미리보기

• 공통 운영 컨벤션 수립으로 고객센터 운영 안정성 확보 및 개발 프로세스 효율화
• AOP 기반 인터페이스 이력 관리 시스템 구축으로 이력 추적 및 성능 개선 인사이트 도출
• Redis 기반 실시간 에러 알림 시스템 구축으로 장애 대응 시간 단축
• Kafka 메시지 처리 오류 시 DLQ 저장 및 Slack 알림 시스템 구축으로 장애 대응성과 메시지 안정성 개선
• 고객센터 채팅 솔루션을 RabbitMQ에서 Kafka로 전환하여 약 1,000만 원의 공수 절감
• 클레임 프로세스 통합을 위한 CS 지원 프로그램 개발로 운영 효율성 향상 및 장기 미처리 방지
• VOC 기처리 배치 시스템의 대규모 풀스캔 쿼리를 인덱스 힌트 적용으로 1시간 → 1분 내외로 단축
• AWS Athena에서 Snowflake로 전환하여 퇴점 여부 조회 API의 고부하 쿼리 성능 개선

명품 버티컬 플랫폼 개발 - DailyOn

• Redis를 활용한 성능 최적화: SNS의 좋아요, 댓글, 조회 수 처리 성능을 개선하여 읽기/쓰기 부하를 효과적으로 분산
• 고가용성 Redis 클러스터링: 장애 대비를 위해 Kubernetes 기반 Redis 클러스터를 구성하고 안정성을 확보
• Kubernetes 리소스 최적화: Pod Scheduling을 최적화하여 메모리 충돌을 방지하고, 이를 통해 클라우드 비용 절감
• CloudFront 캐시 최적화: 이미지 리사이징 기능을 구현하여 CloudFront 캐시 히트율을 극대화하고, 이를 통해 S3 스토리지 비용 절감 및 사용자 경험 개선
• CloudFront OriginShield 활용: 캐시 히트율을 더욱 향상시켜 트래픽 부하를 줄이고 비용을 절감, 이를 통해 사용자 경험을 한층 더 개선
• DailyOn 인프라 설계 및 모니터링 구축: 고가용성 아키텍처를 설계하고 실시간 모니터링 시스템을 구축하여 시스템 성능과 안정성 향상

프로젝트 개요
MSA 환경에서는 인터페이스 단위의 장애 발생 시 원인을 신속하게 파악하기 어렵고, 요청 빈도 및 처리 시간에 대한 체계적인 분석이 부족해 성능 최적화에 한계가 있었습니다. 이를 해결하기 위해 AOP와 MDC를 활용한 인터페이스 이력 관리 시스템을 도입하여 장애 대응 시간을 단축하고, 요청 빈도 및 처리 시간 분석을 통해 시스템 병목 구간을 효과적으로 파악할 수 있도록 개선하였습니다.

주요 역할 및 기여
✅ AOP 기반 인터페이스 이력 관리
• AOP를 활용해 인터페이스 요청을 추적하고, 호출 이력을 저장하는 시스템 개발
• 데코레이터 패턴을 적용하여 각 요청의 처리 시간, 호출 스택, 이력을 계층적으로 저장해 유지보수성을 향상
• 템플릿 메서드 패턴을 도입해 인터페이스 유형을 쉽게 확장할 수 있는 유연한 구조로 설계

✅ 일관된 추적 관리
• MDC와 스레드 로컬 전파를 활용해 동일한 요청이 다른 스레드에서 처리되더라도 일관된 추적이 가능하도록 시스템 구축
• 동일한 요청 내에서 구간을 명확히 구분할 수 있도록 고유한 스팬 아이디를 도입, 분산 환경에서도 추적의 일관성 확보
• Kafka Interceptor를 적용해 동일한 이벤트 요청에서 동일한 추적 아이디와 스팬 아이디를 유지할 수 있도록 구현

✅ 시스템 병목 구간 및 에러 분석
• 수집된 데이터 기반으로 시스템 병목 구간을 분석하고, 성능 최적화를 통해 개선
• 특정 요청에서 발생한 예외를 분석하여 원인을 파악, 안정성을 높이기 위한 개선 작업 수행

성과
🚀 인터페이스 요청 처리 속도 및 효율성 개선
🔍 시스템 병목 구간을 파악하고 최적화하여 성능 향상
⚡ 장애 대응 속도 개선 및 시스템 안정성 강화

사용 기술

• Spring AOP

• MDC

• ThreadLocal

• ConcurrentHashMap

프로젝트 개요
기존 에러 알림 시스템은 스케줄러와 배치 작업을 활용한 주기적 감지 방식이었으며, 실시간성이 부족하고 장애 발생 시 알림이 누락될 가능성이 있었습니다. 이를 해결하기 위해 AOP와 Redis를 활용한 실시간 에러 알림 시스템을 구축하여 보다 신속하고 정확한 장애 대응이 가능하도록 개선하였습니다.

