Skip to content

Latest commit

 

History

History
102 lines (80 loc) · 4.57 KB

README.md

File metadata and controls

102 lines (80 loc) · 4.57 KB
Raw

Claco 메인 서버 레포지토리

🧑‍💻 R&R

Profile Name Role
이건(개발리드)
devkeon		 아키텍처 설계, ERD 설계, 메인 서버 인프라 및 CI/CD 구축,
인증/인가, 모니터링 시스템 구축, 티켓/리뷰 기능,
클라코북 기능, 회원 관련 기능
정희찬
anselmo		 ERD 설계, AI 및 배치 서버 인프라 및 CI/CD 구축,
추천 AI 모델 구현, 배치 기능(데이터 로드) 구축,
공연 기능, 공연 및 티켓 추천 기능

개발 내용

📆 개발 기간

  • 2024.10.05 ~ 2024.11.24

💻 개발 환경

Language: Java 17
Framework: Spring Boot 3.3.4
Database: MySQL 8.x
ORM: JPA(Hibernate)
CI/CD: Github Actions
Cloud Platform: AWS(EC2, ALB, ACM), GCP(SQL)
Test DB: testcontainer

⚙️ 개발 프로세스

  • TDD (테스트 주도 개발) : 구문 커버지리 (Statement coverage) 기준 80%를 목표로 수행
  • Agile (애자일 프로세스) : 1주 단위 스프린트 수행
  • Github Flow 전략 : 초기 개발 과정에서 불필요한 브랜치 관리를 피하고, 빠른 배포를 위한 전략 선택
  • CI/CD 파이프라인을 통한 배포 자동화 : 서비스 개발이 50% 완료된 시점에서 구축하여 배포 자동화

💫 TDD 결과

  • Service는 단위 테스트, Repository는 통합 테스트 진행
  • testcontainer를 활용하여 데이터베이스 멱등성 보장
  • 테스트 코드 커버리지 측정 툴: IntelliJ

img.png

  • summary
    • statement coverage 기준: 88%
    • branch coverage: 54.8%
    • class coverage: 100%
    • method coverage: 96.7%

💫 부하 테스트 결과

  • 사용 인스턴스 유형: t2.large (ram 8GB)
  • 부하 테스트 측정 툴: Jmeter

server-test.png

  • summary
    • 도메인별 주요 api 평균 50.3 Throughput

🏛️ 아키텍처

architecture.png

보안 고려 사항

  • JWT를 활용한 인증/인가
    • SSL 보안 계층을 활용한 토큰 암호화 (HTTPS, ALB 설치)
    • CSRF / XSS 공격에 대비한 토큰 저장 분리 (Local storage, HTTP-only Cookie)
  • Nginx를 활용한 actuator와 같은 민감 정보 deny
  • Spring Security를 활용한 철저한 Auth 검사 및 uri 접근 조정
  • Kakao OAuth2.0을 활용한 인증/인가 기능 간편화
  • docker 네트워크를 활용하여 spring 서버나, prometheus같은 인스턴스 포트 매핑x (Endpoint 단일화)

추천 시스템 로직

  • Collaborative Filtering & Cosine Similarity 기반 추천시스템
    1. 각 Concert는 AI가 추출해준 키워드 값에 대해 0 ~ 1 사이의 값을 가짐
    2. 유저도 마찬가지로 온보딩에서 등록한 취향 정보로 부터 모든 키워드 값에 대해 0 ~ 1사이 값을 가짐
    3. Concerts, Users CSV파일을 통해서 Cosine Similarity와 Collaborative Filtering을 통한 유사도 계산 후 추천 진행

메인 서버

  • 서비스의 주요 로직을 처리하는 서버
  • Grafana와 Prometheus에 기반한 모니터링 시스템 구축
  • Nginx를 통한 리버스 프록시 설정

AI 서버

  • 공연 성격 분석이나, 유저 성격 분석, OCR을 처리하는 서버
  • OCR 및 공연 성격 정보 추출은 NCP의 AI 서비스를 활용
  • 추천 시스템의 경우 직접 Collaborative Filtering Model 구현

배치 서버

  • KOPIS 시스템으로부터 공연 정보를 주기적으로 업데이트하는 서버(한달에 1번)
  • KOPIS에서 데이터를 받아올때마다 AI서버에 학습 요청

🔄 FlowChart of AI & Batch Server

flow-chart.png

📁 ERD

erd.png

  • 카테고리에서 연관 관계 설정을 통해 관계형 데이터베이스 활용
  • AI 서비스 학습을 위한 soft delete 활용

🛠️ CI/CD pipeline

ci-cd.png

  1. PR 이벤트 발생 시 CI 실행 (테스트 포함)
  2. approve 및 CI 성공 시 merge 가능
  3. merge 이벤트 발생 시 CI 스크립트 수행
  4. CI 스크립트 성공 시 CD 스크립트 수행
  5. Docker 이미지 docker hub에 push
  6. SSH로 AWS EC2 연결
  7. docker hub에서 이미지 pull
  8. dokcer-compose를 활용해 서비스 실행 및 도커 네트워크 구축