서비스 목표

• LLM을 활용해 사용자가 원하는 인테리어 스타일을 자연어로 설명하면 3D 룸 레이아웃과 추천 소품을 제안합니다.
• 커뮤니티 참여자가 결과물을 공유하고 피드백을 주고받을 수 있도록 피드 구조를 설계했습니다.

역할과 범위

• 기능 정의, UX 플로우 설계, 백엔드/프론트엔드 전반의 개발을 담당했습니다.
• 인테리어 추천 모델의 프롬프트 엔지니어링과 데이터 정제 파이프라인을 구축했습니다.
• Redis 캐시와 큐를 사용해 재고 정보 동기화 시간을 5분 이내로 유지했습니다.

배경 및 문제 의식

핵심 해결 전략: Virtual Threads + CompletableFuture

AsyncResponseHelper

1@Slf4j
2@Component
3public class AsyncResponseHelper {
4    
5    // Virtual Thread Executor
6    private final Executor virtualThreadExecutor = Executors.newVirtualThreadPerTaskExecutor();
7
8    @Value("${homewiz.async.default-timeout:30000}")
9    private long defaultTimeout;
10
11    /**
12     * 가상 스레드에서 supplyAsync를 실행하고, CompletableFuture를 반환.
13     * I/O 블로킹 시 가상 스레드만 대기하며, Tomcat 스레드는 즉시 해제됨.
14     */
15    public <T> CompletableFuture<ResponseEntity<T>> async(Supplier<ResponseEntity<T>> supplier) {
16        return CompletableFuture.supplyAsync(supplier, virtualThreadExecutor)
17                .orTimeout(defaultTimeout, TimeUnit.MILLISECONDS)
18                .exceptionally(ex -> {
19                    log.error("Async execution failed", ex);
20                    return ResponseEntity.internalServerError().build();
21                });
22    }
23}

Security Context Propagation

1public class SecurityContextAwareRunnable implements Runnable {
2    private final Runnable delegate;
3    private final SecurityContext securityContext;
4
5    public SecurityContextAwareRunnable(Runnable delegate) {
6        this.delegate = delegate;
7        this.securityContext = SecurityContextHolder.getContext(); // 캡처
8    }
9
10    @Override
11    public void run() {
12        try {
13            SecurityContextHolder.setContext(securityContext); // 복원
14            delegate.run();
15        } finally {
16            SecurityContextHolder.clearContext();
17        }
18    }
19}

성능 개선 효과

구분	Platform Threads (Tomcat Default)	Virtual Threads (Java 21)	개선율
Max Concurrent Users	450 users	3,200 users	711%
Avg Latency (AI Mock)	2.1s	1.2s	42%
Thread Count	455 threads (High Context Switch)	24 threads (Carrier Threads)	Resource Saved

결론 및 인사이트

개요

시스템 아키텍처 (Hybrid Microservice)

왜 Python을 선택했는가?

벡터 검색 엔진 (OpenSearch)

• Vector Search: 문맥적 의미(Semantic) 유사성 검색 (임베딩 모델: text-embedding-3-small)
• Keyword Search: OpenSearch의 Nori(한글 형태소 분석기)​를 활용한 키워드 매칭
• Reranking: 두 검색 결과를 가중치(Vector 0.7 + Keyword 0.3)를 두어 재정렬

1# Hybrid Search Logic (Simplified)
2def hybrid_search(query, k=5):
3    vector_results = vector_store.similarity_search(query, k=k)
4    keyword_results = opensearch_keyword_search(query, k=k)
5    
6    # Reciprocal Rank Fusion (RRF)
7    combined_score = rrf_merge(vector_results, keyword_results)
8    return combined_score[:k]

문서 수집 및 청킹 (Ingestion Pipeline)

• Markdown Header Splitting: .md 파일의 # 헤더를 기준으로 1차 분할하여 문맥 그룹화.
• Recursive Character Splitter: 텍스트 길이가 길 경우 문장/단락 단위로 재귀적 분할 (Chunk Size: 1000, Overlap: 200).

성능 최적화 및 운영 경험

• 캐싱(Caching): 동일한 질문에 대한 LLM 비용 절감을 위해 Redis에 (질문 임베딩) -> (답변) 캐싱 적용. (유사도 0.95 이상 시 캐시 히트)
• Fallback Strategy: RAG 검색 결과의 유사도 점수가 임계값(Threshold 0.6) 미만일 경우, "죄송합니다. 관련 정보를 찾을 수 없습니다." 대신 기존 Rule-based FAQ 시스템으로 자동 전환하여 답변 품질 보장.

성과

• 상담원 연결 감소: 단순 사용법 질문(결제, 환불 등)의 80%를 AI 챗봇이 자동 처리.

