흩어진 커머스 데이터, 하나의 고성능 서빙 플랫폼으로
팀마다 한 벌씩 만들던 대용량 조회 서빙을 전사 플랫폼 하나로 모으며 내린 과감한 결정들과, 그 결정을 Performance Test/Resilience Test/Diff Test 3중 검증으로 증명한 과정을 공유합니다.
01
이런 분께 권합니다
- 대용량 조회 트래픽을 받아내는 서빙 시스템을 설계,운영하는 백엔드/플랫폼 엔지니어
- ScyllaDB, Cassandra 등 분산 NoSQL 도입을 검토 중이신 분
- AI를 코드 생성이 아니라 검증, 의사결정 사이클 단축에 쓰는 실제 사례가 궁금한 분
02
연사
양희찬Backend Engineering
무신사에서 Unified Data Hub(UDH)의 설계와 구축을 담당하고 있습니다. 여러 플랫폼과 도메인에 흩어져 있던 유저향 조회 데이터를 하나의 서빙 플랫폼으로 모으는 일을 하며, ScyllaDB, Apache Flink 기반의 대용량 읽기 파이프라인과 저지연 서빙 API를 만들고 운영합니다.
03
세션 소개
커머스 조회 트래픽은 Read가 99.9%이고, 이벤트 때 평시의 8배까지 치솟습니다. 이 트래픽을 받아내려 팀마다 한 벌씩 만들던 MV, 캐시, CDC 파이프라인을 전사 플랫폼 하나로 모았습니다. 서빙 저장소는 ScyllaDB 하나, 캐시는 Redis 없이 로컬만 이런 일곱 개의 결정을 왜 내렸고, 부하, 장애 주입, Shadow Traffic으로 어떻게 증명했는지 공유합니다
04