백엔드
적정 엔지니어링으로 검색 속도 10x 빠르게 만들기
두줄요약
적정 엔지니어링으로 검색 속도를 10배 빠르게 만든 경험을 공유했습니다. 과도한 복잡성을 줄이고 필요한 수준의 구현으로 성능을 개선했습니다.
핵심 내용
- 적정 엔지니어링 관점에서 검색 속도 개선 경험 공유
- 성능 향상을 위해 과도한 복잡성보다 필요한 수준의 구현 선택
- 검색 속도 10배 개선 사례 중심의 실무 회고
목록 보기
AB180백엔드
이 글과 연관된 채용
ML Engineer (검색 Relevance)
토스 · Seoul
검색 Relevance 모델의 레이블 설계부터 임베딩·랭킹 모델 학습, 데이터 파이프라인, 오프라인 평가와 A/B 실험까지 엔드투엔드로 담당합니다. 검색 도메인 실무 경험과 대규모 로그·행동 데이터 기반 데이터셋 구축, 임베딩·랭킹 모델 학습, LLM 활용 역량이 필요합니다.
필요 기술LLMANN임베딩 모델랭킹 모델lexical 매칭A/B 실험ML Engineer (검색 Conversion/Ranking)
토스 · Seoul
검색어 기반으로 유저·상품 선호를 예측하는 Conversion 모델과 2-tier 랭킹 구조를 설계·고도화하며, 피처·라벨 파이프라인부터 A/B 실험까지 주도합니다. CTR/CVR 예측, 대규모 행동 데이터, 딥러닝 랭킹 모델 실서비스 경험이 필요합니다.
필요 기술CTR/CVR 예측 모델딥러닝 랭킹 모델피처 파이프라인Multi-Task LearningA/B 실험모델 서빙검색 플랫폼 개발자 (Back-end)
올리브영 · 경력 5년 이상 · CJ올리브영
올리브영 온·오프라인 통합 검색 서비스의 백엔드와 검색 마이크로서비스, 대규모 분산 검색 클러스터를 설계·운영합니다. Java/Kotlin, Spring Boot, OpenSearch/Elasticsearch 기반 상용 서비스 경험과 RESTful API·대규모 트래픽 아키텍처 이해가 필요합니다.
필요 기술JavaKotlinSpring BootOpenSearchElasticsearchRESTful API
다음 읽기
같은 회사의 연관 글
동일한 비용으로 리포트 요청 10배 처리하기
리포트 요청 증가로 커진 비용을 줄이기 위한 개선 사례를 공유합니다. 동일한 비용으로 더 많은 요청을 처리하도록 효율을 높였습니다.