개요

결제 흐름과 Webhook 패턴

안정성 확보를 위한 핵심 기술

멱등성(Idempotency) 보장

1. DB Unique Constraint: webhook_events 테이블의 stripe_event_id 컬럼에 유니크 인덱스를 걸어 물리적 중복 저장 차단.
2. Logic Level Check: 트랜잭션 처리 전 해당 invoice_id로 이미 처리된 내역이 있는지 조회.

1@Transactional
2public void handlePaymentSuccess(Event event) {
3    if (processedEventRepository.existsByEventId(event.getId())) {
4        log.info("Skipping duplicate event: {}", event.getId());
5        return;
6    }
7    // ... 비즈니스 로직 실행 ...
8}

Failsafe Reconciliation (대사 작업)

구독 및 쿼터(Quota) 관리

• billing_reason='subscription_cycle' 확인 시 사용자 monthly_usage를 0으로 초기화.
• 결제가 실패(payment_failed)하면 즉시 서비스 이용을 제한(grace_period 적용)하고 사용자에게 카드 정보 갱신 요청 이메일 발송.

보안 (Security)

• Webhook Signature Verification: 해커가 Stripe를 사칭하여 가짜 결제 성공 요청을 보내는 것을 막기 위해, Stripe SDK의 Webhook.constructEvent()를 통해 헤더 서명을 철저히 검증합니다.
• Ip Whitelisting: (옵션) Stripe가 공표한 IP 대역에서 오는 요청만 허용하도록 방화벽 설정.

Architecture Overview

Custom WebSocket Protocol

Message Type	Direction	Description
heartbeat	Client ↔ Server	30초 주기 연결 생존 확인 및 Redis 세션 갱신
user_status	Client → Server	특정 사용자의 접속 상태 조회
typing	Client → Client	채팅방 내 실시간 입력 상태 전파 (Ephemeral)
notification	Server → Client	좋아요, 댓글, AI 생성 완료 등 서버 이벤트 푸시

1// WebSocketHandler.java (Core Logic)
2@Override
3protected void handleTextMessage(WebSocketSession session, TextMessage message) {
4    Map<String, Object> payload = objectMapper.readValue(message.getPayload(), Map.class);
5    String type = (String) payload.get("type");
6
7    switch (type) {
8        case "heartbeat" -> updateHeartbeat(session);
9        case "notification" -> handleNotificationAck(payload);
10        // ...
11    }
12}

Global State Synchronization (Redis)

Dual-Layer Session Management

1. Local Memory: ConcurrentHashMap<String, WebSocketSession>
   • 빠른 메시지 전송을 위해 활성 소켓 객체를 메모리에 직접 보유.
2. Global State: RedisService.setUserOnline(userId)
   • 사용자의 접속 여부를 Redis에 기록하여, 다른 서비스(예: 알림 서비스)에서 유저 상태를 조회할 수 있게 함.

Connection Lifecycle

1. OnOpen: 세션 ID 매핑, Redis에 online 상태 등록, 연결된 친구들에게 user_status_update 브로드캐스팅.
2. OnMessage(Heartbeat): Redis Key의 TTL(Time-To-Live) 갱신.
3. OnClose: 로컬 맵 제거, Redis offline 상태 전환, 접속 종료 이벤트 전파.

Hybrid Notification Delivery System

Delivery Logic Flow

Offline Notification Queue

1// NotificationService.java
2public void sendNotification(String userId, String type, Map<String, Object> data) {
3    if (redisService.isUserOnline(userId)) {
4        webSocketHandler.sendToUser(userId, type, data);
5    }
6    // 오프라인이더라도 놓치지 않도록 항상 큐/DB에 백업
7    storeOfflineNotification(userId, type, data);
8}

Frontend Integration (Robustness)

• 재연결 로직: 연결 끊김 감지 시 1초, 2초, 4초, 8초... 간격으로 재시도.
• 상태 복구: 재연결 성공 시 uptime 체크를 통해 누락된 메시지(Gap)가 있는지 서버에 확인 요청.
• Push Notification 연동: 브라우저가 백그라운드 상태일 경우 Validation API를 통해 OS 레벨의 푸시 알림으로 전환.

AI Provider Strategy Pattern

Provider	Model	Role	Selection Criteria
Google Gemini	Gemini 3.0 Pro	Default Generator	빠른 응답 속도, 우수한 인스트럭션 이행 능력, 비용 효율성
OpenAI	DALL-E + GPT-5.2	Structure Analysis	높은 공간 이해도, 복잡한 프롬프트 해석 능력
Replicate	Stable Diffusion XL	ControlNet Inpainting	세밀한 부분 수정, 특정 스타일(ControlNet) 강제 필요 시

1// AIService.java (Strategy Switching)
2public String generateDesignImage(..., AIProvider provider) {
3    switch (provider) {
4        case GEMINI -> geminiService.generateDesignWithGemini(...);
5        case OPENAI -> generateWithOpenAI(...); // DALL-E 3
6        case REPLICATE -> replicateService.generateDesignWithReplicate(...);
7    }
8}

Two-Stage Structure Preservation

Stage 1: Architectural Analysis (Image API)

Input: 원본 방 사진
Vision Prompt: "Describe ONLY the architectural structure of this room: walls, floor, ceiling, windows... Do not mention furniture."
Output: "Rectangular room with floor-to-ceiling windows on the left, oak flooring, 3m ceiling height..."

