📦 e-commerce 프로젝트

항해 플러스 백엔드 과정 중 진행한 1인 백엔드 프로젝트로, 전자상거래 시스템(e-commerce)에서 자주 사용되는 기능들을 구현한 프로젝트입니다.
성능 최적화와 동시성 제어에 대한 안정성 확보를 목표로 설계 및 개발했으며, 백엔드 전반에 대한 이해를 깊이 있게 다지는 데 중점을 두었습니다.

---

📌 주요 목표

• Redis 기반 캐싱과 락 메커니즘을 활용해 동시성 문제 해결.
• K6, Grafana, InfluxDB를 사용한 성능 테스트 및 실시간 분석.
• Testcontainers를 활용한 컨테이너 기반 테스트 환경 구축.

---

🛠 사용 도구 (Tools)

Language & Framework	Database & Cache	Monitoring & Metrics	Testing	Build Tools	API Documentation

---

✨ 주요 활용 기술

1. Swagger를 사용한 Mock API 구현

   • Swagger UI 기반 API 문서화를 자동화하고, Mock API를 제공하여 빠른 개발 및 테스트 지원.

2. JUnit을 활용한 단위 및 통합 테스트

   • JUnit 5를 사용해 주요 비즈니스 로직의 단위 테스트(Unit Test)와 시스템 전반의 통합 테스트(Integration Test)를 구현.
   • Testcontainers로 MySQL과 Redis의 실제 컨테이너 환경을 구성하여 높은 신뢰성을 보장.

3. Redis를 활용한 캐싱과 분산 락 적용

   • Redis를 활용하여 주문 내역과 장바구니 데이터를 캐싱해 조회 성능을 약 50% 이상 개선.

4. K6, Grafana, InfluxDB를 활용한 성능 시각화

   • API의 부하 테스트를 통해 처리 속도와 트래픽 한계를 파악하고, 병목 구간을 해결.
   • 부하 테스트 결과를 Grafana로 시각화하여 TPS, 응답 시간, 시스템의 안정성을 지속적으로 모니터링.

---

📝 프로젝트를 통해 시도한 것과 배운 점

🔧 설계

초기에는 ERD와 API 명세서를 직접 설계하며 비즈니스 로직을 구조화하려고 했습니다.
데이터 간 관계와 API 호출 구조를 명확히 정의함으로써 실제 협업 상황을 가정한 설계 역량을 키우는 데 집중하고자 했습니다.
진행 과정에서 동시성 제어, 락 메커니즘 등 미숙한 부분이 많았고, 그로 인해 초기에 설계해둔 시퀀스 다이어그램과 ERD를 수정해야하는 경우가 많았지만, 이 경험을 통해 초기 기획의 중요성과 개발자의 도메인 지식과 기술적인 지식이 얼마나 중요한지를 깨달을 수 있었습니다.

🔗 초기 시퀀스 다이어그램 보기

🔗 초기 ERD 설계 보기

---

⚙️ 동시성 제어

상품 주문 시 재고 차감과 같이 동시성이 중요한 영역에서 데이터 정합성을 보장하기 위해 비관적 락(Pessimistic Lock)을 도입했습니다.
낙관적 락도 고려했지만, 충돌 가능성이 높은 기능이라고 판단하여 더 안정적인 처리를 위해 비관적 락을 선택했습니다. 이 과정에서 락 종류에 대한 이해뿐 아니라, 데드락 테스트와 해결 경험을 통해 실무적인 동시성 설계 역량을 향상시킬 수 있었습니다.

🔗 동시성 제어 방식 학습

🔗 데드락 테스트 및 분산 락 구현

---

🧪 테스트 환경 구성

초기에는 로컬 환경에 맞춰 테스트 코드를 작성했기 때문에,
깃허브에서 코드를 클론한 뒤 테스트를 실행하면 환경 차이로 인해 테스트의 신뢰성을 확보하기 어려운 문제가 발생했습니다.
이를 해결하기 위해, 다양한 환경에서도 일관된 테스트를 수행할 수 있도록 Testcontainers를 도입하였습니다.
JUnit 기반의 단위 테스트 및 통합 테스트를 작성하고, MySQL과 Redis를 Docker 컨테이너로 구성하여 운영 환경과 유사한 조건에서 테스트를 수행할 수 있도록 하였습니다.

그 결과,

• 테스트 간 환경 의존성을 제거하고,
• 설정 누락 및 환경 차이로 인한 오류를 방지할 수 있었으며,
• 기능 단위의 테스트를 통해 변경 사항이 기존 로직에 미치는 영향을 즉시 검증할 수 있었습니다.
  이러한 테스트 환경을 기반으로, 보다 신뢰도 높은 테스트 수행과 안정적인 개발 프로세스를 유지할 수 있는 환경을 구축 할 수 있었습니다.

🔗 테스트 컨테이너 설정 및 회고

---

📊 성능 테스트와 시각화

K6를 활용하여 시나리오 기반의 API 부하 테스트를 작성하고,
InfluxDB와 Grafana를 연동하여 실시간 성능 지표를 시각화하였습니다.
이를 통해 실제 사용자가 없는 상황에서도 대량의 트래픽 유입을 가정한 테스트를 수행할 수 있었고,
API 병목 구간을 시각적으로 파악하고, 정량적인 지표를 기반으로 분석할 수 있었습니다.
또한, 테스트 결과를 실시간으로 모니터링하면서
정상적으로 처리되는 요청과 지연/실패 구간을 구분하여 분석할 수 있는 환경을 구축하였고,
이를 통해 향후 실 서비스에서도 모니터링 시스템을 직접 구축할 수 있다는 자신감을 얻는 계기가 되었습니다.

🔗 캐싱 전략 구현

🔗 부하 테스트 시나리오

🔗 부하 테스트 시각화

---

🎯 프로젝트 마무리

• 설계 초기 단계의 미흡함이 얼마나 많은 수정 비용을 발생시키는지를 체감했고, 기획과 설계의 중요성을 다시 한 번 확인할 수 있었습니다.
• 동시성과 락 메커니즘 등 실무에서 자주 마주칠 수 있는 상황에 대한 경험과 학습을 할 수 있었고, Redis, 성능 테스트 모니터링 도구들에 대한 실전 감각도 키울 수 있었습니다.
• 단순히 코드를 작성하는 수준을 넘어, 전체 시스템 구조를 이해하고 설계할 수 있는 시야를 넓히는 데 큰 도움이 되었습니다.