팀피셜은 스펙이 아닌 ‘함께 일해본 사람들의 진짜 이야기’로 나를 보여주는 소프트스킬 기반의 팀빌딩 플랫폼입니다.
질문 템플릿을 통해 동료들이 기록한 나의 협업 성향, 일하는 태도, 커뮤니케이션 스타일을 투명하게 제공합니다.
팀피셜은 더 신뢰할 수 있는 협업, 더 조화로운 팀워크로 이어지는 과정
전반을 설계합니다.
🚨 프로필 수정 및 삭제 시에는, 다른 유저들에게 혼동을 주지않기 위해 제약과 에러처리를 세세하게 로직에 구현해두었습니다.
코드 경로 : src/main/java/teamficial/teamficial_be/domain/profile/dto/ProfileStatus.java
🚨 메인페이지에 게시글 리스트가 있는 만큼, 게시글 리스트 조회 API 쿼리 성능 개선에 집중했습니다. 서브쿼리를 사용하고 관련 인덱스를 사용하여, 300만건의 데이터에서 쿼리 속도를 300ms ~ 500ms정도로 개선하였습니다.
| 역할 | 기술 / 도구 |
|---|---|
| Backend |         |
: Java 17
- 장기 지원(LTS, Long Term Support)을 제공하므로 안정성과 보안성이 높습니다.
- 최신 언어 기능(레코드, 패턴 매칭, switch 표현식 등)을 활용할 수 있어 코드 가독성과 유지보수성이 개선됩니다.
- 또한 GC 개선과 퍼포먼스 향상 기능들이 포함되어 있어 생산환경 운영에 유리합니다.
: Spring Boot 3.5.4
- Spring Boot 3 버전은 최신 Spring Framework 기반이며, 성능, 보안, 관측성(observability) 등이 강화되어 있습니다.
- 기본 설정으로도 안정적이고 빠른 개발/배포가 가능하며, 요즘 트렌드인 마이크로서비스 또는 클라우드 네이티브 환경에서 잘 맞습니다.
: Spring Data JPA
- 관계형 데이터베이스(MySQL)와의 상호작용을 객체지향적으로 다룰 수 있게 해 주며, 복잡한 SQL 없이 CRUD 및 쿼리 정의가 간편합니다.
- 트랜잭션 관리, 영속성 컨텍스트, 캐시 사용 등 엔터프라이즈 애플리케이션에 필수적인 기능을 제공합니다.
: Spring Security + JWT + OAuth2
- 인증·인가를 표준화된 방식으로 처리 가능합니다
- JWT 토큰 기반 인증으로 무상태(Stateless) 서버 아키텍처 구성합니다
- OAuth2 연동을 통해 카카오, 구글 등 외부 로그인 지원합니다
: Docker
- 개발 환경과 프로덕션 환경 간의 차이를 줄이고, 배포 일관성(consistency)을 확보할 수 있습니다. 그리고 컨테이너를 통해 의존성 관리, 확장성, 롤백 등이 쉬워지고, CI/CD와의 통합이 용이하여 사용했습니다.
: Github Actions
- 자동화된 빌드(build), 테스트, 이미지 생성, 배포 파이프라인을 구성하기에 매우 적합하며, 코드 변경이 있을 때마다 지속적 통합(Continuous Integration) 및 지속적 배포(Continuous Deployment) 과정 자동화가 가능해 에러 가능성을 낮추고 배포 속도를 높이기에 사용했습니다.
: Swagger
- API 문서화를 자동으로 생성해 주므로 프론트엔드 개발자가 API 명세를 쉽게 이해하고 사용할 수 있습니다.
- 또한 API 변경 시 문서 유지보수가 쉬워지며, API 테스트/검증 시 유용합니다.
: MySQL
- 안정성과 성숙성이 검증된 관계형 데이터베이스이며, 트랜잭션, 조인 쿼리, 데이터 무결성(INTEGRITY) 등이 중요한 데이터 저장소로 저희 프로젝트에 적합합니다.
- 스케일업 및 스케일아웃 구조 설계 시에도 다양한 옵션과 커뮤니티/툴 지원이 풍부하여 사용했습니다.
: Redis
- 빠른 읽기/쓰기 응답(latency)이 필요한 캐시(cache) 용도 또는 세션 관리, 빈번히 조회되는 데이터 저장 등에 적합합니다.
- MySQL 등의 디스크 기반 DB와 혼합 사용 시 전체 시스템 응답성(performance) 및 확장성(scalability)을 향상시킬 수 있습니다.
- 카카오 로그인을 통해 인증을 마친 뒤, token 정보 저장 및 관리를 위해 사용합니다.
: CLOVA Studio
- 키워드 임베딩: 키워드를 벡터화하여 단순 키워드 매칭이 아닌 의미적 유사도 검색이 가능하도록 구현했습니다
- 즉, 사용자가 질문에 대한 대답을 했을 때 문맥파악을 하여 키워드를 추출하였습니다.
: Open Search
- 벡터 검색(Vector Search): 기능을 활용해 임베딩된 키워드를 효율적으로 저장·조회했습니다.
단순 키워드 일치 방식이 아니라, 질문·답변의 의미적 유사도(semantic similarity) 를 기반으로 콘텐츠를 추천하거나 관련 키워드를 찾아낼 수 있도록 구성했습니다.
- 전체적으로 RAG 파이프라인의 Retrieval 단계를 담당하며, CLOVA Studio로 생성한 벡터를 OpenSearch에 저장하고, KNN 검색을 통해 가장 의미적으로 가까운 결과를 빠르게 반환하도록 구성했습니다.
| Backend (BE) | |
|---|---|
 이연호 Backend Lead |
 이민호 Backend |
✅ 팀원이 작성해준 팀피셜록과 유사한 키워드를 찾기위해 우선 미리 선정한 키워드 100여개를 먼저 벡터 DB에 임베딩합니다.
이후, 3개의 팀피셜록에 대해 각각 LLM을 이용하여 키워드 위주의 짧은 문장으로 변환합니다.
그 문장을 임베딩하고, KNN 벡터 검색을 사용해 가장 의미가 유사한 키워드를 추출합니다.
src
└─ main
└─ java
└─ teamficial
└─ teamficial_be
├─ batch
│ ├─ job
│ ├─ scheduler
│ ├─ step
│ └─ tasklet
│
├─ domain
│ ├─ application
│ ├─ auth
│ ├─ confirmed
│ ├─ keyword
│ ├─ myPage
│ ├─ profile
│ ├─ recruitingDetail
│ ├─ recruitingPost
│ └─ user
│
└─ global
├─ apiPayload
├─ config
├─ entity
├─ enums
├─ redis
├─ security
├─ test
└─ util