Stage 2: Prompt Injection Generation

1// Prompt Construction Logic
2String enhancedPrompt = "Design an interior for a room with these EXACT architectural features: " 
3    + roomDescription // <--- Stage 1에서의 분석 결과 주입
4    + ". KEEP the exact same walls, floor, ceiling. "
5    + "Apply " + style + " style with " + roomType + " layout.";

Idempotency & Cost Control

Idempotency Key Flow

1. Request: 클라이언트가 요청 시 Idempotency-Key 헤더(UUID)를 포함.
2. Check: IdempotencyKeyEntry 테이블에서 해당 키 조회.
   • IN_PROGRESS: "처리 중" 에러 반환 (중복 실행 방지).
   • SUCCEEDED: 이전에 성공한 결과(이미지 URL)를 캐시​에서 바로 반환 (비용 절약).
   • NEW: 트랜잭션 락을 걸고 AI 요청 시작.
3. Completion: AI 응답 도착 시 결과를 저장하고 상태를 SUCCEEDED로 업데이트.

1// DesignIdempotencyService.java
2@Transactional
3public BeginResult begin(String userId, String key) {
4    return repository.findByUserIdAndIdempotencyKey(userId, key)
5        .map(existing -> checkStatus(existing))
6        .orElseGet(() -> createNewLock(userId, key));
7}

Fallback Mechanism

1. Primary: Gemini 2.5 Flash 시도.
2. Retry: Timeout/Error 발생 시 OpenAI DALL-E 3로 Failover.
3. Final Fallback: 모든 AI 실패 시, 사전에 준비된 스타일별 고품질 "Static Placeholder" 이미지를 반환하여 서비스 중단을 방지하고 사용자에게 "잠시 후 다시 시도해주세요" 메시지 전달.

Search Architecture Overview

• Search Engine: OpenSearch (AWS Managed or Self-hosted via Docker)
• Indexing Strategy: Logstash / Custom Application Event Listener
• Performance: 복합 쿼리 기준 평균 응답 시간 <50ms

Parallel Universal Search

1// OpenSearchSearchService.java
2public Map<String, Object> searchAll(String query, Pageable pageable) {
3    // 3가지 검색 요청을 병렬로 시작 (Non-blocking I/O)
4    CompletableFuture<Page<User>> users = supplyAsync(() -> searchUsers(query...));
5    CompletableFuture<Page<Post>> posts = supplyAsync(() -> searchPosts(query...));
6    CompletableFuture<Page<Design>> designs = supplyAsync(() -> searchDesigns(query...));
7    
8    // 모든 결과가 도착할 때까지 대기 (join) 후 병합
9    CompletableFuture.allOf(users, posts, designs).join();
10    
11    return mergeResults(users.get(), posts.get(), designs.get());
12}

Domain-Specific Boosting Logic

Post Ranking (Engagement Score)

• Formula: Final Score = (TF-IDF Score) * log(1 + likeCount * 2 + commentCount * 3)
• Implementation: engagementScore 필드를 인덱싱 시점에 미리 계산하거나, 쿼리 시점에 script_score로 동적 계산.

Design Ranking (Intent Matching)

• Query: "Modern living room"
• Boosting:
  • style 필드가 "Modern"인 문서: Boost x 3.0
  • roomType 필드가 "Living Room"인 문서: Boost x 2.0
  • 단순 서술(Description)에 포함된 경우: Boost x 1.0

N-gram Autocomplete (Type-ahead)

• Indexing: username이 "homewiz"라면 -> ["h", "ho", "hom", "home", "homew", ...] 토큰 생성.
• Querying: TextQueryType.BoolPrefix를 사용하여 사용자가 "hom"만 입력해도 "homewiz"가 즉시 매칭됨.
• Optimization: 2글자 미만 쿼리는 무시하여 불필요한 연산 방지.

Proactive Security Monitoring

State Tracking with Redis

• Login Failures: admin:security:login_fail:{identifier} 키에 실패 횟수를 increment 연산으로 원자적(Atomic)으로 카운팅.
• TTL Window: 5분(LOGIN_FAILURE_WINDOW) 동안의 실패만 카운트하여, 일시적인 실수와 무차별 대입(Brute Force) 공격을 구분.

