웨딩 드레스 추천 API

AI 기반 웨딩 드레스 추천 서비스

OpenAI GPT-4를 활용하여 신부의 체형에 맞는 최적의 드레스를 추천합니다.

🏗️ 아키텍처

시스템 구조

┌──────────────┐
│   Client     │ (HTTP)
└──────┬───────┘
       │
       ↓
┌─────────────────────────────────────┐
│   API Layer (FastAPI)               │
│   └─ Routes (recommend, stats)      │
└──────┬──────────────────────────────┘
       │
       ↓
┌─────────────────────────────────────┐
│   Services Layer                    │
│   ├─ Recommender (AI Logic)         │
│   └─ Schemas (Pydantic)             │
└──────┬──────────────────────────────┘
       │
┌──────┴──────┬──────────────┐
│   Database  │   Config     │
│   Layer     │   Layer      │
├─────────────┼──────────────┤
│ • Session   │ • Settings   │
│ • Models    │ • Redis      │
│ • Repos     │              │
└─────────────┴──────────────┘
       │
       ↓
┌──────────────┐  ┌──────────────┐
│    MySQL     │  │    Redis     │
│  (L2 Cache)  │  │  (L1 Cache)  │
└──────────────┘  └──────────────┘

레이어 설명

API Layer (src/api/)

• FastAPI 기반 REST API
• 요청 검증 및 응답 포맷팅
• Routes: recommend, stats

Services Layer (src/services/)

• 비즈니스 로직 (AI 추천 엔진)
• Pydantic 스키마 정의
• 도메인 모델

Database Layer (src/database/)

• SQLAlchemy 세션 관리
• DB 모델 정의
• Repository 패턴 (데이터 접근)

Config Layer (src/config/)

• 환경 설정 관리
• Redis 클라이언트

📁 프로젝트 구조

wedding-dress-api/
├── src/
│   ├── api/                      # FastAPI REST API
│   │   ├── main.py              # FastAPI app
│   │   └── routes/              # API routes
│   │       ├── recommend.py     # 드레스 추천 엔드포인트
│   │       └── stats.py         # 통계 엔드포인트
│   │
│   ├── services/                # 비즈니스 로직
│   │   ├── schemas.py           # Pydantic 스키마
│   │   └── recommender.py       # AI 추천 엔진
│   │
│   ├── database/                # 데이터베이스
│   │   ├── session.py           # DB 세션
│   │   ├── models.py            # SQLAlchemy 모델
│   │   └── repositories/        # Repository 패턴
│   │       └── recommendation.py
│   │
│   └── config/                  # 설정
│       ├── settings.py          # 환경 설정
│       └── redis.py             # Redis 클라이언트
│
├── scripts/                     # 유틸리티
│   └── init.sql                 # DB 초기화 스크립트
│
├── Dockerfile                   # Docker 이미지
├── docker-compose.yaml          # 로컬 개발 환경
├── requirements.txt             # Python 의존성
└── README.md

사전 요구사항

• Python 3.11+
• Docker & Docker Compose
• OpenAI API Key

# 1. 환경 변수 설정
cp .env.example .env
# .env 파일에서 OPENAI_API_KEY와 MYSQL_PASSWORD 설정

# 2. 서비스 시작
docker-compose up -d

# 3. 로그 확인
docker-compose logs -f api

# 4. 테스트
curl http://localhost:18000/health

📡 사용법

REST API

드레스 추천 (기본 3개)

curl -X POST http://localhost:18000/recommend \
  -H "Content-Type: application/json" \
  -d '{
    "arm_length": "보통",
    "leg_length": "긴",
    "neck_length": "보통",
    "face_shape": "달걀"
  }'

추천 개수 변경 (1-5개)

# 1개만 추천받기
curl -X POST http://localhost:18000/recommend \
  -H "Content-Type: application/json" \
  -d '{
    "arm_length": "보통",
    "leg_length": "긴",
    "neck_length": "보통",
    "face_shape": "달걀",
    "num_recommendations": 1
  }'

# 5개 추천받기
curl -X POST http://localhost:18000/recommend \
  -H "Content-Type: application/json" \
  -d '{
    "arm_length": "보통",
    "leg_length": "긴",
    "neck_length": "보통",
    "face_shape": "달걀",
    "num_recommendations": 5
  }'

응답 예시

{
  "request_params": {
    "arm_length": "보통",
    "leg_length": "긴",
    "neck_length": "보통",
    "face_shape": "달걀"
  },
  "recommendations": [
    {
      "style_name": "A라인 드레스",
      "description": "상체는 슬림하게, 하체는 풍성하게...",
      "why_recommended": "긴 다리를 돋보이게 하며...",
      "styling_tips": [
        "하이힐을 신어 다리 라인을 더욱 강조",
        "심플한 목걸이로 얼굴형을 살림"
      ]
    }
  ],
  "overall_advice": "달걀형 얼굴과 긴 다리를 가진 신부님께는...",
  "cached": false,
  "source": "ai_generated"
}

API 엔드포인트

메서드	경로	설명
GET	/health	상세 헬스 체크
POST	/recommend	드레스 추천 (메인)

입력 파라미터

파라미터	옵션	조합
arm_length	짧은, 보통, 긴	3
leg_length	짧은, 보통, 긴	3
neck_length	짧은, 보통, 긴	3
face_shape	달걀, 넓은, 각진, 긴	4
num_recommendations	1, 2, 3, 4, 5 (기본값: 3)	5

총 조합: 3 × 3 × 3 × 4 × 5 = 540가지

2-Tier 캐싱

레벨	저장소	속도	용도
L1	Redis	~1ms	초고속 응답
L2	MySQL	~10ms	영구 저장 + 통계

플로우:

1. Redis Hit → 즉시 반환 ✅
2. Redis Miss → MySQL Hit → Redis 저장 → 반환
3. MySQL Miss → AI 생성 → 양쪽 저장 → 반환