-
Notifications
You must be signed in to change notification settings - Fork 3
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
Showing
1 changed file
with
148 additions
and
0 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -0,0 +1,148 @@ | ||
| # SASAP!CK : 대규모 트래픽 처리 기반 온라인 쇼핑몰 | ||
|
|
||
|  | ||
|
|
||
| ## 프로젝트 소개 | ||
|
|
||
| > **SASAP!CK** 프로젝트는 **대규모 트래픽 상황**에서도 안정적인 서비스를 제공하기 위해 **마이크로서비스 아키텍처 (MSA)** 를 기반으로 설계된 쇼핑몰 시스템입니다. | ||
| - 블랙프라이데이와 같은 쇼핑 이벤트나 시즌 동안 급증하는 사용자 요청을 원활하게 처리하며 주문, 결제, 사전 예약, 검색, 재고 관리, 쿠폰 등의 핵심 쇼핑 기능을 제공하는 통합 플랫폼 서비스입니다. | ||
|
|
||
| - 각 서비스는 독립적으로 확장 가능하도록 설계되어, 높은 유연성을 갖추고 있습니다. 이를 통해 갑작스러운 트래픽 급증 상황에서도 신속한 응답 속도와 서비스의 안정성을 보장하여 UX를 긍정적으로 유지할 수 있습니다. | ||
|
|
||
| ## 프로젝트 목표 | ||
|
|
||
| - **대규모 트래픽 대응** | ||
| - 스케일아웃을 통해 서버를 분산하여 대규모 트래픽 상황에서도 유저 요청을 안정적으로 처리 | ||
| - **부하 테스트 및 성능 최적화** | ||
| - 주요 비즈니스 API의 처리량을 200.0/sec 이상으로 달성 | ||
| - 성능 병목 구간을 분석하여 요청 처리 속도를 최적화 | ||
| - **기술 선택 및 전략 고민** | ||
| - 각 기술의 trade-off를 분석하여 서비스 요구 사항에 맞는 최적의 기술과 아키텍처 선택 | ||
| - 성능, 유지보수성, 확장성을 고려한 전략 수립 | ||
| - **모니터링 및 CPU 최적화** | ||
| - ELK 기반 모니터링 시스템으로 서버 상태와 자원 사용량을 추적 | ||
| - CPU 성능 최적화를 통해 서버 부하를 줄이고 효율성 향상 | ||
| - **배포 및 운영** | ||
| - 효율성과 일관성을 위해 Docker 및 Docker Compose 사용 | ||
| - CI/CD 파이프라인을 자동화하기 위해 GitHub Actions와 ECR 사용 | ||
|
|
||
| ## 프로젝트 멤버 | ||
|
|
||
| |  |  |  |  | | ||
| |:------------------:|:------------------:|:------------------:|:------------------:| | ||
| | 김유연 | 이아린 | 김경민 | 김진선 | | ||
| | Leader | Sub-Leader | Member | Member | | ||
| | 상품, 사전예약주문, 모니터링 | 장바구니, 주문, CI/CD | 유저, 인증, 쿠폰, CI/CD | 결제, 검색엔진, 게이트웨이 대기열, 모니터링 | | ||
| | <a href="https://github.com/yooyouny"><img src="https://upload.wikimedia.org/wikipedia/commons/9/91/Octicons-mark-github.svg" alt="GitHub" width="20" height="20"></a> | <a href="https://github.com/eggnee"><img src="https://upload.wikimedia.org/wikipedia/commons/9/91/Octicons-mark-github.svg" alt="GitHub" width="20" height="20"></a> | <a href="https://github.com/kyeonkim"><img src="https://upload.wikimedia.org/wikipedia/commons/9/91/Octicons-mark-github.svg" alt="GitHub" width="20" height="20"></a> | <a href="https://github.com/kimzinsun"><img src="https://upload.wikimedia.org/wikipedia/commons/9/91/Octicons-mark-github.svg" alt="GitHub" width="20" height="20"></a> | | ||
|
|
||
| ## 기술 스택 | ||
|
|
||
| | **분류** | **사용 기술** | | ||
| |------------------------|--------------------------------------------------------------------------------------------------| | ||
| | **Framework / Library** | Spring Boot, Gradle, Spring Cloud Gateway, Spring Security, Spring Data JPA, QueryDSL, Redisson, AWS Lambda | | ||
| | **Messaging** | Apache Kafka | | ||
| | **DevOps** | AWS EC2, Docker, Docker Compose, Github Actions, Kibana, LogStash, MetricBeat | | ||
| | **Data Source** | AWS RDS (MySQL), AWS S3, Redis, Cassandra, ElasticSearch | | ||
| | **Test** | Apache JMeter, Postman, IntelliJ Http Client | | ||
| | **External Library** | Slack API, Toss Payments API | | ||
|
|
||
| ## 배포 링크 | ||
|
|
||
| | 항목 | URL / 정보 | | ||