Alert Fatigue Management (Muting)

Deduplication Logic

1// AdminSecurityMonitor.java
2public void recordLoginFailure(...) {
3    // 1. 카운트 증가
4    Long count = redis.increment(key);
5    
6    // 2. 임계치 초과 시 알림 전송 (단, Mute 상태가 아닐 때만)
7    if (count >= THRESHOLD) {
8        if (!isMuted(muteKey)) {
9            sendAlert(...);
10            activateMute(muteKey, Duration.ofMinutes(30)); // 30분간 동일 알림 차단
11        }
12    }
13}

• Fallback: Redis 장애 시에도 동작하도록 ConcurrentHashMap 기반의 In-Memory Fallback 캐시를 이중으로 보유.

Advanced Threat Detection

Consecutive Login Failures (P6 Policy)

• Redis List: 실패 이력을 리스트로 관리 (RPUSH), 성공 시 키 삭제(DEL).

JWT Forgery / Tampering

• Action: P6 등급(심각) 경고 발송 및 해당 IP의 자동 차단(Blocklist) 후보 등록.

RBAC Consistency Check (Claims Mismatch)

Admin Notification Dispatcher

• Target: SUPER_ADMIN, DEVELOPER_ADMIN 역할을 가진 관리자 그룹에만 선별 발송.
• Channel: 관리자 대시보드 웹소켓 푸시(실시간) + 이메일(비동기, 심각도 높을 시).

Zero-Cost Architecture

Browser-Side Object Detection

• Model: COCO-SSD (MobileNet V2 기반 경량 모델)
• Performance: WebGL 가속을 사용하여 30-50ms 내 추론 완료.
• Process:
  1. AI 이미지 생성 완료.
  2. OffscreenCanvas에서 이미지 로드.
  3. 브라우저 백그라운드 스레드에서 객체 감지 수행.
  4. 감지된 좌표(Bounding Box)와 클래스(Class)를 로컬 상태에 저장.

1// objectDetectionService.ts
2import * as cocoSsd from '@tensorflow-models/coco-ssd';
3
4export async function detectObjects(imageElement: HTMLImageElement) {
5  // 1. Load Pre-trained Model (Lite MobileNet V2)
6  const model = await cocoSsd.load({ base: 'lite_mobilenet_v2' });
7  
8  // 2. Inference in Browser Client
9  const predictions = await model.detect(imageElement);
10  
11  // 3. Filter & Map
12  return predictions.filter(p => p.score > 0.6).map(p => ({
13    class: p.class, // e.g., "chair", "couch"
14    bbox: p.bbox,
15    query: translateToKorean(p.class) // "의자", "소파"
16  }));
17}

UX Integration: Interactive Shopping Mode

API Aggregation Strategy

1. Tier 1 (Free & High Quality): Naver Shopping API
   • 일일 25,000회 무료 호출 가능.
   • 한국 시장에 최적화된 상품 데이터베이스.
2. Tier 2 (Broad Coverage): Google Custom Search JSON API
   • 해외 가구/소품 검색 시 사용.
   • 일일 무료 한도 소진 시 후순위 처리.
3. Tier 3 (Monetization): Coupang Partners & OHouse
   • 직접적인 수익 창출을 위한 제휴 링크 생성.
   • "최저가 비교" UI에 제휴 태그 부착.

1// ShoppingService.ts
2async function searchAllPlatforms(query: string) {
3  const results = await Promise.allSettled([
4    searchNaver(query),   // 무료, 빠름
5    searchCoupang(query), // 수익화
6    searchGoogle(query)   // 보조
7  ]);
8  
9  return interleaveResults(results); // 플랫폼별로 1:1:1 섞어서 노출
10}

Revenue Model

• Affiliate Tagging & Attribution:
  • 생성된 링크에 subId 파라미터를 동적으로 주입하여 사용자별 기여도 추적.
  • 쿠팡 파트너스 API를 통해 3.5%~ 로열티 수익 자동화.
• Click Tracking Architecture:
  • 사용자가 "구매하기" 클릭 시 ShoppingClick 이벤트 로그를 비동기로 서버에 전송.
  • userId, productId, platform을 기록하여 전환율(CTR) 분석 및 상품 추천 알고리즘 개선에 활용.

UX Implementation (Interactive Overlay)

• Hover Interaction: 마우스를 올리면 감지된 객체에 부드러운 Fade-in 테두리(Bounding Box) 표시.
• Contextual Popover: 객체 근처에 방해되지 않는 위치(Smart Positioning)로 유사 상품 리스트 팝업.
• Mobile Support: 터치 인터페이스에서는 탭(Tap) 제스처로 토글링 지원.

