처로 전면 개편. 서버 간 의존성을 제거하고, 유연한 확장성과 장애 격리가 가능한 MSA 기반 구조로 시스템 완성.
  
  

[역할 및 사용 기술]


• 역할: 백엔드 아키텍처 개선 설계 및 점진적 전환 프로젝트 주도
• 사용 기술: Java, Spring Boot, CompletableFuture, WebClient, AWS SQS
  
  

ZUICY 톡 기능용 신규 재화 시스템 개발

[주요 성과]


• Redis로 분산 락을 적용하여, 분산 환경에서 발생하던 결제 데이터 불일치(동시성 이슈) 발생률 0건 달성
• 부하 테스트(wrk)를 통해 동시 요청 시에도 데이터 정합성이 100% 보장됨을 정량적으로 검증
• 안정적인 결제/정산 시스템을 구축하여 신규 비즈니스 모델인 AI 유료 대화 기능의 성공적 출시에 핵심적으로 기여
• 이슈 해결 경험을 기술 블로그 포스팅 및 사내 기술 세미나로 공유하여 팀의 분산 환경 기술 역량 강화에 기여
  
  

[문제 상황 및 해결 과정]


• 문제: 신규 유료 기능 도입 시, 분산 서버(8대) 환경에서 동시 결제 요청이 발생하면 데이터가 누락되는 치명적 오류 발생.
• 해결:
• Redis 기반의 Redisson 분산 락(tryLock)을 도입하여 임계 영역(재화의 동시사용)의 동시 접근을 제어.
• 모든 재화 거래(생성, 사용, 소멸, 환불)를 기록하는 정책을 설계하여 데이터 무결성 및 추적성 확보.
• 사업/재무팀과 협업하여 재화 정책을 수립하고 기술적 제약사항을 공유하며 효율적 의사결정 지원.
  
  

[역할 및 사용 기술]


• 역할: 백엔드 시스템 설계 및 개발 (DB 스키마, 재화 정책, 동시성 제어), 기능 기획 참여
• 사용 기술: Java, Spring Boot, Redis(Redisson), MariaDB, wrk, Hibernate, QueryDSL
  
  

ZUICY 사용자 리텐션 증대를 위한 AI 기반 선톡(先 Talk) 기능 개발

[주요 성과]


• 선톡 기능 개발을 주도하여 이탈 사용자의 서비스 재참여율 40% 및 리텐션 10~20%p 증가 달성.
• 일 10,000건 이상의 개인화 메시지를 안정적으로 처리하는 발송 시스템 설계 및 구축.
• 트레이드 오프를 고려한 선 생성, 후 검증 아키텍처와 이중화된 스케줄러를 도입하여 시스템 부하를 분산시키고, LLM API 호출 실패 및 지연으로 인한 메시지 발송 실패율 0건 달성.
  
  

[문제 상황 및 해결 과정]


• 문제:
• 이탈 사용자를 다시 서비스로 유입시킬 효과적인 장치 부재.
• 대규모 맞춤 메시지를 특정 시간에 일괄 발송 시, 트래픽 집중으로 인한 시스템 성능 저하 및 LLM API 사용량 제한 우려.
• 해결:
• AI가 먼저 대화를 시작하는 '선톡(先 Talk)' 기능을 신규 개발하여 사용자 재참여를 적극적으로 유도.
• 사용자 트래픽이 적은 시간에 메시지를 미리 생성하고, 발송 시점에 최종 검증하는 '선 생성, 후 검증' 아키텍처를 설계하여 시스템 부하 분산.
• 2개의 Spring Scheduler를 이용하여 메시지 '생성'과 '발송' 프로세스를 분리, 대규모 요청에도 안정적인 자동화 파이프라인 구축.
  
  

[역할 및 사용 기술]


• 역할: 백엔드 시스템 설계 및 개발 주도, 기능 기획 참여
• 사용 기술: Java, Spring Boot, Spring Scheduler, MariaDB, Hibernate, QueryDSL, 외부 API 연동
  
  

웨딩의 여신 대규모 푸시 알림 시스템 성능 최적화

[주요 성과]


• 19만 명 전체 사용자 대상 푸시 발송 시간을 기존 5시간 이상에서 30분 이내로 단축하여 푸시 발송 시간 90% 이상 단축.
• 외부 푸시 서비스의 Bulk API를 적용하여, API 호출 횟수를 기존 대비 최대 99% 감소시켜 비용 및 시스템 부하 절감.
• 하루 1회만 가능했던 푸시 발송을 수시로 가능하게 하여, 타임딜 등 시의성 있는 마케팅 활동의 즉시 실행 기반 마련.
  
  

[문제 상황 및 해결 과정]


• 문제:
• 단일 스레드로 동작하는 푸시 시스템의 병목으로 인해, 19만 명 발송에 5시간 이상 소요.
• 과도한 발송 시간으로 인해 긴급 공지 및 시의성 있는 마케팅 캠페인 진행 불가.
  
  
• 해결: 병렬 처리와 API 최적화의 이중 개선 전략
• 병렬 처리 도입: ThreadPoolTaskExecutor를 도입하여 푸시 발송 작업을 병렬화하고, 여러 스레드가 동시에 푸시를 발송하도록 구조 변경.
• API 호출 최적화: 외부 API 문서를 분석하여 Bulk 발송 기능을 발견, 단일 호출로 최대 100건을 동시에 처리하도록 로직을 개선하여 API 호출 횟수를 획기적으로 감소시킴.
  
  

[역할 및 사용 기술]


• 역할: 푸시 알림 시스템 성능 개선 프로젝트 주도
• 사용 기술: Java, Spring, 외부 Push Service API 연동
  
  

웨딩의 여신 백엔드 공통 JPA Entity 모듈화

[주요 성과]


• Entity 관련 코드의 중앙 관리 및 재사용을 통해, 신규 프로젝트의 초기 개발 세팅 시간을 50% 이상 단축.
• DB 스키마 변경 시, N개의 프로젝트를 개별 수정하던 작업을 단 1개의 공통 모듈만 수정하도록 개선하여, 관련 작업 공수를 90% 이상 감소시킴.
• 수동 동기화 작업을 자동화된 빌드/배포 프로세스로 대체하여, 프로젝트 간 데이터 모델 불일치로 인한 장애 발생 가능성을 0%로 제거.
  
  

[문제 상황 및 해결 과정]


• 문제:
• 여러 프로젝트에서 동일한 JPA Entity를 중복 관리하여 코드 일관성 훼손 및 유지보수 비용 급증.
• DB 스키마 변경 시, 수동으로 모든 프로젝트를 수정하는 과정에서 휴먼 에러 및 데이터 모델 불일치 위험 발생.
  
  
• 해결:
• 공통으로 사용되는 JPA Entity 및 유틸리티 클래스를 별도의 '공통 데이터 모델' 프로젝트로 분리 및 모듈화.
• 모듈을 JAR 파일로 빌드하여 사내 Nexus Repository를 통해 버전 관리 및 배포를 자동화하는 인프라 구축.
• 기존 프로젝트들의 의존성을 공통 모듈로 변경하는 리팩토링을 수행하고, 팀원들을 위한 전환 가이드 문서를 작성 및 공유.
  
  

[역할 및 사용 기술]


• 역할: 공통 모듈 아키텍처 설계 및 개발, 배포 인프라 구축 주도
• 사용 기술: Java, JPA, Spring, Spring Boot, Maven, Nexus Repository
  
  

국가평생교육진흥원 학점은행제

경민대학교