1. 프로젝트 개요 (Project Overview)

옷장을 부탁해 (Otboo)

개인 옷장을 디지털화해 의상 정의/속성 관리, 코디 추천, 피드/알림을 제공하는 패션 플랫폼입니다.

기상청(KMA) 데이터와 사용자의 스타일·체감온도를 반영하는 하이브리드 추천 엔진(룰 + LLM 재랭킹), 커서 기반 페이지네이션, 캐싱을 통해 ****대용량에서도 빠른 응답을 목표로 합니다.

2. 담당한 작업 (My Contributions)

• PM
  • 개발 스케줄 및 팀 스케줄 관리
• 컨벤션 및 템플릿 정비
  • 백엔드 코드 컨벤션(패키징/예외계층/주석) 업데이트
  • PR/Issue 템플릿 개선(체크리스트·테스트 증빙·성능 영향 섹션 고정)
• DB 설계·인덱스 전략
  • 의상 테이블 DDL 설계
  • 고빈도 질의 인덱스 도입
    • clothes(owner_id, created_at DESC)
    • clothes_attributes(clothes_id), clothes_attributes(definition_id)
• 의상 정의/관리 (Clothes & Attributes)
  • 등록/조회(단건·다건)/수정/삭제 API
  • 속성 교체 로직 구현: 존재 시 업데이트, 미존재 시 추가(중복 삽입 차단)
  • MapStruct DTO/Mapper, Bean Validatio
• 추천 도메인 (Recommendation)
  • 규칙 기반 추천: 유효기온(ET)·계절/두께/레이어링/재질/스타일 호환 점수화
  • LLM 보조 추천: 상위 N 후보를 LLM에 전달, 이유/설명과 함께 재랭킹
  • 17~23℃ 구간 아우터 착용 가중 랜덤성 (아우터 유/무에 따른 상의 두께 가점)
• 성능·캐싱·트랜잭션
  • Caffeine(로컬) ↔ Redis(ElastiCache, prod) 전환 구조 정립
    • ElastiCache 환경변수/SSL/타임아웃/프로필 분리 PR(예시) 확인: GitHub
  • Index를 통한 db 조회 성능 향상
  • 트랜잭션을 고려한 S3 바이너리 스토리지 이미지 업로드 메소드 구현
• 대용량 테스트 시더
  • 1,000 사용자 × 30 의상 시더로 인덱스 전/후, 캐시 전/후 성능 비교 루틴 확립
  • Index 도입 이후 대략 db 조회 성능 50배 향상

3. 기술적 성과 (Technical Achievements)

• 스택: Spring Boot 3.5.4, JPA, QueryDSL, Spring Security, Spring Batch, Kafka,

  Redis(ElastiCache), Caffeine, AWS, Docker, Github Actions, MapStruct, Lombok, H2, PostgreSQL

• 커서 기반 페이지네이션(숫자 커서 idAfter)로 무한스크롤/대용량에 최적화

• QueryDSL로 가독성·안정성 확보(@Query 문자열 오류 리스크 감소)

• 다양한 추천 엔진(Score, LLM, Random)을 통해 특정 엔진 오류에 백업 플랜 생성

• 캐시 이중화 전략: 로컬 Caffeine, 프로덕션 Redis(SSL/타임아웃/TTL) — 프로필 분리와 환경변수화로 배포 유연성 증대(관련 PR) GitHub

4. 문제점 및 해결 과정 (Problems & Solutions)