🛍️ 깡통시장 이커머스

깡통시장 이커머스는 부산 깡통시장의 다양한 빈티지 의류를 온라인에서도 저렴하게 판매할 수 있도록 구축한 이커머스 프로젝트입니다.

📌 프로젝트 핵심 목표

🚀 캐싱 최적화

• Redis 기반 캐싱을 적용하여 실시간 인기 검색어 조회 속도를 개선하고, 자주 요청되는 데이터를 효율적으로 관리하여 서버 부하를 줄였습니다.

⚡ 쿼리 최적화

• 이커머스 프로젝트 특성상 사용자들이 자주 조회하는 기능에 대해 쿼리 최적화를 적용하여 응답 속도를 개선했습니다.

🔄 운영 및 배포 효율화

• CI/CD 파이프라인을 구축하여 코드 변경 사항이 자동으로 테스트 및 배포되도록 설정해 운영의 편의성을 높이고, 배포 자동화를 구현했습니다.

KEY SUMMARY

🚀 성능 개선: 실시간 인기 검색어 목록 조회, Redis 도입으로 약 93.75% 성능 향상

✏️ 한줄 요약

• Redis 도입으로 기존 DB 조회보다 성능이 크게 향상됨
  • DB에서 인기 검색어 조회 시 평균 320ms
  • Redis에서 인기 검색어 조회 시 평균 20ms
  • 성능 약 93.75% 향상, 응답 속도 약 13배 향상

🔍 도입 배경

• 사용자들이 검색하는 키워드를 저장하고, 이를 기반으로 인기 검색어 순위를 제공하는 기능을 구현하고자 함
• 기존 방식(데이터베이스에서 직접 조회)에서는 검색어 데이터를 매번 DB에서 조회해야 하므로 성능 저하가 발생
• Redis를 활용하여 인기 검색어를 저장 및 조회하면 훨씬 빠를 것이라 판단

🛠 기술적 선택지

• 기존 DB 조회 방식
  • 장점: 데이터 일관성 유지가 용이함
  • 단점: 실시간 트래픽이 많을 경우 부하가 커지고 응답 속도가 느려짐
• Redis 기반 캐싱 방식 (채택)
  • 장점: 검색어 데이터를 빠르게 조회할 수 있으며, DB 부하를 줄여 성능 최적화 가능
  • 단점: 추가적인 캐싱 전략이 필요

🚀 성능 개선: 가격 범위 별 상품 조회, 쿼리 최적화로 약 2배 향상

✏️ 한줄 요약

• B+Tree 인덱스 적용으로 가격 범위 검색 성능 최적화, Slice 객체 활용으로 페이징 효율 개선

🛠 기술적 선택지

• 기존 QueryDSL 방식
  • Full Scan 발생: 조건 검색 시 모든 데이터를 탐색하여 성능 저하
  • Count 연산 부담: 검색 조건에 맞는 데이터 개수를 항상 계산해야 하므로 대량 데이터 처리 시 성능 저하 발생
• 최적화 (B+Tree Index + Slice 페이징 적용)
  • B+Tree 인덱스 적용
    • 트리 구조 기반의 정렬된 데이터 검색으로 불필요한 노드 탐색 감소
    • 가격 범위 검색 시 빠른 탐색 가능
  • Slice 객체 기반 페이징 적용
    • 조건에 맞는 데이터가 많을 경우 count 연산을 수행하지 않아 성능 저하 방지
    • 이전 페이지 정보만 유지하면서 다음 페이지 탐색 가능, 페이징 비용 절감

🚀 서버 배포: AWS를 활용한 서버 배포와 Github Actions CI/CD 구축

✏️ 한줄 요약

• 안정적인 배포를 위해 자동 빌드 및 테스트, AWS 서버 배포까지 한 번에 처리될 수 있도록 시스템을 구축

🛠 기술적 선택지

• 수동 배포 (기존 방식)
  • 빌드, 업로드, 배포 등 작업을 수동으로 진행
  • 배포 속도가 느리고, 배포 후 수동 확인 필요
  • 배포 담당자가 필요하여 협업 효율성이 낮음
• CI/CD 구축 (개선 방식)

  • 자동화된 배포 파이프라인 구축

    📌 CI (Continuous Integration, 지속적 통합)

    1. develop 및 master 브랜치에 pull request이벤트가 발생하면 자동으로 테스트를 실행
       • 테스트 성공 시 → 자동으로 merge를 수행 (Github Settings)
       • 테스트 실패 시 → 수동으로도 merge할 수 없도록 제한 (Github Settings)
    2. develop 브랜치와 master 브랜치에 push가 발생하면 자동으로 테스트를 실행
    3. 테스트 결과를 PR 코멘트로 출력

    📌 CD (Continuous Deployment, 지속적 배포)

