pile·
백엔드·테이블링테이블링·

테이블링 오피스의 Layered Architecture

테이블링의 NestJS 기반 오피스 서버가 3계층(Controller-Service-Repository) 구조에서 UseCase 계층을 추가한 4계층 구조로 진화한 과정을 다룬다. Service 간 의존 시 이미 DTO로 변환된 데이터만 받는 문제를 UseCase로 비즈니스 로직과 데이터 가공을 분리해 해결했다.

핵심 포인트
  • 기존 구조에서 Service A가 Service B를 Inject하면 이미 DTO로 변환된 데이터를 받아 원본 값을 얻지 못하는 문제가 발생했다.
  • UseCase 계층을 추가해 비즈니스 로직은 UseCase가, Response DTO 변환은 Service가 담당하는 책임 분리를 구현했다.
  • 4계층 구조(Controller-Service-UseCase-Repository)로 재사용성, 테스트 편의성, 책임 명확성을 모두 향상시켰다.
상세 정리
  • 초기 문제 발견: Service가 다른 Service를 의존할 때 이미 Response DTO로 변환된 데이터를 반환받아, 원본 데이터 접근이 불가능해 비즈니스 로직에서 필요한 값을 얻지 못하는 이슈가 생겼다.
  • 근본 원인: Service가 비즈니스 로직 수행과 DTO 변환을 동시에 담당해 다른 Service에서 재사용하기 어려운 구조였다.
  • UseCase 계층 역할: 순수한 비즈니스 로직을 수행하고 원본 도메인 데이터를 반환한다. Service는 UseCase 결과를 Response DTO로 변환하는 역할만 한다.
  • 최종 4계층 구조: Controller(HTTP 요청/응답 처리) → Service(Response DTO 변환) → UseCase(비즈니스 로직 + 원본 데이터 반환) → Repository(DB 접근).
  • 의존 문제 해결: 다른 계층에서 비즈니스 로직이 필요할 때 UseCase를 직접 Inject해 원본 데이터를 얻을 수 있게 됐다.
  • 재사용성 향상: UseCase가 순수한 비즈니스 로직을 담당하므로 여러 Service에서 같은 UseCase를 재사용하기 쉬워졌다.
  • 테스트 편의성: 각 계층의 책임이 명확히 분리돼 단위 테스트 작성이 쉬워졌다.
왜 읽나NestJS 백엔드에서 Service 간 의존으로 인한 데이터 가공 이슈를 UseCase 계층 추가로 해결한 실제 사례. 계층형 아키텍처 설계를 고민하는 백엔드 개발자에게 참고 자료.
테이블링
테이블링 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