ioh's Development

서론문제: Range 파티셔닝된 테이블에서 PRIMARY KEY (event_time, event_id) 구조로 설계했으나, event_id bigserial 값이 파티션 간 중복 발생원인: 복합 PK는 조합의 유일성만 보장하며, bigserial은 전역 시퀀스를 사용하지만 파티션별 삽입 시점 차이로 동일 값 할당 가능영향: 약 1,100건의 중복 키 발생, FK 참조 무결성 위협, 통계 집계 왜곡해결: created_at DESC 기준 최신 레코드 유지 정책으로 중복 제거 후, PK 구조 재설계 (event_id 단독 PK + event_time 인덱스)1. 배경: 거래 시스템의 대용량 데이터 처리 요구사항시스템 개요소상공인 대상 금융 거래 통합 플랫폼에서 다음과 같은 데이터 특성을 처리합니다:- 일평..

들어가며JPA를 사용하다 보면 피할 수 없는 성능 문제 중 하나가 바로 N+1 문제입니다. 이 글에서는 N+1 문제가 무엇인지, 왜 발생하는지, 그리고 어떻게 해결할 수 있는지를 실제 예시와 함께 살펴보겠습니다.1. N+1 문제란?1.1 예시 상황다음과 같이 주문(Order)과 고객(Customer) 엔티티가 N:1 관계를 맺고 있다고 가정해봅시다.@Entity@Builderpublic class Order { @Id @GeneratedValue private Long id; private String productName; private Integer amount; @ManyToOne @JoinColumn(name = "customer_id") pri..

💡 문제median-of-two-sorted-arrays (https://leetcode.com/problems/median-of-two-sorted-arrays/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념정렬된 두 배열의 중앙값(Median of Two Sorted Arrays) 문제는“정렬된 두 배열을 병합하지 않고 중앙값을 찾는” 고전적인 이진 탐색 문제입니다.전체를 합치지 않아도,“왼쪽 파티션의 최대값 ≤ 오른쪽 파티션의 최소값”이 되는 경계 지점만 찾으면 중앙값을 바로 계산🤓 문제 풀이두 개의 정렬된 배열 nums1, nums2가 주어질 때,두 배열을 하나로 합쳤을 때의 중앙값(median)을 구하라.단, 전체를 병합하지 않고 O(log(m+n)) 시간 복잡도 내에..

MyBatis Generator 실전 가이드 - IntelliJ에서 AutoMapper 생성하기 목차1. [MyBatis Generator란?](#mybatis-generator란)2. [프로젝트 초기 설정](#프로젝트-초기-설정)3. [generatorConfig.xml 작성법](#generatorconfigxml-작성법)4. [IntelliJ에서 실행하기](#intellij에서-실행하기)5. [동작 원리 이해하기](#동작-원리-이해하기)6. [실전 예제](#실전-예제)7. [트러블슈팅](#트러블슈팅) MyBatis Generator란?개요MyBatis Generator(MBG)는 데이터베이스 테이블 구조를 분석하여 자동으로 다음 파일들을 생성해주는 코드 생성 도구입니다.- Java Model 클래스 ..

들어가며개발 4년 차가 되어서야 비로소 객체지향 프로그래밍(OOP)의 진짜 의미를 이해하게 되었습니다. 입사 초반에는 그저 "캡슐화, 상속, 다형성, 추상화" 네 가지 특징을 외우는 데 그쳤지만, 레거시 코드와 끝없는 리팩토링, 그리고 "왜 이렇게 설계했나요?"라는 질문 속에서 OOP가 단순한 이론이 아니라 '유지보수 가능한 코드'를 위한 철학이라는 걸 깨달았습니다. 이 글에서는 그동안의 실무 경험을 바탕으로 OOP를 어떻게 바라봐야 하고 실제 프로젝트에서 어떻게 적용해야 하는지를 이야기하려 합니다.1. 객체지향 프로그래밍이란?📌 정의의 재해석교과서적 정의는 이렇습니다."컴퓨터 프로그램을 명령어의 목록이 아닌, 독립된 객체들의 모임으로 파악하는 프로그래밍 패러다임" 하지만 실무적 관점에서는 이렇게..

