Skip to content

Clean Spring ‐ Web API Adapter

woojin edited this page Aug 22, 2026 · 2 revisions

Entity vs DTO

❗애플리케이션(서비스) 계층의 리턴 타입은 DTO여야 하는가, 엔티티여야 하는가?

  • 결론 : 가능하다면 엔티티를 권장한다. 단, 이 결론은 "어디까지 전달되는가"에 따라 조건이 붙는다. 같은 프로세스 안의 어댑터까지는 엔티티, 시스템 밖(HTTP 응답, 메시지)으로 나갈 때는 DTO.

1. "DTO로 변환해야 한다"는 통념과 그 근거

  • 엄격한 계층형 아키텍처에는 "각 계층은 바로 다음(하위) 계층에만 의존한다"는 제약이 있다.
  • 이 제약을 따르면 도메인 엔티티는 애플리케이션 계층까지만 쓰고, 그 밖으로는 필요한 값만 뽑은 DTO로 전달해야 한다.
  • 도메인 로직 유출 : 도메인 메서드를 가진 엔티티가 컨트롤러에 도달하면, 프레젠테이션 코드가 member.activate() 같은 도메인 로직을 직접 실행할 수 있다.
  • OSIV와 결합 시 의도치 않은 DB 변경 : OSIV(Open Session In View, Spring Boot 기본 활성화)는 영속성 컨텍스트를 뷰 렌더링까지 열어둔다. 컨트롤러에서 관리 상태 엔티티를 수정하면, 이후 트랜잭션이 시작되는 순간 변경 감지로 DB에 반영될 수 있다.

2. 통념에 대한 반론

  • 현대 애플리케이션은 완화된 계층형(relaxed layered)을 쓴다. "바로 다음 계층만" 제약은 엄격 계층형의 규칙이고, 상위 계층이 하위 여러 계층을 볼 수 있게 완화하는 것이 일반적이다. 계층형의 목적은 제약 그 자체가 아니라 관심사 분리를 이룬다. 결합도를 낮추고 인지 과부하를 막아 유지보수성을 높이는 것이다. DTO 변환이 그 목적에 기여하지 못하면 형식적 제약일 뿐이다.
  • DTO 변환은 도메인 로직 유출을 막지 못한다. 유출은 엔티티라는 타입의 문제가 아니라 규율의 문제다. DTO만 받아도 컨트롤러에 if (dto.status() == PENDING && ...) 같은 도메인 규칙을 얼마든지 다시 구현할 수 있다. 막는 수단은 변환 계층이 아니라 코드 리뷰와 설계 규율이다.
  • 어차피 엔티티는 계층 밖을 이미 다니고 있다. 컨더리 어댑터(리포지토리)는 엔티티를 받고 돌려준다. "엔티티는 도메인/애플리케이션 안에만"이라는 규칙은 아웃바운드 방향에서 이미 성립하지 않는다.
  • 변환 비용은 실재한다. 유스케이스마다 DTO + 매핑 코드가 생기고, 필드 추가 시 수정 지점이 늘어난다. 이 비용을 지불할 이유가 있어야 한다.

3. 그럼에도 DTO가 필요한 지점 — 경계의 구분

  • 애플리케이션 → 인바운드 어댑터 (프로세스 내부) : 같은 언어, 같은 트랜잭션 문맥. 변환 이득이 없다. 즉, 엔티티로 전달해도 무방하다.
  • 어댑터 → 시스템 밖 (HTTP 응답, 메시지, 외부 계약) : 직렬화 문제(LAZY 필드 초기화 폭탄, 순환 참조), 내부 스키마 유출, API 계약의 독립적 진화가 걸린다. 즉, DTO로 전달하는 것을 권장한다.

1. User Interface (Presentation) — 사용자 인터페이스 계층

  • 사용자(또는 외부 시스템)에게 정보를 보여주고 명령을 받아들이는 책임을 진다.
  • 여기서 "사용자"는 사람만이 아니라 우리 API를 호출하는 다른 시스템도 포함한다.
  • HTTP 요청을 해석하고, 응답을 직렬화하고, 인증 토큰을 꺼내는 것까지가 이 계층의 일이고 "회원 등록이 어떤 절차인가"와 같은 저수준은 몰라야 한다.

2. Application — 응용 계층

  • 유스케이스의 조율자이다.
  • "회원을 등록한다"는 업무 흐름 즉, 중복 검사하고, 도메인 객체를 만들고, 저장하고, 환영 메일을 보낸다는 저수준 순서를 아는 곳이다.
  • 핵심은 얇아야 한다는 것이다. 업무 규칙 자체를 판단하지 않고, 판단은 도메인에 시키고 자신은 절차와 트랜잭션 경계만 관리한다.

3. Domain (Model) — 도메인 계층

  • 소프트웨어의 심장. 업무 개념, 상태, 규칙이 사는 곳이다.
  • "등록 대기 상태에서만 등록 완료가 될 수 있다", "프로필 주소는 15자 이내"와 같은 규칙이 코드로 존재하는 유일한 장소여야 한다.
  • 다른 모든 계층은 교체 가능하지만 이 계층이 날아가면 소프트웨어 존재 이유가 사라진다.

