

토니모리 공식몰 API 응답시간 2차 개선기 (SQL 실행계획 최적화 및 index)
토니모리 공식몰 API의 응답 시간을 개선한 사례를 다뤘습니다. COUNT(*)를 EXISTS로 바꾸고 인덱스를 추가해 조회 성능을 높였습니다.
새로운 기술 블로그가 추가되었어요


토니모리 공식몰 API의 응답 시간을 개선한 사례를 다뤘습니다. COUNT(*)를 EXISTS로 바꾸고 인덱스를 추가해 조회 성능을 높였습니다.

올리브영 선물하기관은 DB 의존과 배치 지연으로 성능과 신뢰성 문제가 있었습니다. 전시 전략 통합과 AOP·리플렉션 기반 개선으로 빠르고 정확한 서비스로 개편했습니다.

대규모 데이터에서 개인정보를 정확히 식별하기 위해 AI 분류기를 적용했습니다. 문맥 분석과 모델 최적화로 규제 준수와 운영 효율을 높였습니다.

트랜잭션 롤백에 의존하던 CDC의 성능 저하와 DBMS 종속성 문제를 다뤘습니다. QSI 기반 쿼리 시뮬레이션으로 변경 전후 데이터를 생성해 부하를 줄인 방식을 소개했습니다.

데이터 디스커버리로 기업 내 개인정보를 자동 식별하고 관리하는 방법을 소개했습니다. 정규식과 AI, 주기적 탐색, 사람 검토를 통해 보안 사각지대를 줄이는 방향을 설명했습니다.

QueryPie의 AI 분류기로 개인정보를 문맥 기반으로 식별하고 규제 준수를 지원하는 방법을 소개했습니다. 정규식 기반 한계를 보완하며 정확도와 운영 효율을 높인 사례를 설명했습니다.

글로벌 진출의 핵심 과제와 QueryPie의 시장 기회를 정리했습니다. 한국에서 쌓은 보안 경험과 통합 접근 제어 역량을 바탕으로 현지화 전략이 중요하다고 설명했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

달파는 기업용 AI 솔루션을 제공하는 B2B SaaS 기업으로 소개했습니다. AI 스토어와 맞춤형 서비스, 단계별 개발 프로세스를 중심으로 설명했습니다.
![[SpringBatch 연재 07] MyBatisPagingItemReader로 DB내용을 읽고, MyBatisItemWriter로 DB에 쓰기](https://devocean.sk.com/thumnail/2024/10/15/769e978e524bb2bf4859b98bf774b70bfa7fbebf1c9329d0d3d4c927120be898.png)

Spring Batch에서 MyBatisPagingItemReader와 MyBatisBatchItemWriter를 사용하는 방법을 정리했습니다. XML 매퍼 분리와 청크 단위 페이징 처리로 DB 읽기와 쓰기를 구성했습니다.

600줄짜리 쿠폰 쿼리를 분리·캐싱·로직 이관으로 개선한 사례를 소개했습니다. 평균 지연시간과 DB 사용률을 낮추며 유지보수성과 비용 효율을 높였습니다.


Spring Batch 배치가 멈춘 원인을 트랜잭션 분리 실패와 스레드 풀 정책에서 찾았습니다. `CallerRunsPolicy`와 `@Transactional` 누락이 겹치며 경합이 발생했고, 설정 개선이 필요했습니다.
![[SpringBatch 연재 05] JdbcPagingItemReader로 DB내용을 읽고, JdbcBatchItemWriter로 DB에 쓰기](https://devocean.sk.com/thumnail/2024/10/28/c6ab0423c449accde8c39729cbb0156dfab20487cabc4d636480ad301c57ef85.png)

JdbcPagingItemReader로 DB 데이터를 페이지 단위로 읽고 파일로 저장하는 방법을 다루었습니다. JdbcBatchItemWriter로 파일 데이터를 DB에 빠르게 적재하는 구성도 함께 설명했습니다.


카프카 커넥트의 개념과 동작 방식을 소개하고, JDBC와 HDFS 커넥터로 파이프라인을 구성하는 흐름을 설명했습니다. 3.5 버전의 오프셋 관리 기능은 다음 글에서 이어서 다룬다고 예고했습니다.

올리브영은 온라인몰과 물류센터 간 연계 방식을 EAI에서 MQ로 바꾸어 실시간성과 처리 성능을 높였습니다. 다만 큐 기반 구조라 조회와 검색에는 제약이 있다는 점도 함께 짚었습니다.