[JPA & Spring 실무] N:1, 1:N 연관관계 설계 베스트 프랙티스— “엔티티 설계 관점”에서 한 번에 정리해 보기 현업에서 JPA를 쓰다 보면 결국 이 질문으로 돌아오게 됩니다. “N:1, 1:N 연관관계를 어떻게 설계해야 덜 후회할까?” 이 글은 “성능 측정 결과”나 “화려한 수치”보다는,실제 백엔드 개발자가 설계하면서 반복해서 부딪히는 개념과 의사결정을 정리하는 데 목적이 있습니다. 엔티티 설계할 때 어떤 선택을 해야 하는지N:1 / 1:N을 어떻게 나눌지연관관계 편의 메서드를 어디에 둘지N+1 문제를 어떤 방식으로 인지하고 피할지 를 한 번에 정리해서, 나중에 다시 볼 때도 도움이 되는 “개념 레퍼런스”로 쓰기 위한 글입니다. 1. 왜 N:1, 1:N이 실무에서 이렇게 중요한가 관계형..

들어가며우리 회사는 온프레미스 환경에서 MSA(Microservices Architecture)를 운영하고 있다. 하지만 초기 구축 과정에서 일부 핵심 패턴들이 누락되거나 미흡하게 적용되어 있었고, 이로 인해 실무에서 여러 문제들을 마주하게 되었다. 현재 우리가 직면한 문제들:서킷 브레이커 미적용: 한 서비스의 장애가 연쇄적으로 전파되어 전체 시스템 장애로 확대SAGA 패턴 부재: 분산 트랜잭션 관리가 어렵고, 데이터 정합성 문제 발생오케스트레이션 패턴 미흡: 서비스 간 복잡한 비즈니스 플로우를 관리하기 어려움왜 완벽하게 적용하지 못할까?1. 조직적 장벽학습 곡선이 높고 팀 전체의 이해가 필요레거시 시스템과의 통합 부담"일단 돌아가는 것"이 우선순위2. 기술적 복잡도SAGA 패턴의 보상 트랜잭션(Comp..

들어가며회원 관리 시스템을 개발하던 중, 회원(Member)과 회원 상세 정보(MemberDetail)를 일대다(1:N) 관계로 설계해야 하는 요구사항이 있었다. 한 회원이 전화번호, 주소, SNS 계정 등 여러 타입의 상세 정보를 가질 수 있어야 했기 때문이다.초기에는 간단하게 일대다 단방향 매핑으로 구현했는데, 이게 생각보다 큰 성능 문제를 일으켰다. 100명의 회원을 등록하는 배치 작업에서 쿼리가 200개나 발생하는 것을 발견했다. INSERT 쿼리 100개는 이해가 되는데, 그 뒤에 UPDATE 쿼리가 또 100개씩 따라붙는 것이다.이 문제를 해결하는 과정에서 @MapsId라는 생소한 어노테이션을 만났고, 그 과정을 공유하고자 한다.문제 상황: 불필요한 UPDATE 쿼리비즈니스 요구사항과 테이블 ..

애플리케이션을 개발하다 보면 테스트를 위해 더미데이터가 꼭 필요합니다. 간단히 하드코딩된 문자열을 넣어도 되지만, 현실과 동떨어진 데이터는 실제 케이스를 충분히 검증하기 어렵습니다. 테스트 케이스를 직접 하나하나 만들 수도 있지만, 사람이 생각해낼 수 있는 경우의 수에는 한계가 있죠. 이럴 때 유용한 도구가 바로 Faker입니다. “그럴듯한 더미 데이터”를 빠르게 생성해주어, 이름·주소·상품명·문장·날짜 같은 데이터를 무작위로 뽑아낼 수 있습니다. 저는 최근 더미데이터를 대량으로 생성하는 작업을 하다가 Faker를 활용하게 되었고, 생각보다 다양한 기능과 실무에서 쓸만한 포인트가 있어 공유 차원에서 정리해보았습니다. 테스트는 보통 사람이 설계한 유한한 케이스에 의존합니다. 그러나 현실 세계의 데이터는 다..

