
RiGrid: Server Driven UI를 통해 변화에 민첩하게 대응하기
서버 주도 UI인 RiGrid로 비즈니스 데이터와 UI 데이터를 분리해 결합도를 낮췄습니다. Grid, Cell, GraphQL 기반 설계로 유지보수성과 확장성을 높였습니다.

서버 주도 UI인 RiGrid로 비즈니스 데이터와 UI 데이터를 분리해 결합도를 낮췄습니다. Grid, Cell, GraphQL 기반 설계로 유지보수성과 확장성을 높였습니다.


Redis 분산 락과 스프링 AOP로 입하 확정 처리 API의 동시성 이슈를 해결했습니다. 또한 @Transactional과의 실행 순서 문제와 커넥션 사용 이슈를 @Order로 정리했습니다.


AOP와 Redis로 실시간 에러 알림 시스템을 구축한 사례를 다루었습니다. 기존 배치 기반 알림의 한계를 줄이고 장애 대응성과 중복 알림 제어를 개선했습니다.

쓱데이 트래픽 대응을 위해 상품 유닛에 카나리 배포를 도입한 경험을 공유했습니다. 성능 개선 작업과 함께 조기 장애 감지와 롤백의 중요성을 강조했습니다.


이벤트 스트리밍 처리를 위해 Flink SQL을 도입한 사례와 선택 이유를 정리했습니다. 또한 Kubernetes 기반 HA 구성, GitOps 배포, 운영 중 트러블슈팅과 모니터링 포인트를 공유했습니다.


Redis 키스페이스 이벤트로 SIP 등록 갱신 타이머를 영속화해 서버 재시작에도 등록 누락을 줄였습니다. 대규모 환경에서는 보조 키, Goalkeeper, Redis 클러스터 확장과 hz 튜닝으로 안정성을 높였습니다.


API 개발 중 발생한 동시성 이슈를 해결하기 위해 Redis 분산 락 애노테이션 구현 사례를 다뤘습니다. 스프링 AOP 활용 방식과 주의점을 함께 정리했습니다.


룰렛 프로모션의 동시성 문제를 막기 위해 Redis Lettuce 기반 분산 락 구현 방식을 소개했습니다. 대기열 순서 보장과 TTL, 소유권 확인으로 실시간 정합성을 확보했습니다.

분산 환경에서 로컬 캐시와 Redis Pub/Sub을 함께 사용해 조회 성능을 높이고 데이터 정합성을 맞추는 방법을 설명했습니다. 서버별 캐시 불일치와 오래된 데이터 문제를 줄이기 위한 설계와 구현 경험을 공유했습니다.

Spring Cloud Stream으로 데이터 추출과 조합 파이프라인을 구성한 사례를 소개했습니다. 멀티 모듈과 Function 규격화를 통해 확장성과 결합도 개선 방향도 제시했습니다.


Redis SET에 저장하던 설문 대상 유저 목록을 Bitmap으로 바꿔 메모리를 크게 절감한 사례를 다뤘습니다. 조회는 상수 시간으로 유지하면서도 대규모 타겟팅에서의 Redis 부담을 줄였습니다.


Redis와 로컬 캐시를 결합해 조회 성능을 개선한 사례를 공유했습니다. 1만 건 요청 기준 2배 이상 성능 향상을 확인했으며 캐시 동기화 구조와 개선 포인트도 정리했습니다.