Software Engineer

이채민

성실함

책임감

꼼꼼함

기술적

자기 주도적

Cisco Certified Network Associate(CCNA)

Certified Kubernetes Administrator(CKA)

AWS Certified Developer Associate

정보처리기사

ENGLISH

롯데ON 기술 블로그 - AOP & MDC 기반 인터페이스 이력 관리 시스템 개발

롯데ON 기술 블로그 - AOP & Redis 기반 실시간 에러 알림 시스템 개발

링크드인

깃허브

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.<hr>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<hr>성과 🚀 인터페이스 요청 처리 속도 및 효율성 개선 🔍 시스템 병목 구간을 파악하고 최적화하여 성능 향상 ⚡ 장애 대응 속도 개선 및 시스템 안정성 강화<hr>사용 기술• Spring AOP• MDC• ThreadLocal• ConcurrentHashMap

고객센터 인터페이스 이력 관리 시스템 구축

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.<hr>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<hr>성과 🚀 장애 감지 및 대응 시간이 평균 80% 단축됨 🔔 불필요한 알림 감소로 인한 운영 부담 완화 ⚡ 시스템 가용성 및 안정성 향상<hr>사용 기술• Spring AOP• Spring Batch• Redis

고객센터 실시간 에러 알림 시스템 구축

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.<hr>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<hr>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<hr>사용 기술• Spring• Java ParallelStream• Kafka

클레임 통합 CS 지원 프로그램 구축

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.<hr>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<hr>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<hr>사용 기술• Kafka• Kafka Connect• KsqDB Streams• PostgreSQL

고객센터 채팅 데이터 파이프라인 구축

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.<hr>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<hr>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<hr>사용 기술• Spring Batch• Slack API• Webex API

고객센터 데이터 자동 모니터링 시스템 구축

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.<hr>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.<hr>성과 🚀 불필요한 재작성 문의 건수 감소 🔧 비즈니스 로직 분석 및 확장 용이 ⚡ 시스템 안정성 및 동시성 처리 강화<hr>사용 기술• Spring• Vue.js• AWS S3

고객센터 1:1 문의하기 기능 개선

• 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