주요 역할 및 기여
✅ AOP 기반 예외 감지 및 자동 처리
• AOP를 활용해 애플리케이션 전반에서 발생하는 예외를 감지하고 자동으로 처리하는 기능 개발
• 코드 수정 없이 중앙 집중형 예외 로깅 및 처리 시스템 구축

✅ Redis를 활용한 중복 알림 방지
• 동일한 예외가 반복 발생할 경우 TTL(시간 제한)을 설정하여 불필요한 알림 방지
• 운영자의 부담을 줄이고, 중요한 알람에 대한 대응 속도를 향상

✅ 책임 연쇄 패턴(Chain of Responsibility) 적용
• Redis 장애 발생 시에도 알림 시스템이 정상적으로 동작할 수 있도록 RDB를 대체 저장소로 활용하는 구조 설계
• Redis와 RDB가 모두 장애가 발생하더라도 알림이 누락되지 않도록 무조건적인 알림 발송 구조를 구축

✅ Slack 연동을 통한 실시간 알림
• 장애 발생 시 실시간 알림을 Slack으로 전송하여 신속한 대응이 가능하도록 구현
• 개발 및 운영팀이 즉각적으로 장애를 인지하고 대응할 수 있도록 지원

✅ WriteBack 패턴을 활용한 Redis - RDB 동기화
• Redis 장애 발생 시 데이터 유실을 방지하기 위해 WriteBack 패턴을 적용하여 RDB와 동기화 보장
• RDB에 데이터를 저장하여 예외 발생 내역을 분석하고, 시스템 개선에 활용할 수 있도록 설계

성과
🚀 장애 감지 및 대응 시간이 평균 80% 단축됨
🔔 불필요한 알림 감소로 인한 운영 부담 완화
⚡ 시스템 가용성 및 안정성 향상

사용 기술

• Spring AOP

• Spring Batch

• Redis

프로젝트 개요
기존 클레임 처리 시스템에서는 장기 미처리 및 오처리 문제가 발생하여 운영 비효율성과 고객 불만이 지속적으로 증가했습니다. 이를 해결하기 위해 최적화된 클레임 처리 시스템을 구축하여 운영 효율성을 높이고, 고객 만족도를 개선했습니다.

주요 역할 및 기여
✅ 장애 및 장기 미처리 클레임 건의 일괄처리 시스템 구축
• 센터 및 인력 운영의 효율성을 향상시키는 자동화된 클레임 처리 프로세스 개발
• 실시간 및 주기적 클레임 모니터링을 도입하여 장기 미처리 건을 사전에 방지
• 클레임 처리 속도 개선으로 고객 문의 건수 감소

✅ 고성능 대량 데이터 처리 최적화
• Bulk Insert 적용으로 DB Connection 최소화하여 과부하 방지
• 병렬 스트림 기반 Kafka Pub 로직 구현을 통해 대량 데이터 처리 시 서버 부하 감소 및 성능 향상

✅ SMS 발송 로직 최적화
• 세션 스토리지 활용하여 5초 이내 연속 요청을 차단, 중복 발송 방지
• 동적 변수 치환을 통한 템플릿 기반 SMS 발송으로 대량 메시지에도 개별 맞춤 메시지 발송 가능

✅ 클레임 정책 및 요건 분석을 기반으로 유연한 처리 프로세스 설계
• 취소, 반품, 철회 정책 및 요건을 분석하여 각 정책에 최적화된 클레임 처리 로직 구현

성과
🚀 클레임 처리 속도 향상 및 운영 부담 감소
📉 장기 미처리 및 오처리 사례 감소로 고객 만족도 개선
💡 대량 데이터 처리 성능 최적화로 시스템 안정성 및 확장성 확보

사용 기술

• Spring

• Java ParallelStream

• Kafka

프로젝트 개요
파트너사와의 데이터 연동 효율성을 높이고, 개발 비용을 절감하기 위해 Kafka 기반 채팅 데이터 파이프라인을 구축하였습니다. 기존 연동 방식의 한계를 극복하고, 실시간 및 배치 데이터 처리를 최적화하여 안정적인 데이터 흐름을 보장하는 것이 핵심 목표였습니다.

주요 역할 및 기여
✅ Kafka 환경에서 채팅 데이터 파이프라인 설계 및 구축
• 실시간 및 배치 데이터 처리를 모두 고려한 확장 가능한 구조 설계
• 기존 연동 방식 대비 파트너사의 개발 비용 약 1,000만 원 절감

✅ 롯데온 최초 PostgreSQL Debezium Connector 도입 및 레퍼런스 구축
• PostgreSQL CDC (Change Data Capture) 복제를 위한 Debezium Connector 분석 및 적용
• 레퍼런스 구축을 통해 향후 다른 프로젝트에서도 재사용 가능하도록 문서화 및 가이드 정리

✅ CDC 복제 시 생성되는 메타데이터 관리 최적화
• PostgreSQL CDC 복제 시 불필요한 메타데이터 증가 문제 해결
• 데일리 및 준실시간 모니터링 시스템 구축을 통해 과용량 방지 및 운영 안정성 확보

