문형주

Problem 운영 중인 지역 기반 픽업 서비스에서 가입·리뷰·알림 기능을 확장하면서 기존 사용자 흐름과 데이터 정합성을 유지해야 했습니다.

Analyze 헥사고날 구조·ERD·API·배포 환경을 먼저 분석하고, 애플리케이션 선검사와 DB 제약, FCM 토큰 수와 실제 사용자 수의 차이를 비교했습니다.

Action 일반·소셜 가입 경로 수집, 점주 리뷰 답글·관리자 신고 조회를 구현하고 review_id Unique Constraint와 distinct user 집계를 적용했습니다.

Result 중복 토큰 2개를 신청자 1명으로 집계하고, 동시 답글의 DB 제약 위반을 도메인 예외로 변환했으며 잘못된 가입 경로 요청이 400으로 반환됨을 테스트했습니다.

Problem AI 미전환 사유와 후속 액션 갱신 시점처럼 분야마다 다르게 해석되던 B2B 화면 값을 일관된 백엔드 규칙으로 정의해야 했습니다.

Analyze 각 값의 원천 데이터·계산 책임·갱신 트리거를 정리하고, 동기 AI 호출과 커밋 전·후 비동기 실행을 데이터 보존과 장애 전파 관점에서 비교했습니다.

Action API·시퀀스·스키마 계약을 정렬하고 AFTER_COMMIT·@Async 분석 상태와 비관적 잠금·DB 제약을 적용했습니다.

Result AI 완료를 기다리지 않고 201 Created를 반환하면서 상담 데이터를 보존하고, 동시 전환 2건 중 두 번째 처리가 첫 커밋 이후 중복 상태를 확인하는 것을 PostgreSQL 통합 테스트로 검증했습니다.

Problem 웹캠 자세 분석 결과를 1초마다 제공하면서 반복 DB 조회와 로그 저장이 AI의 다음 프레임 처리를 지연시키지 않아야 했습니다.

Analyze WebSocket·SSE·Polling과 RDB·Redis를 연결 복잡도·조회 부하·1초 갱신 요구 기준으로 비교하고, 동기 저장·@Async·메시지 큐의 트레이드오프를 검토했습니다.

Action Stateless Polling·Redis Hash 캐시를 구성하고, AI 로그는 202 Accepted 응답 후 @Async로 저장하며 세션 종료·일일 배치로 통계를 집계했습니다.

Result k6 테스트에서 동시 사용자 100명 기준 평균 24ms·P95 62.54ms를 확인했으며, 6팀 중 프로젝트 최우수상과 우수교육생 IITP 원장상을 수상했습니다.