Microservices Decomposition Plan

Service	Tech Stack	Responsibility	Scaling Strategy
API Gateway	Node.js / Spring Cloud	라우팅, 인증(AuthN), Rate Limiting	HPA (CPU-based)
AI Workload	FastAPI (Python)	이미지 처리, GPU 추론 파이프라인	Queue-based Scaling (KEDA)
Core Service	Spring Boot	유저, 결제, 비즈니스 로직	Memory-based
Search Service	OpenSearch	검색 및 인덱싱	Data Node Sharding
Notification	Go / Node.js	실시간 웹소켓 연결 (I/O Bound)	Connection Count

Event-Driven Architecture (EDA)

Async AI Processing

• Flow: Client → Core API (POST /generate) → SQS Queue → AI Worker → S3 Upload → Webhook → Client Notification.
• Benefit: 트래픽 폭주 시에도 요청을 유실하지 않고(DLQ), AI 워커의 처리 속도에 맞춰 배압(Backpressure) 조절 가능.

Storage Migration Strategy (Local to S3)

Pre-signed URL Upload

1. Client: "업로드 권한 줘" (POST /upload-url)
2. Server: IAM 권한 확인 후 임시 서명된 URL(Pre-signed URL) 발급.
3. Client: S3로 직접 PUT 업로드.
4. AWS Lambda: 업로드 감지 시 트리거되어 Sharp 라이브러리로 썸네일/WebP 자동 변환.

Scalable Session Management

• Session Clustering: Sticky Session 없이 어떤 서버에 접속해도 Redis에서 동일한 세션 정보 조회.
• Sliding Window TTL: 사용자가 활동하는 동안 세션 만료 시간을 자동으로 연장.
• Device Fingerprinting: Redis에 IP, User-Agent, Device ID를 해싱하여 저장해두고, 의심스러운 접속(예: 갑작스런 국가 변경) 감지 시 세션 강제 무효화.

Pixel Sampling & Palette Extraction

1. Downscaling to 200x200: 인간의 눈이 인지하는 색상 분포를 유지하며 연산량을 99% 감소.
2. Grid Sampling: 모든 픽셀을 순회하지 않고, 4px 간격으로 그리드 샘플링.
3. Noise Filtering: 명도(Lightness)가 극단적인(10 미만, 245 초과) 픽셀은 노이즈로 간주하여 제외.

1// ColorAnalysisService.java (Core Logic)
2for (int y = 0; y < height; y += 4) { // Grid Sampling
3    for (int x = 0; x < width; x += 4) {
4        int rgb = image.getRGB(x, y);
5        // ... (HSL Conversion & Filtering)
6    }
7}

Mathematical Theme Classification

Theme	Logic (HSL Analysis)
Monochrome	Saturation(채도) < 20%
Pastel	Lightness(명도) > 80%
Warm	Hue(색상) 060° (Red/Orange) OR 300360°
Cool	Hue(색상) 180~300° (Blue/Purple)
Earth	Hue 60~120° AND Saturation < Medium
Neutral	Saturation < 40% (Grayish)

Weighted Color Matching Algorithm

1// Weighted Euclidean Distance in HSL Space
2double distance = Math.sqrt(
3    Math.pow(hueDiff / 180.0, 2) * 0.6 +    // 색상(Hue)에 60% 가중치
4    Math.pow(satDiff / 100.0, 2) * 0.2 +    // 채도(Sat)에 20% 가중치
5    Math.pow(lightDiff / 100.0, 2) * 0.2    // 명도(Light)에 20% 가중치
6);

Device Session Architecture

• Session Entity: DeviceSession 테이블에서 deviceId(Unique), deviceType(Mobile/Web), lastSeenAt을 관리.
• Active Device Tracking: Redis Set(active_devices:{userId})에 현재 온라인 상태인 모든 기기 ID를 실시간으로 추적.

Distributed State Synchronization Flow

1. Action: iPhone에서 알림 A를 클릭. (POST /notifications/A/read)
2. DB Update: PostgreSQL DB에 읽음 상태(read_at) 저장.
3. Broadcasting:
   • Redis에서 해당 유저의 모든 활성 기기 목록 조회.
   • 요청을 보낸 기기(iPhone)를 제외한 나머지 기기(iPad, MacBook) 식별.
   • WebSocket /queue/sync 채널로 동기화 이벤트(notification_read_sync) 발송.
4. Client React: Web Client는 이벤트를 수신하자마자 UI의 뱃지 카운트를 즉시 차감.

1// DeviceSyncController.java
2private void syncReadStatusToOtherDevices(String userId, String notificationId, String sourceDeviceId) {
3    Set<String> activeDevices = redisService.getSetMembers("active_devices:" + userId);
4    
5    for (String deviceId : activeDevices) {
6        if (!deviceId.equals(sourceDeviceId)) { // 나 자신에게는 보내지 않음 (Echo 방지)
7            messagingTemplate.convertAndSendToUser(userId, "/queue/sync", ...);
8        }
9    }
10}

Unread Count Consistency

• Cache Invalidation: 어떤 기기에서든 상태 변경이 일어나면 unread_notifications:{userId}:{deviceId} 캐시를 즉시 파기.
• Lazy Loading: 다음 요청 시 DB에서 정확한 COUNT(*)를 재계산하여 캐싱.
• Bulk Sync: "모두 읽음" 처리 시에도, 일괄 업데이트 후 단 1회의 Sync 패킷으로 모든 기기 상태를 동기화하여 네트워크 부하 최소화.