| |-------------------------|---------------------------------------------------------------| | ||
| | **API Docs (Postman)** | [API Docs (Postman)](https://documenter.getpostman.com/view/38424997/2sAY4rDjFF) | | ||
| | **Gateway Server** | [http://13.209.108.47:19091](http://13.209.108.47:19091) | | ||
| | **System Monitoring (Kibana)** | [http://13.209.108.47:5601](http://13.209.108.47:5601/) | | ||
|
|
||
| ## 실행 방법 | ||
|
|
||
| - 추가 예정 | ||
|
|
||
| ## 인프라 설계도 | ||
|
|
||
|  | ||
|
|
||
| ## 주요 기능 | ||
|
|
||
| - Elastic Search 기반의 상품 목록 조회 및 검색 서비스 구현 | ||
| - Toss Payments 테스트 결제 모듈을 이용한 결제 서비스 구현 | ||
| - Redis Sorted Set을 이용한 게이트웨이 대기열 도입 | ||
| - Redis 캐싱을 활용한 장바구니/상품 카테고리 기능 구현 | ||
| - Feign Client 다중 호출 기반 주문 서비스 구현 | ||
| - Redis Redisson 분산 락과 Apache Kafka를 이용한 서비스 구현 | ||
| - 쿠폰 발급 | ||
| - 상품 재고 감소 | ||
| - 사전 예약 주문 | ||
| - AWS S3+Lambda를 활용한 외부이미지 저장소 구축 | ||
| - ELK 스택 기반의 시스템 모니터링 시스템 구축 | ||
| - CI/CD Pipeline 구축에 GitHub Actions와 AWS ECR 사용 | ||
|
|
||
| ## 시스템 구조도 | ||
|
|
||
| - **사전 예약 상품 구매 로직** | ||
|  | ||
|
|
||
| - **주문-결제 로직** | ||
|  | ||
|
|
||
| - **게이트웨이 대기열** | ||
|  | ||
|
|
||
| - **쿠폰 발급 로직** | ||
|  | ||
|
|
||
| ## 기술적 의사결정 | ||
|
|
||
| 1️⃣ **Elastic Search 도입으로 검색 성능 최적화** | ||
|
|
||
| - 기존 DB 조회 방식은 전체 테이블을 스캔하는 방식으로 속도가 느리고 대용량 데이터 처리 불가 | ||
| - 대용량 데이터 처리, 실시간 색인 및 검색이 가능한 Elastic Search 도입 | ||
|
|
||
| 2️⃣ **Redis sorted set을 이용한 게이트웨이 대기열** | ||
|
|
||
| - 서비스의 전체적인 트래픽을 조절하기 위해 게이트웨이 대기열 도입 | ||
| - proceed queue, wait queue, active queue를 만들어 사용자 활동 추적 | ||
|
|
||
| 3️⃣ **상품 저장소를 Cassandra로 선택하여 스케일아웃 상황에 유리하도록 구축** | ||
|
|
||
| - 조회성능에 유리한 NoSQL 중 확장성 및 가용성이 더 좋은 카산드라를 메인 저장소로 선택 | ||
| - 상품 상세조회 외 모든 조회는 ElasticSearch 기반으로 구현함으로써 카산드라의 단점을 보완 | ||
|
|
||
| 4️⃣ **Redis 기반 캐싱을 통한 장바구니 및 카테고리 조회 성능 최적화** | ||
|
|
||
| - Redis 도입으로 장바구니와 카테고리 데이터 캐싱을 통한 성능 최적화 및 데이터베이스 부하 감소 | ||
| - 장바구니는 실시간 업데이트 및 30일 TTL 적용, 카테고리 데이터는 빠른 조회를 위한 캐싱 처리 | ||
|
|
||
| 5️⃣ **Redisson 분산 락을 활용해 쿠폰발행/재고차감/사전예약수량의 동시성 이슈를 해결** | ||
|
|
||
| - Redis의 분산락인 Redisson 도입으로 데이터 무결성을 유지 | ||
| - 여러 서버에서 동시에 요청이 들어올 경우에도 안전하게 쿠폰발행과 재고차감, 사전예약주문을 진행 | ||
|
|
||
| 6️⃣ **Kafka를 이용하여 대규모 트래픽 처리 및 모듈 간 비동기 메시지 전송** | ||
|
|
||
| - 높은 처리량과 빠른 응답 속도를 제공하기 위해 비동기 처리를 위한 Kafka 도입 | ||
| - 사전예약주문/쿠폰발행/결제 로직에서 활용 | ||
|
|
||
| 7️⃣ **이미지 저장과 썸네일 생성을 외부에서 처리하여 API 성능 개선** | ||
|
|
||
| - 이미지를 DB에 저장하면서 발생하는 오버헤드를 낮추기 위해 외부저장소인 AWS S3에서 처리 | ||
| - 썸네일 생성도 서버리스인 Lambda에서 처리하여 기존 서버의 책임을 외부로 분할 | ||
|
|
||
| ## 트러블 슈팅 | ||
|
|
||
| ### 1️⃣ Elastic Search로 상품목록 조회성능 높이기 | ||
|
|
||
| --- | ||
|
|
||
| - 상품목록조회는 많은 필터링 조건, 정렬 조건 등으로 많은 컬럼들에 인덱싱 처리가 필요 | ||
| - 데이터 인덱싱, 빠른 조회를 지원하는 Elastic Search 검색 플랫폼을 도입하여 상세조회만 카산드라에서 조회되고 모든 검색과 목록 조회는 Elastic Search 기반으로 진행되도록 구현 | ||
| - Elastic Search 도입으로 상품목록 조회 API 처리량이 **약 114.3% 증가한 성과를 얻음** | ||
|
|
||
| ### **2️⃣ 분산락과 Kafka를 사용하여 쿠폰 발급 시 발생하는 문제점 개선** | ||
|
|
||
| --- | ||
|
|
||
| - 대규모 트래픽 환경에서 쿠폰 발급 시 쿠폰 수량이 공유자원이므로 동시성 이슈가 발생 | ||
| - 비관적 락을 통해 동시성 문제를 해결하였으나 분산 서버에 맞지 않는다고 판단. 또한, 낮은 처리량으로 인해 분산락 + Kafka를 통해 문제점 개선 | ||
| - 분산락과 Kafka 도입 후 쿠폰 발급 API 처리량이 **약 344% 이상 향상** |