✅ 채팅 데이터 흐름 최적화 및 운영 안정성 강화
• Kafka 기반 실시간 채팅 데이터 스트리밍 처리 구조 설계
• Kafka Topic 및 Partition 전략 수립을 통한 데이터 흐름 최적화

성과
🚀 파트너사의 개발 비용 절감 및 데이터 연동 효율성 증대
📈 Kafka 기반 실시간 데이터 처리 구조로 운영 안정성 확보
🔄 CDC 복제 최적화로 메타데이터 관리 부담 감소 및 시스템 확장성 강화

사용 기술

• Kafka

• Kafka Connect

• KsqDB Streams

• PostgreSQL

프로젝트 개요
고객센터의 장애 대응을 최적화하고 운영 안정성을 강화하기 위해 준실시간 모니터링 및 알림 시스템을 구축하였습니다. 기존에는 장애 발생 시 원인 파악과 대응이 지연되는 문제가 있었으며, 운영 데이터의 시각화 및 모니터링 체계가 부족하여 실시간 대응이 어려웠습니다. 이를 해결하기 위해 자동화된 모니터링 시스템과 Kafka DLQ(Dead Letter Queue) 기반의 장애 감지 및 알림 시스템을 도입하여 장애 대응 시간을 단축하고 운영 효율성을 높였습니다.

주요 기여 및 성과
✅ 고객센터 준실시간 자동 모니터링 시스템 개발
• 어드민 대시보드에서 모니터링 쿼리를 변경할 수 있도록 기능 제공
• 배치 기반으로 특정 시간마다 설정된 쿼리를 실행하여 결과를 Slack으로 전송 → 운영자의 즉각적인 대응 가능

✅ 전략 패턴 적용
• Slack, Webex 외 다양한 알림 메신저 전략을 유연하게 추가 가능
• RDB, Snowflake 외 다른 DB 전략 전략을 유연하게 추가 가능 → 추후 PostgreSQL 도입 할 때 개발 공수를 감소시킴

✅ 운영 데이터 시각화 및 모니터링 강화
• Kibana Dashboard 구축: 고객센터 로그를 분석하여 필터링하여 로깅 대시보드를 구축
• Kafka Grafana Dashboard 구축: Kafka 운영 현황 모니터링 및 Kafka Lag Slack 알림 대시보드 구축

✅ Kafka 메시지 처리 오류 시 DLQ 저장 및 Slack 알림 시스템 구축
• Kafka 메시지 처리 오류 발생 시, 오류 메시지를 DLQ(Dead Letter Queue)에 저장하여 메시지 안정성 향상
• DLQ에 저장된 메시지 발생 시 자동으로 Slack 알림을 보내어 빠른 장애 대응을 가능하게 함

성과
🚀 장애 대응 시간 단축 및 운영 안정성 강화
🔍 Kafka DLQ 기반 메시지 장애 분석 체계 구축으로 메시지 안정성 향상
📊 모니터링 대시보드 및 자동 알림 시스템 도입으로 실시간 장애 감지 가능
⚡ 전략 패턴 적용을 통한 확장성 강화로 다양한 DB 및 알림 메신저 추가 용이

사용 기술

• Spring Batch

• Slack API

• Webex API

프로젝트 개요
기존 1:1 문의하기 시스템에서 고객의 불필요한 재작성 문의가 빈번히 발생하는 문제를 해결하기 위해, 수정 기능 및 삭제 버튼 가시성을 강화하여 재문의 건수를 감소시켰습니다.

주요 기여 및 성과
✅ 수정 기능 및 삭제 버튼 가독성 강화
• 1:1 문의 내 수정 기능과 삭제 버튼의 가시성을 개선하여 사용자의 문의 재작성 건수를 감소시켰습니다.
• 결과: 2023년 6월 기준, 동일 상품에 대한 재문의 건수가 674건에서 456건(10분 내), 218건(30분 내)으로 감소.

✅ 퍼사드 패턴 적용
• 비즈니스 로직을 한 눈에 파악할 수 있도록 퍼사드 패턴을 적용하여 시스템 분석과 정책 확장이 용이하도록 설계했습니다.

✅ 동시성 처리 및 엣지 케이스 대응
• DB 업데이트 시 업데이트되는 레코드가 0개라면 수정이 불가능한 조건을 처리하여, 동시성 문제를 해결하고 1:1 문의 수정이 불가능한 상황을 방지했습니다.
• 엣지 케이스를 고려한 테스트 코드를 작성하여 지속적인 리팩터링과 비즈니스 로직 변경 시 빠른 대응이 가능하도록 했습니다.

성과
🚀 불필요한 재작성 문의 건수 감소
🔧 비즈니스 로직 분석 및 확장 용이
⚡ 시스템 안정성 및 동시성 처리 강화

사용 기술

• Spring

• Vue.js

• AWS S3