Dynamic Sitemap Generation

• Partitioning: URL이 50,000개가 넘지 않도록 sitemap_posts.xml, sitemap_designs.xml 등으로 카테고리별 분할 처리.
• Caching: Redis에 생성된 Sitemap XML을 1시간 캐싱하여 DB 부하 방지.

Programmatic JSON-LD Injection

1// SeoService.java (Concept)
2public Map<String, Object> generateDesignSchema(Design design) {
3    Map<String, Object> schema = new HashMap<>();
4    schema.put("@context", "https://schema.org");
5    schema.put("@type", "VisualArtwork");
6    schema.put("name", design.getTitle());
7    schema.put("image", design.getImageUrl());
8    schema.put("creator", Map.of("@type", "Person", "name", design.getAuthorName()));
9    schema.put("artMedium", "AI Generative Art");
10    return schema;
11}

Multi-Source Feed Ranking Algorithm

1// PersonalizedFeedService.java
2public double calculateScore(FeedItem item) {
3    double score = 0;
4    score += behaviorScore * 0.4;  // 유저 행동 기반 (클릭, 찜)
5    score += socialScore * 0.25;   // 팔로잉/친구 기반
6    score += trendingScore * 0.2;  // 실시간 인기 (Velocity)
7    score += timeScore * 0.15;     // 최신성 (Time Decay)
8    
9    // Exponential Time Decay: 시간이 지날수록 점수가 기하급수적으로 감소
10    return score * Math.exp(-hoursSincePost * 0.1); 
11}

Context-Aware Product Recommendation

• Room Type Compatibility: RoomTypeClassifierService가 이미지를 Gemini 3.0 Pro로 분석하여 "이곳은 모던한 거실"임을 파악합니다. 따라서 '침대'나 '클래식 식탁' 추천은 자동으로 필터링됩니다.
• Style & Color Matching: ColorAnalysisService의 HSL 분석 결과를 바탕으로, 현재 공간의 톤앤매너(Tone & Manner)를 해치지 않는 색상과 스타일의 가구만을 선별하여 추천 리스트 상위에 노출합니다.

Intelligent Fallback Strategy

1. Tier 1 (High Accuracy): Gemini 3.0 Pro Image API 호출 (신뢰도 > 60% 시 채택).
2. Tier 2 (Cost Efficient): 이미지 메타데이터 및 태그 키워드 분석 (Tier 1 실패/지연 시).
3. Tier 3 (Default): 사용자 행동 패턴 기반의 일반 추천 (Cold Start 대응).

Real-time Feedback Loop

Non-blocking Delivery Pipeline

A. HTTP API over SMTP

B. Virtual Thread Integration

1// BrevoEmailService.java - Block() is safe here due to Virtual Threads
2String response = webClient.post()
3        .uri("/smtp/email")
4        .header("api-key", apiKey)
5        .bodyValue(requestBody)
6        .retrieve()
7        .bodyToMono(String.class)
8        .block(); // Virtual Thread unmounts here, not blocking OS thread

Redis-Backed Security State Machine

Security Policies

1. Pre-send Cooldown: cooldown:{email} 키에 60초 TTL을 설정하여, 1분 내 재요청을 원천 차단합니다(Spam 방지).
2. Max Attempt Limit: attempt:{email} 키로 검증 시도 횟수를 추적하여, 5회 이상 틀릴 경우 해당 코드를 즉시 폐기하고 재발급을 강제합니다(Brute Force 방지).
3. Secure Random: java.util.Random 대신 SecureRandom을 사용하여 예측 불가능한 6자리 코드를 생성합니다.
4. Atomic Flow: 인증 성공 시 verified:{email} 토큰(TTL 3분)을 발급하고, 이 토큰이 있어야만 회원가입 API가 통과되도록 설계되었습니다.

High-Performance Template Rendering

Browser-Native Image Optimization

• HTML5 Canvas Pipeline: 업로드 전 Canvas API를 사용하여 고해상도 이미지를 리사이징하고, toBlob() 메서드를 통해 원본 대비 80% 가벼운 WebP 포맷​으로 즉시 변환합니다.
• Smart Validation: 단순 파일 크기뿐만 아니라, 해상도(Resolution)와 포맷 효율성을 분석하여 최적화가 필요한 경우에만 프로세스를 트리거합니다.

