재고의 변동을 시계열 데이터로?!

Context

올리브영은 1,000만 개 이상의 SKU에 대해 일정 주기마다 모든 재고 정보를 대량으로 조회하는 외부 시스템들이 있었다. Hash 타입 Redis에 최신 재고만 저장하는 구조에서는 동기화 시마다 전체 데이터를 조회해야 해서 주기마다 Redis CPU 및 API Latency가 급격히 증가했다.

Technical Solution

• Redis Hash에서 Redis Stream으로 변경: append-only 로그 방식으로 POS, 물류관리시스템, 백오피스 등에서 발생하는 판매, 입고, 반품, 폐기 등 모든 재고 변동 이벤트 기록
• Entry ID 자동 생성으로 처리 순서 보장: millisecondTime-sequenceNumber 형식으로 동일 밀리초 내 64비트 범위의 sequenceNumber로 무제한 순서 보장
• 날짜 기반 Stream Key 설계: "StreamKey-날짜" 형식으로 당일 변동 재고만 저장하고 TTL 설정으로 지난 데이터 자동 정리
• XRANGE의 O(log(N)+M) 복잡도 문제 해결: 조회 범위를 시간 단위로 분할해 병렬 조회 및 RedissonReactiveClient로 리액티브 프로그래밍 적용
• 시간대별 데이터 분포 분석: Entry의 시간대별 분포도를 파악해 각 시스템에 맞는 최적 조회 범위 결정

Impact

아티클에 정량적 수치가 명시되지 않음

Key Takeaway

Redis Stream은 append-only 시계열 데이터 처리 특성으로 대량의 변동 이벤트를 효율적으로 기록할 수 있으며, 적절한 범위 분할과 병렬 조회 패턴으로 싱글 스레드 Redis의 성능 한계를 극복할 수 있다.