올리브영은 왜 선물하기를 개편했을까? Part - 2 - 데브캐치 - 데브캐치
#BACKEND

올리브영은 왜 선물하기를 개편했을까? Part - 2

올리브영 •

AI 요약

GPT로 자동 생성된 요약입니다

올리브영은 선물하기 서비스 개편에서 캐싱 기술과 함께 분산 락 기반의 캐시 스탬피드 방지 솔루션을 개발해 성능을 1.74초에서 5ms로 크게 개선했습니다. 커스텀 캐시 모듈은 레디스와 연동되어 동적 키 생성, TTL, 자료구조 지원, 실패 처리, 백그라운드 락을 통해 높은 안정성과 확장성을 확보했습니다. AoP 기반의 캐시 어노테이션과 Aspect를 통해 개발 편의성과 안정성을 크게 향상시켰으며, 캐시 재생성 시 분산 락으로 동시에 요청이 몰려도 과부하를 방지할 수 있었습니다. 이를 통해 잠재된 캐시 스탬피드 문제와 개발의 복잡성을 해결했고, 서비스 안정성과 성능을 동시에 향상시켰습니다. 팀 내 공유와 기술적 깊이 확보를 위해 적극적으로 지식을 전파하는 노력을 병행하며 지속적으로 발전하고 있습니다.

원문 보기

관련 아티클

#BACKEND

삼성계정 서비스, 대규모 트래픽 속 Amazon MSK 를 이용한 무 중단 Database 스키마 전환

삼성전자 삼성 계정 서비스는 18억 사용자 데이터를 무중단 암호화 및 스키마 전환을 위해 Kafka 기반 분산 스트리밍 파이프라인과 오프라인 복제 DB를 활용하였으며, 트래픽 전환 및 데이터 동기화, 복구 계획을 포함한 안전한 마이그레이션을 성공적으로 수행하였다. 이로써 서비스 장애 없이 대량 데이터 암호화와 스키마 변경이 가능했고, 확장성과 안정성도 검증하였다. 실시간 데이터 처리와 고가용성을 유지하며 개인정보 보안을 강화하는 방안을 구현하였다. 이러한 시스템 설계와 운용 노하우는 글로벌 대규모 서비스의 데이터 보안 표준을 제시한다.
AWS코리아 •
#BACKEND

PostgreSQL의 고급 검색 기능을 사용한 구직 검색 엔진 구축

이 글은 PostgreSQL의 고급 검색 기능을 활용하여 구직 플랫폼의 정밀한 search engine을 구축하는 방법을 설명합니다. 전체 텍스트 검색, 의미론적 벡터 유사성 검색, 지리공간 검색을 단일 시스템에서 통합하여 성능과 확장성을 높일 수 있음을 강조합니다. 구체적인 데이터 구조와 인덱스 활용 전략, 하이브리드 검색 및 성능 최적화 기법도 소개됩니다. 이러한 기술들은 전자상거래, 부동산 등 다양한 분야에도 적용 가능하며, 복합 검색 환경 구현이 가능함을 보여줍니다.
AWS코리아 •
#BACKEND

3년 차 앱 개발자가 일하는 순서를 공유합니다

임직원 앱 개발자를 위해 기획 검토, 전체 흐름 설계, Jira 티켓 관리, PoC 검증, 작은 단위의 작업 분리, 리뷰 배려, 명확한 PR 작성, 시간 기록을 통한 일정 예측 등 체계적인 개발 프로세스를 제시하며 효율적이고 신뢰받는 개발 습관을 강조한다. 이 방식은 코드 리뷰 문화와 협업에 적합하며, 반복 실천을 통해 개발 역량 강화를 목표로 한다. 또한, 작업 단위의 크기 조절과 동료와의 사전 피드백이 핵심이다. 마지막으로, 이 프로세스는 프로젝트의 명료성을 높이고 개발 일정을 더 정확히 산출하는 데 도움을 준다.
라인 •
#BACKEND

Junior developers aren’t obsolete: Here’s how to thrive in the age of AI

AI 기술을 활용하는 능력이 신입 개발자에게 중요해지고 있으며, 이를 통해 빠른 학습, 포트폴리오 구축, 협업 능력 향상이 가능하다. AI와 함께 성장하려면 코드를 비판적으로 검토하고, 공개 프로젝트를 통해 실력의 증명을 중요시해야 한다. GitHub workflows와 코드를 리뷰하며 실력을 향상시키고, Copilot을 활용해 디버깅과 학습을 가속화하는 전략이 추천된다. 결국 AI 시대에도 창의성과 호기심이 경쟁력을 좌우하며, 적극적인 참여와 학습이 필요하다.
깃허브 •
목록으로 돌아가기