오프라인 매장에 코드를 배포하다 Part 2: 올리브영 전자라벨(ESL) 최적화 여정

Context

전자라벨 시스템을 전국 1,300개 매장으로 확산하면서 두 가지 문제에 직면했다. 첫째, 매장당 15분이 걸리는 복잡한 집계 로직으로 인해 순차 처리 시 약 13.5일이 필요했으며 오전 10시 오픈 전 완료가 불가능했다. 둘째, 평시와 프로모션/세일 기간의 트래픽 변동성이 크면서 고정형 RDS 인스턴스로는 비용과 성능의 딜레마에 직면했다.

Technical Solution

• Spring Batch Multi-threaded Step의 단순 병렬화를 폐기하고 Spring Batch Partitioning 도입: 전체 데이터를 PK(Primary Key) 범위 기반으로 논리적 격리하여 각 Worker Step이 고유한 데이터 범위만 처리하도록 변경
• Lock Free 아키텍처 구현: 스레드 간 데이터 범위 분할로 동일 테이블의 인접 인덱스 범위에 대한 동시 Write 경합을 원천 차단
• Aurora RDS Serverless v2 도입: 고정형 On-Demand 인스턴스를 폐기하고 트래픽에 따라 ACU(Aurora Capacity Unit)를 자동으로 확장·축소하는 즉각적이고 중단 없는 오토스케일링 적용
• Serverless v2의 탄력적 자원 관리: 배치 처리 중에는 높은 ACU로 부하 수용, 작업 완료 또는 저트래픽 시간대에는 최소 ACU 사양으로 자동 축소

Impact

• 배치 처리 시간: 13.5일 → 5분 단축 (약 99.94% 감소)
• 인프라 비용: 고정형 인스턴스 대비 약 40% 절감
• 다운타임: 수동 스케일업 시 발생하던 재부팅으로 인한 서비스 중단 완전 제거

Key Takeaway

대용량 배치 처리에서는 단순 병렬화가 아니라 PK 범위 분할(Partitioning)을 통해 스레드 간 자원 경합을 근절해야 하며, 클라우드 인프라 최적화는 고정 프로비저닝이 아니라 트래픽에 탄력적으로 대응하는 오토스케일링 구조를 설계해야 한다.