목차Kafka 4.x 소개 및 KRaft 모드로컬 환경 설치 (macOS)Kafka 서버 실행토픽 생성 및 관리Producer/Consumer 메시지 송수신 테스트Java Client 예제 (실전 코드)트러블슈팅1. Kafka 4.x 소개 및 KRaft 모드Apache Kafka 4.0부터는 ZooKeeper가 완전히 제거되고 KRaft(Kafka Raft) 모드가 기본이 되었습니다. KRaft는 Kafka 자체의 합의 프로토콜을 사용하여 메타데이터를 관리하므로, 별도의 ZooKeeper 클러스터 없이도 Kafka를 운영할 수 있습니다.주요 특징ZooKeeper 의존성 제거: 아키텍처 단순화Java 17 필수: Brokers/Connect/Tools는 Java 17 이상 필요Combined 모드: 로컬 ..

오늘날 기업 시스템은 더 이상 단일 데이터베이스와 단일 애플리케이션에 의존하지 않습니다.실시간 데이터 스트리밍과 분산 처리가 기본이 되었고, 사용자 이벤트, 주문, 결제, 로그 데이터는 밀리초 단위로 쏟아져 들어옵니다. 이러한 데이터 흐름을 안정적이고 확장 가능하게 처리하기 위해 많은 기업이 선택하는 기술이 바로 Apache Kafka입니다. Kafka는 단순한 메시지 브로커를 넘어서, 이벤트 스트리밍 플랫폼이라는 새로운 패러다임을 제시합니다. 이번 포스팅에서는 Kafka를 처음 접하거나 기본 개념을 다시 정리하려는 분들을 위해, 다음 세 가지 주제를 중심으로 Kafka를 살펴보겠습니다.Kafka의 주요 특징 – Kafka가 다른 메시지 큐와 차별화되는 이유Kafka의 핵심 구성 요소 – Cluster,..

백엔드 시스템을 운영하다 보면, 코드 수준의 최적화만으로는 해결되지 않는 성능 병목을 마주하게 됩니다.특히 자바(Java) 기반 서버는 JVM 메모리 관리와 Garbage Collection(GC) 정책에 따라 서비스 안정성과 응답 속도가 크게 달라집니다. 운영 환경에서 트래픽이 급증하면, 예상치 못한 Full GC, OutOfMemoryError, 커넥션 풀 고갈과 같은 문제가 한꺼번에 발생하며 서비스 전체가 지연되거나 중단될 수 있습니다.저는 특정 외부 연동 서버 운영 중 실제로 이러한 문제를 경험했습니다. 순간적으로 API 응답이 수 초 단위로 지연되고, 504 Gateway Timeout이 동시다발적으로 발생했으며, TCP 연결이 100%까지 포화되는 상황이 반복되었습니다.이 과정에서 JVM 메모..

💡 문제200. Number of Islands (https://leetcode.com/problems/number-of-islands/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념 그래프 관점의 격자(Grid as Graph): 각 칸을 정점으로 보고, 상하좌우 4방향으로 간선이 있다고 보면 연결된 ‘1’들의 묶음이 곧 섬이다.BFS/DFS로 영역(Connected Component) 세기: 방문하지 않은 육지(‘1’)를 발견할 때마다 탐색을 시작해 연결된 모든 칸을 방문 처리하고, 시작 횟수가 섬의 개수다.방문 처리 방식: visited 배열을 별도로 쓰거나, 입력 그리드를 직접 수정(‘1’→‘0’) 하여 재방문을 방지한다. 🤓 문제 풀이그리드를 순회하며 ‘1’을 만나면 ..

💡 문제560. Subarray Sum Equals K (https://leetcode.com/problems/subarray-sum-equals-k/submissions/1763406903/?source=submission-noac)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념Prefix Sum(누적합): prefix[i] = nums[0] + ... + nums[i]구간합 공식: sum(l..r) = prefix[r] - prefix[l-1]해시맵 카운팅: 지금까지 등장한 누적합 값의 빈도를 Map로 관리🤓 문제 풀이인덱스 r까지의 누적합을 prefix라 하면, 합이 k인 서브어레이 (l..r) 존재 조건은prefix[l-1] = prefix[r] - k.따라서 현재 pre..