    1. master 브랜치에서 빌드된 결과물을 자동 배포
       • jar 파일을 생성하여 AWS Elastic Beanstalk에 배포
    2. GitHub Actions 플랫폼 이용
       • GitHub와 완벽하게 통합되어 간편한 설정 가능
       • 확장성 뛰어나 다양한 배포 환경 지원
    3. 코드 변경마다 빌드, 테스트, 배포 등의 작업을 자동으로 실행
       • 협업 효율성 대폭 증가

🛠️ 트러블 슈팅: SQLSyntaxErrorException

🔍 배경

• Soft Delete 적용을 위해 @Where 어노테이션을 사용하여 is_deleted = false인 데이터만 조회하도록 설정
• @SQLDelete 어노테이션을 활용하여 삭제 요청 시 실제 데이터 삭제 대신 Soft Delete 처리되도록 SQL 쿼리를 구성

⚠️ 문제 발생

• SQL 실행 중 SQLSyntaxErrorException 발생
• 원인 분석 결과:
  • 실제 테이블 컬럼명: id
  • 잘못된 SQL 구문에서 사용한 컬럼명: member_id
  • member_id 컬럼이 존재하지 않아 SQL 구문 오류 발생

🎯 해결 방안

• 잘못된 컬럼명 member_id를 실제 테이블 컬럼명 id로 수정하여 정상적으로 Soft Delete가 동작하도록 수정

🛠️ 트러블 슈팅: AWS 서버 502 Bad Gateway

🔍 배경

• 프로젝트 초기에 AWS Elastic Beanstalk 환경에서 애플리케이션을 수동 배포하고, Postman으로 API 테스트 진행

⚠️ 문제 발생

• API 요청 시 502 Bad Gateway 응답 발생
• 원인 분석 결과:
  • 서버 간의 통신 과정에서 유효하지 않은 응답이 반환됨
  • Elastic Beanstalk의 기본 설정에서 애플리케이션은 포트 5000에서 실행됨
  • Elastic Beanstalk의 기본 환경에서는 NginX가 Reverse Proxy로 사용, 내부에서 실행되는 애플리케이션과 프록시 역할을 수행하여 요청을 포트 5000으로 전달해야 함

🎯 해결 방안

• Elastic Beanstalk 애플리케이션 환경 속성에서 SERVER_PORT 의 값을 5000으로 설정
• NginX와 내부 애플리케이션 간의 포트 일치를 보장하여 정상적으로 요청을 전달할 수 있도록 수정

🏗️ 인프라 아키텍처 & 적용 기술

CI/CD : GitHub Actions를 활용하여 자동 빌드 및 배포 파이프라인 구축

AWS Elastic Beanstalk : 클라우드 환경에서 애플리케이션을 배포 및 운영

Redis : 검색어 캐싱 및 성능 최적화를 위한 인메모리 데이터베이스 활용

github Actions : CI/CD 자동화 워크플로우 구성

RDS : AWS RDS를 이용하여 서버 데이터베이스 관리 및 운영 안정성 확보

MySQL : 관계형 데이터베이스로 트랜잭션 및 데이터 일관성 유지

⚙ 주요 기능

🔍 인기 검색어 조회: Redis 캐싱 활용

• Redis 캐싱을 적용하여 인기 검색어 조회 기능 제공
• 기존 DB 조회 방식보다 빠르게 인기 검색어 목록을 반환하여 성능 최적화
• 트래픽 증가 시에도 안정적인 검색어 조회 가능

🔍 가격 범위 별 상품 조회: 쿼리 최적화

• B+Tree Index와 QueryDSL을 활용하여 가격 범위 검색 성능 최적화
• Slice 기반 페이징 적용으로 불필요한 데이터 로딩 방지 및 성능 개선
• 빠른 가격별 상품 검색 가능, 트래픽 증가 시에도 원활한 조회 성능 유지

역할 분담 및 협업 방식

팀 구성 및 담당 업무

👑 이승찬	- 회원 관리: 회원 CRUD 기능 개발 - AOP 기반 권한 체크 적용 - Redis 캐싱 적용 및 성능 최적화
고수연	- 상품 좋아요 기능 구현 - AWS 인프라 구축 및 CI/CD 파이프라인 설정
이수진	- 주문 관리: 주문 CRUD 기능 개발 - 테스트 코드 작성 - 쿼리 최적화 적용으로 성능 개선
황서호	- 가게 및 상품 관리: 가게, 상품 CRUD 기능 개발 - 테스트 코드 작성 - Redis 캐싱 적용 및 성능 최적화 지원

🛠 협업 방식

• 정기적인 미팅으로 진행 상황 공유 및 문제 해결
• 팀 슬랙을 통해 진행 상황 공유