4. Infrastructure — 인프라스트럭처 계층

  • 위 세 계층을 기술적으로 떠받치는 계층. DB 접근, 메시지 전송, 메일 발송, 프레임워크 연동 등이 있다. "업무가 아니라 기술"인 모든 것이다.
  • 특징은 대체 가능성이 있을텐데 MySQL이 PostgreSQL로, SMTP가 SSE로 바뀌어도 업무 규칙은 한 글자도 안 바뀐다.

📖 Java🔥

📖 Kotlin⭐

📖 Coroutine📎

📖 Spring🔥

📖 Spring Security⭐

📖 Spring Security OAuth2⭐

📖 Spring Batch📎

📖 Database🔥

📖 MySQL🔥

📖 Redis⭐

📖 JPA⭐

📖 QueryDsl📎

📖 MSA⭐

📖 Kafka⭐

📖 Apache Flink📎

  • [Apache Flink - Apache Flink Architecture]
  • [Apache Flink - Stream Processing]
  • [Apache Flink - Data Stream API & Window]
  • [Apache Flink - State Management]

📖 HTTP🔥

📖 AWS⭐

📖 Docker⭐

📖 Kubernetes⭐

📖 Github Actions📎

📖 Jenkins📎

📖 Nginx⭐

📖 Monitoring📎

📖 Test(feat. Load Testing)📎

📖 Test(feat. Java)⭐

📖 Spring AI📎

📖 gRPC📎

  • [gRPC - Writing .proto Files with Protocol Buffers]
  • [gRPC - Various Communication Patterns in gRPC]
  • [gRPC - gRPC Optimization Techniques and Advanced Features]

📖 Spring Cloud Microservice Application📎

📖 TDD(Test-Driven-Development)⭐

📖 PostgreSQL📎

  • [PostgreSQL - Docker만을 사용하는 경량화된 환경 구성 방법]
  • [PostgreSQL - PostgreSQL에서 제공하는 데이터 타입]
  • [PostgreSQL - PostgreSQI의 JSONB, 역인덱싱과 활용 방법]
  • [PostgreSQL - 데이터베이스 성능을 위한 최적화 패턴 및 전략]
  • [PostgreSQL - 트랜잭션과 ACID, Isolation 수준별 차이]
  • [PostgreSQL - Database Lock 교착상태와 읽기/쓰기 성능을 보장하는 MVCC 모델]
  • [PostgreSQL - pgvector와 벡터 저장, 유사도 검색 패턴 개념]
  • [PostgreSQL - 벡터 인덱스 최적화와 벡터 검색과 전문 검색 결합 패턴]
  • [PostgreSQL - PostgreSQL 플러그인]
  • [PostgreSQL - PostGIS - 공간 쿼리와 GIST 인덱스, 지리 타입과 공간 쿼리를 위한 타입과 기본 함수]
  • [PostgreSQL - pg_search - 검색 엔진 없이 텍스트 검색 구현과 주의사항]
  • [PostgreSQL - 단일 인스턴스 한계를 극복하는 분산 패턴과 스케줄링, 분산 환경 구축 방법]
  • [PostgreSQL - Citus - 분산 테이블과 분산 쿼리를 위한 Extension과 데이터 분산 처리]
  • [PostgreSQL - pg_cron - PostgreSQL로 구성하는 CronJob]
  • [PostgreSQL - 스케줄러 + 분산 처리를 동시에 도입하는 주기적 집계 쿼리 패턴]

📖 Workflow-Driven Techniques for Large-Scale Traffic Processing📎

  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Kafka + Debezium을 활용한 CDC 패턴 설계]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Temporal을 활용한 워크플로우 패턴]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Docker와 경량 이미지를 활용한 환경 구축 방법]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Kafka에서의 메시지 Delivery Guarantee]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - 실시간 동기화의 핵심 CDC]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - MySQL Binary Log 기반의 CDC]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Binary Log 기반의 CDC 구현 플랫폼 Debezium이란?]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Debezium Architecture]
  • [Workflow-Driven Techniques for Large-Scale Traffic Processing - Debezium Architecture Best Practice와 주의사항]

📖 Reactive Programming📎

📖 ElasticSearch📎

📖 Design Pattern📎

📖 Clean Spring📎

  • [Real MySQL 8.0 - 인덱스]
  • [Real MySQL 8.0 - 실행 계획]
  • [Real MySQL 8.0 - 아키텍처]
  • [Real MySQL 8.0 - 트랜잭션과 잠금]
  • [도메인 주도 설계의 사실과 오해 - DDD 요약]
  • [도메인 주도 설계의 사실과 오해 - Preface, Entity & VO]
  • [도메인 주도 설계의 사실과 오해 - 연관 관계와 애그리거트]
  • [도메인 주도 설계의 사실과 오해 - 애그리거트 구현]
  • [도메인 주도 설계의 사실과 오해 - 레포지토리와 기타 패턴]
  • [도메인 주도 설계의 사실과 오해 - 통찰력을 향한 리팩터링]
  • [도메인 주도 설계의 사실과 오해 - 유연한 설계를 향한 리팩터링]
  • [도메인 주도 설계의 사실과 오해 - 모델의 경계를 긋고, 핵심에 집중하라]

Clone this wiki locally