1// imageOptimization.ts
2export async function convertToWebP(file: File): Promise<{ blob: Blob; file: File }> {
3  // Canvas를 사용하여 WebP로 변환, Quality 0.85
4  // 서버 부하 0, 대역폭 절감 효과 극대화
5}

PWA & Service Worker Lifecycle

• VAPID Push Notification: PushNotificationManager 싱글톤 클래스가 복잡한 VAPID 키 교환과 권한 요청 프로세스를 추상화하여, 웹에서도 네이티브급 푸시 알림을 제공합니다.
• New Version Detection: Service Worker의 updatefound 이벤트를 감지하여, 배포 발생 시 사용자에게 "새 버전이 출시되었습니다" 토스트를 띄우고 자연스러운 리로드를 유도합니다.
• Install Prompt Interception: 브라우저의 기본 설치 배너를 가로채고(preventDefault), 앱의 디자인 시스템에 맞는 커스텀 설치 UI를 제공합니다.

Real-time State Management (Zustand)

• Atomic State Updates: 채팅방별 메시지, 타이핑 중인 유저 목록, 읽음 상태 등을 정규화(Normalization)하여 관리함으로서 불필요한 리렌더링을 방지합니다.
• Offline Persistence: persist 미들웨어를 사용하여 네트워크가 끊겨도 대화 내용이 유지되도록 하여 오프라인 경험을 강화했습니다.

User Metrics Anomaly Detection (P7 Policy)

• Algorithm: 전일 대비 ±300% 이상의 급격한 변동이 감지되면 즉시 경보를 발행합니다.
• Spam Dectection: 짧은 시간 내에 가입자가 비정상적으로 급증하는 경우, 이를 '스팸 공격'으로 간주하고 Security Team에 경보를 보냄과 동시에 24시간 동안 중복 알림을 Mute하여 알림 피로도(Alert Fatigue)를 관리합니다.
• Business Insight: 마케팅 캠페인의 성공 여부나 서비스 장애로 인한 가입 급감 등을 정량적으로 판단하는 지표로 활용됩니다.

Subscription Risk Monitoring

• Risk Scoring: 최근 7일간 결제 실패 횟수와 마지막 성공 결제일을 분석하여 리스크 점수를 산출합니다.
• Proactive Action: 위험군으로 분류된 유저 목록을 재무팀(Finance Admin)에 리포팅하여, 카드 만료 안내나 결제 수단 업데이트를 선제적으로 요청할 수 있도록 돕습니다.

Real-time Search Synchronization (JPA Listeners)

• Event-Driven Sync: 별도의 배치 잡(Batch Job)을 기다리지 않고, JPA 엔티티의 생명주기 이벤트(@PostPersist, @PostUpdate)가 발생하는 즉시 인덱싱 요청을 비동기로 발행합니다.
• Consistency: 사용자가 글을 작성하자마자 검색 결과에 노출되는 'Real-time Experience'를 보장합니다.

1// DesignSearchIndexListener.java
2@PostPersist
3public void onPostPersist(Design design) {
4    // 트랜잭션 성공 직후 0.1초 내 인덱싱 트리거
5    indexingService.indexDesignDocument(design.toDocument());
6}

Distributed Rate Limiting (Redis Sliding Window)

Key Logic (RateLimitService.java)

• Precision: System.currentTimeMillis()를 스코어로 사용하여 밀리초 단위의 정교한 트래픽 제어가 가능합니다.
• Atomic Operation: Redis ZREMRANGEBYSCORE -> ZCOUNT -> ZADD 파이프라인을 통해 동시성 이슈 없이 정확한 요청 수를 카운팅합니다.
• Auto-Cleanup: 만료된 윈도우 로그는 자동으로 제거(expire)되어 메모리 누수를 방지합니다.

1// Redis ZSet을 이용한 Sliding Window 구현
2redisTemplate.opsForZSet().removeRangeByScore(key, 0, windowStart);
3Long count = redisTemplate.opsForZSet().count(key, windowStart, currentTime);
4
5if (count >= limit) {
6    return false; // 429 Too Many Requests
7}

Dynamic Quota Management

• Tiered Logic:
  • Free: 월 2회 생성 (체험 유도)
  • Pro: 월 200회 생성 (Heavy User)
  • Enterprise: 무제한(-1 flag), 할당량 차감 로직 자체를 우회(Bypass)하여 성능 최적화.
• Monthly Reset: QuotaResetScheduler가 매월 1일 사용량을 0으로 초기화하며, 결제 주기에 맞춰 갱신됩니다.

Webhook Reconciliation (Payment Failsafe)

• Self-Healing: QuotaResetScheduler.reconcileQuotaResets()가 매일 새벽 실행되어, 최근 48시간 내의 결제 내역(PaymentTransaction)과 현재 할당량 상태를 대조합니다.
• Correction: Webhook 누락이 감지되면 즉시 할당량을 갱신하고, 관리자에게 'Reconciled' 알림을 발송하여 시스템의 신뢰성을 보장합니다.