💡 문제347. Top K Frequent Elements (https://leetcode.com/problems/top-k-frequent-elements/submissions/1763392089/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념빈도 집계(Frequency Count): Map로 원소별 등장 횟수 계산.버킷 정렬(Bucket Sort): 빈도 f별로 리스트를 두어, 높은 빈도부터 꺼내면 Top K를 빠르게 구할 수 있음.최소 힙(Min-Heap) 대안: (빈도, 값)을 크기 k의 힙으로 유지해도 됨(시간 O(n log k)).🤓 문제 풀이정수 배열 nums에서 가장 자주 등장한 원소 k개를 반환한다(순서는 무관).O(n)로 풀고 싶다면 버킷 정렬이 깔끔하다:해시..

💡 문제238. Product of Array Except Self (https://leetcode.com/problems/product-of-array-except-self/description/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념 Prefix/Suffix 누적곱: 각 인덱스 i에서의 답은 “왼쪽 모든 원소의 곱 × 오른쪽 모든 원소의 곱”.공간 최적화 트릭: 출력 배열을 왼쪽 누적곱으로 먼저 채우고, 뒤에서 앞으로 오른쪽 누적곱을 곱해주면 보조 배열 없이 해결 가능.나눗셈 금지: 문제 제약상 division 없이 O(n)에 처리. 🤓 문제 풀이정수 배열 nums가 주어질 때, 각 위치 i에 대해 nums[i]를 제외한 나머지 모든 원소의 곱을 구한다.ans[i] ..

💡 문제33. Search in Rotated Sorted Array (https://leetcode.com/problems/search-in-rotated-sorted-array/description/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념 이진 탐색(Binary Search): 정렬 배열에서 O(log n)으로 탐색.회전된 정렬 배열의 성질: 중복이 없으면 임의의 mid에서 좌/우 절반 중 하나는 반드시 오름차순이다.구간 선택 불변식: 매 반복, “정렬된 절반”을 판별 → 타겟이 그 정렬 구간 범위에 포함되면 그쪽으로, 아니면 반대쪽으로 탐색 구간을 절반으로 줄인다. 🤓 문제 풀이오름차순 정렬 배열이 어떤 피벗 k에서 회전된 상태에서, 주어진 target의 인덱스를 ..

💡 문제167. Two Sum II - Input Array Is Sorted (https://leetcode.com/problems/two-sum-ii-input-array-is-sorted/description/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념투 포인터(Two Pointers): 정렬된 배열의 양 끝에서 시작해 합계를 비교하며 포인터를 안쪽으로 이동.단조성 활용: 배열이 오름차순 정렬(non-decreasing)이므로, 합이 작으면 왼쪽 포인터 증가, 크면 오른쪽 포인터 감소.🤓 문제 풀이정렬된 정수 배열 numbers(1-indexed)와 target이 주어질 때, 합이 target인 두 원소의 1-기반 인덱스를 반환한다.배열이 정렬되어 있으므로 투 포인터로..

💡 문제76. Minimum Window Substring (https://leetcode.com/problems/minimum-window-substring/submissions/1763182670/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념슬라이딩 윈도우(Sliding Window): 포인터 L(left), R(right)을 사용해 윈도우를 확장/축소하며 조건을 만족하는 최소 길이를 탐색.빈도 카운팅(Frequency Counting):need[c] = t에 필요한 각 문자의 총 개수win[c] = 현재 윈도우에 포함된 각 문자의 개수만족도 트래킹(formed/required):required = 필요 문자 종류 수(need[c] > 0인 문자 개수)formed = 현재 ..

💡 문제3. Longest Substring Without Repeating Characters (https://leetcode.com/problems/longest-substring-without-repeating-characters/description/)자세한 문제 설명과 입출력 예는 링크를 참고해주세요. 📝 선행 개념슬라이딩 윈도우(Sliding Window): 두 포인터 left, right로 현재 고려하는 부분 문자열(윈도우)을 나타내며, 조건을 만족하도록 윈도우를 확장/축소한다.중복 추적(최근 위치 인덱싱): Map에 각 문자의 가장 최근 등장 인덱스를 저장해, 중복이 감지되면 left를 건너뛰며 점프시킨다.불변식: 매 반복에서 [left, right] 구간은 “중복 없는” 부분 문자열이..