🚀 소개

클래스메이트는 항해99 백엔드 부트캠프에서 진행한 팀 프로젝트로, 대규모 사용자 요청 속에서도 안정적인 성능을 유지하는 수강신청 플랫폼을 목표로 개발되었습니다. 해당 프로젝트에서는 짧은 시간에 집중되는 트래픽 상황을 효과적으로 처리하기 위한 다양한 기술을 팀 단위로 논의하고 적용했습니다. 실제 상황을 가정한 부하 테스트와 모니터링 지표 분석을 통한 성능을 개선해보는 등, 실질적인 경험을 쌓을 수 있었습니다.

🛠️ 핵심 기능

• 수강 과목 검색, 장바구니 담기 및 수강신청 기능을 제공하는 RESTful API 구현
• 수강신청 시 비관적 락을 적용하여 강의 인원 제한 및 결과 데이터의 정합성 보장
• 신청 마감된 과목에 대한 불필요한 연산을 방지하기 위해 Redis 기반 여석 정보 캐싱 처리
• Elasticsearch + Logstash를 통해 검색 데이터 동기화 및 다양한 조건 기반 검색 지원
• Prometheus & Grafana를 활용하여 EC2 인프라의 자원 사용량 실시간 모니터링 환경 구축

(1) 기술 스택

Java 17, Spring Boot, Spring Data JPA, Spring Security, MySQL, Redis, ELK, AWS, GCP, Prometheus, Grafana, JMeter, Docker, Github Actions

(2) 아키텍처 및 ERD

(3) 주요 성과

• 서버 API 평균 60,000 TPS에서 평균 응답 시간 650 ms 기록
• AWS와 GCP 혼합 배포를 통해 전체 프로젝트 예산 대비 ELK 구축 비용 16% 절감

🐞 트러블 슈팅

(1) DB 튜닝과 ELK 비교 도입으로 사용자 검색 경험 개선

당시 클래스메이트 서버는 MySQL의 LIKE 문법으로 결과 리스트를 반환하는 구조였고, JPA의 추상 메소드를 활용했습니다. 그러나 데이터가 100만 개 이상 쌓이면서 평균 응답 시간이 44초로 늘어나며 조회 성능이 떨어지고 Java 힙 메모리 초과 오류까지 발생했습니다.

문제 원인은 풀 테이블 스캔과 대량 메모리 로딩이었습니다. 그래서 커서 페이징과 검색 필드 인덱싱, 네이티브 쿼리를 적용해 처리량과 응답 속도를 1500배 개선했습니다. 하지만 이 방식은 ‘조사 생략’과 ‘일부 단어’ 같은 실제 사용자 검색 양상을 반영하지 못했습니다.