Interactive AI Visual Layer

• Bounding Box Overlay: 텐서플로우/YOLO 등에서 감지된 객체 좌표(BBox)를 퍼센트 기반의 CSS 좌표로 변환하여 반응형 이미지 위에 오버레이합니다.
• Contextual Shopping: 사용자가 이미지 속 '소파'에 마우스를 올리면(Hover), 즉시 해당 객체의 메타데이터(Class, Score)를 분석하여 ProductSuggestion 컴포넌트를 통해 유사 상품을 추천합니다.
• Confidence Filtering: 신뢰도 점수(Score)가 0.6 미만인 노이즈는 클라이언트 레벨에서 필터링하여 UI 복잡도를 낮춥니다.

Granular Behavior Tracking System

• Dwell Time: 단순 클릭을 넘어, 특정 디자인/게시물에 머무른 시간(초 단위)을 측정하여 '실질적 관심도'를 파악합니다.
• Scroll Depth: 콘텐츠의 소비 깊이(10% 단위)를 추적하여 이탈 지점을 분석합니다.
• Micro-Interactions: 확대(Zoom), 저장(Save), 공유(Share) 등 10여 가지의 행동 이벤트를 수집합니다.
• Resiliency: 오프라인 상태이거나 API 속도 제한(Rate Limit 429)이 발생하면, 이벤트를 Queue에 저장했다가 네트워크 복구 시 자동으로 재전송(Background Sync)합니다.

Fault-Tolerant Media Pipeline

1. Primary: 최적화된 WebP 이미지 로딩 시도.
2. Retry 1 (Fallback): 실패 시 사전에 정의된 Fallback 이미지로 전환.
3. Retry 2 (Original): 원본(Raw) 이미지 URL로 재요청.
4. Retry 3 (Low-Quality): 최후의 수단으로 저해상도(Low-Quality) 버전을 로딩하여 '엑스박스' 노출을 원천 차단.

Gamified User Insight Dashboard

• Confidence Score: "현재 AI 추천 정확도 78%"와 같이 수치화하여 보여줍니다.
• Actionable Feedback: 점수를 높이기 위해 "모던 스타일 사진 3개 더 좋아요 하기", "바이오 입력하기" 등의 퀘스트를 제안합니다.
• Style DNA: 사용자의 취향을 파이 차트(Recharts)로 시각화하여 "나는 미니멀리스트 60%, 인더스트리얼 40%"와 같은 정체성을 부여합니다.

RAG Query Pipeline (rag_pipeline.py)

Pipeline Flow

1. Cache Check (Step 0): 자주 묻는 질문(FAQ)의 경우, Redis Cache(response_cache)를 먼저 확인하여 응답 속도를 획기적으로 개선합니다.
2. Vector Search (Step 2): 사용자 질문을 임베딩(Vector)으로 변환한 후, VectorStore에서 코사인 유사도(Similarity Search) 기반으로 관련 문서 TOP-K개를 검색합니다.
3. Context Construction (Step 3): 검색된 문서 조각(Chunk)들을 조합하여 LLM이 이해하기 쉬운 형태의 Context를 구성합니다.
4. LLM Generation (Step 4): 구성된 Context와 대화 이력(Conversation History)을 Gemini 3.0 Pro 모델에 전달하여 최종 답변을 생성합니다.
5. Streaming Response: 긴 답변 생성 시 사용자 체감 속도를 높이기 위해, 토큰 단위의 스트리밍(SSE) 응답을 지원합니다.

Multi-Vector Store Strategy (vectorstore.py)

• Development: ChromaDB (Local Persistent) - 별도 인프라 없이 로컬 파일시스템에 데이터를 저장하여 빠른 프로토타이핑 지원.
• Production: Qdrant (Enterprise Vector DB) - 대규모 데이터 처리에 최적화된 Qdrant 클러스터를 사용하여 고가용성과 검색 성능 확보.

Intelligent Confidence System

1confidence = (avg_relevance * 0.5) + (source_factor * 0.3) + (length_factor * 0.2)

• Relevance: 검색된 문서들과 질문 간의 유사도 점수.
• Source Coverage: 답변 근거로 사용된 문서의 수.
• Completeness: 생성된 답변의 길이 및 완결성.
• -> 신뢰도(Confidence)가 0.5 미만인 경우, 사용자에게 "정확한 정보를 찾지 못했습니다"라고 솔직히 안내하거나 상담원 연결을 유도합니다.

Document Ingestion Engine (document_loader.py)

• Universal Loader: LangChain의 다양한 로더를 래핑하여, 파일 확장자에 따라 최적의 파싱 전략(Unstructured, PyPDF, BS4)을 자동으로 선택합니다.
• Smart Chunking: RecursiveCharacterTextSplitter를 사용하여 문맥(Context)을 해치지 않는 선에서 텍스트를 최적의 크기로 분할, 검색 정확도를 극대화합니다.