LMS i18n 최적화를 위한 3가지 데이터 분리 및 검증 아키텍처 설계

Context

기존 LMS는 UI String, 사용자 생성 콘텐츠, 표준 참조 텍스트를 단일 i18n 메커니즘으로 처리하여 데이터 무결성 저하 및 운영 효율성 감소 문제를 겪음. 특히 정적 파일 기반의 gettext 방식은 동적 콘텐츠 번역과 런타임 대응에 한계가 명확함.

Technical Solution

• UI String과 User-generated Content의 저장소 분리를 통한 데이터 성격별 처리 최적화
• content_translations 전용 캐시 테이블을 설계하여 entity_id와 locale 기반의 효율적인 Join 쿼리 구현
• Translation Worker를 도입하여 First-request 기반의 Lazy Loading 및 Publish 시점의 Eager Loading 전략 채택
• 언어별 텍스트 길이 차이(러시아어 기준 English 대비 25~30% 증가)를 수용한 CSS min-width 설정 및 UI Layout 설계
• Storybook Locale Switcher와 Playwright Snapshot 기반의 CI 파이프라인을 통한 레이아웃 Regression 테스트 자동화
• Canonical Artifacts의 무분별한 기계 번역 방지를 위해 Placeholder Token 기반의 치환 프로세스 구축