pile·
백엔드·토니모리토니모리·

Redis 캐시로 몰려드는 트래픽을 견디다 — 토니모리 공식몰 성능 개선기

문제토니모리 공식몰은 프로모션 때마다 트래픽이 몰리면서 DB에 부하가 쏠려 응답이 지연됐고, 카테고리·배너·인기 상품처럼 거의 바뀌지 않는 데이터까지 매번 DB에서 조회되는 비효율이 있었다.
접근TTL 설정이 쉬운 Redis 인메모리 캐시를 도입해 전 고객 공통 데이터를 캐싱하고, 회원 등급별 개인화 데이터는 Key에 식별자를 붙여 구분했으며, 관리자 수정 시 자동 초기화·수동 갱신·정시 배치 갱신 세 가지를 함께 운영했다.
결과메인 페이지 평균 응답이 316.34ms에서 230.79ms로 약 27% 줄었고, 최대 응답은 450ms에서 300ms로 떨어졌으며, 250~400ms대 응답 분포가 180~270ms 구간으로 좁아져 안정화됐다.
토니모리
토니모리 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. 백엔드·twilio-engTwilio Engineering·

    Programmable Messaging에서 Verify API로 마이그레이션하기

    Twilio의 Programmable Messaging API로 자체 OTP 솔루션을 운영하던 서비스가 Verify API로 전환하는 방법을 코드 예시와 함께 설명한다. Verify는 OTP 전송·검증을 위한 전용 API로, 전화번호 구매, 토큰 생성, DB 저장·만료 관리를 내부에서 처리해 개발자가 직접 구현할 코드를 크게 줄인다.

    요약 이어보기
    #authentication#twilio#sms+2
  2. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 2부

    포스타입 백엔드 엔지니어가 벡터 기반 개인화 추천 시스템을 실제 운영하며 맞닥뜨린 성능 장애와 용량 문제를 해결한 과정을 담은 2부다. 수백만 개의 벡터 KNN 검색이 피크 시간대에 전체 Elasticsearch 검색 성능을 흔드는 문제부터 클러스터 OOM 사태까지, 쿼리 최적화와 인프라 분리 두 가지 경로로 근본 해결에 이른다.

    요약 이어보기
    #elasticsearch#vector-search#recommendation-system+2
  3. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 1부

    포스타입이 태그 기반 추천의 한계를 극복하고 벡터 임베딩 기반 개인화 추천 시스템을 구축한 과정을 담은 1부다. 유사한 콘텐츠가 다른 용어를 쓰거나 동일한 태그가 전혀 다른 톤의 콘텐츠를 가리키는 문제를 임베딩 벡터로 해결하고, OpenSearch의 HNSW ANN 검색으로 수백만 벡터를 실시간 검색하는 시스템을 구축해 구매율 15% 향상을 달성했다.

    요약 이어보기
    #opensearch#vector-search#recommendation-system+2