외부 백엔드 커뮤니티와 함께 한 올리브영의 SpringCamp 2025 참가 후기

Context

올리브영은 매 세일마다 매출 신기록을 갱신하면서 세일 기간의 트래픽과 데이터 양이 기하급수적으로 증가했다. 기존 EAI(Enterprise Application Integration) + 배치 기반 물류 인터페이스는 실시간성과 확장성 측면에서 한계가 있었다. RDB 중심의 재고 시스템은 조회 시점의 재고만 파악할 수 있었고, 특정 시점의 재고 수량을 조회하려면 복잡한 다중 테이블 조인이 필요했다.

Technical Solution

• 물류 IF 아키텍처 전환: EAI + 배치 기반 구조에서 AWS MSK(Kafka) 기반 실시간 처리 시스템으로 변경
• 순서 보장 전략: DLQ(Dead Letter Queue)가 필요한 경우 애플리케이션 수준 재처리 전략 구현, 순서 보장이 필수인 토픽은 메시지 키 기반으로 Kafka 파티션을 구성하여 동일 키의 메시지를 같은 파티션으로 전송
• 재고 시스템 저장소 전환: RDB 중심에서 Redis 기반으로 변경, 매장별 키(store key)를 생성하고 상품코드를 해시 필드, 재고 수량을 value로 구성
• 데이터 정합성 관리: Oracle과 Redis 간 정합성을 주기적으로 검증하는 배치 작업 운영, 문제 발생 시 Datadog을 통해 Slack 알림 전송, 새벽 시간대에 Oracle 데이터를 기준으로 Redis 데이터를 일괄 업데이트
• 재고 이력 통합 관리: EFK 스택(Elasticsearch, Fluentbit, Kibana) 기반 OpenSearch를 도입하여 재고 변경 이력을 통합 관리, Oracle 재고 변경 시점에 Redis와 함께 OpenSearch에 이력 저장, Fluentbit sidecar pattern으로 구축
• 전자라벨 성능 최적화: 새벽 시간(매장 미운영 시간)에는 모든 매장의 모든 상품 재고를 조회하는 API 사용, 트래픽 많은 시간대(일과 시간)에는 변경된 재고 수량만 반환하는 API 사용

Impact

정량적 수치가 아티클에 명시되지 않음.

Key Takeaway

메시지 큐 도입 시 순서 보장 요구사항에 따라 DLQ vs 애플리케이션 수준 재처리 전략을 구분 적용해야 하며, 부하가 높은 작업은 시간대별로 조회 전략(전체 vs 변경분)을 동적으로 전환하는 것이 실전 운영의 핵심이다.