ReadHub 프로젝트 회고 - 02

📝 프로젝트 회고

Readhub 전자도서관 개인 프로젝트를 진행 중간을 지나면서 잘한 점, 문제점, 계획과 시도할 부분 등을 점검하며
구현하면서 느낀점을 회고해보려고 한다!

📌 프로젝트 중간 목표

• SSE 실시간 알림 구현
• 개인별 맞춤추천 고도화 해보기!
• 통계기능 구현

 

🔧 진행 상황

알림

 

• SseEmitter를 활용하여 클라이언트와 서버 간의 단방향 연결 
• 유저별 알림을 관리하기 위한 EmitterRepository 구현
• 반납일 임박, 연체, 예약 도서 알림 등은 @Scheduled 스케줄러를 통해 전송
• 로그인된 사용자별로 고유 SSE 연결을 유지하며 알림 수신 가능

 

찜하기

• 원하는 도서를 찜하여 찜한 목록에 저장
• 찜하기 취소
• 찜한 도서를 전체 조회

통계

• 기간별 대출 건수 조회
• 연체된 도서 목록 조회
• 대출 상태 별 도서 수
• 가장 많이 대출된 도서 목록 조회
• 카테고리별 인기 도서 목록 조회

희망도서

• 희망도서 신청 /취소
• 희망도서 목록 조회 (관리자 / 유저)

연체

• 연체 자동등록 (스케쥴러)
• 연체상태의 도서 조회 (관리자/유저)
• 연체 취소
• 대여불가 취소 신청 /승인

 

🎉 잘한 점 (Keep)

이번 프로젝트의 중간 시점에서, 가장 잘했다고 생각하는 점은 처음 써보는 기술들을 깊게 고민하고 실제 기능에 적용했다는 것이다.

특히 개인별 맞춤 추천 기능을 구현하면서 많은 고민과 성장을 경험했다.
처음에는 단순히 "최근 대여한 책과 같은 카테고리에서 조회수가 높은 책을 추천하면 되겠지?"라고 생각했다. 하지만 곧 카테고리 기준이 너무 넓고 추상적이라는 문제를 느꼈다. 그래서 더 정교한 추천을 위해 저자와 키워드 기반의 콘텐츠 유사성 추천 방식으로 고도화했고,
여기에 Redis를 도입해 추천 결과를 캐싱함으로써 성능 최적화와 응답 속도 향상이라는 결과도 얻을 수 있었다.

이 기능을 구현하면서는 단순한 기술 구현을 넘어서 “정말 이 방식이 최선일까?”, “더 좋은 방법은 없을까?”,“내가 이 사이트의 사용자라면 불편하지 않을까?”와 같은 사용자 중심의 질문을 끊임없이 던지며 개선해 나갔다.

결과적으로, 유저의 행동 데이터를 기반으로 보다 개인화된 추천을 제공했고, Redis를 통해 정확성과 속도까지 고려한 기능을 완성했다.!

 

 

이번 프로젝트에서 꼭 도전해보고 싶었던 기능 중 하나가 바로 실시간 알림이었다.
WebSocket과 고민하다가 상대적으로 가볍고 구현이 간단한 **SSE(Server-Sent Events)**를 선택했다.

처음에는 단순히 실시간으로 알림을 띄우는 기능이라고만 생각했지만, 막상 구현해 보니 클라이언트 연결 유지, 타임아웃, 재연결 처리 등
예외 상황을 직접 다뤄야 했고, 그 과정에서 실시간 기능의 복잡한 흐름과 세심한 설계 필요성을 깊이 느꼈다.

특히 중요한 건, 단순히 "기능이 된다"에서 그치는 것이 아니라 사용자의 입장에서 필요한 알림을 놓치지 않고 즉시 전달받는 경험을 만들어내는 것이었다. 예약한 도서가 대여 가능해졌을 때, 반납일이 임박했을 때, 연체가 발생했을 때 등중요한 상황에서 즉시 알림이 전달되도록 설계했다. 그리고 EmitterRepository를 직접 구현해 사용자 ID 기준으로 emitter를 관리하도록 함으로써, 유저별 알림을 정확하게 전달할 수 있었고, 기능 확장이나 응용 측면에서도 유연하고 유지보수하기 좋은 구조로 설계할 수 있었다.

 실시간 알림과 개인별 맞춤화 추천 기능 구현은 단순히 기능 구현을 넘어서 사용자 경험을 설계하고 고민하는 능력까지 성장할 수 있었던 아주 뿌듯한 시간이었고, 개인별 맞춤화 추천은 기술적으로도 콘텐츠 기반 추천 로직 + 캐싱 최적화 경험했다.
또한 실시간 알림 기능은 사용자의 흐름을 끊지 않고 정보를 적시에 제공하는 것의 중요성을 알게 되었다.
이 두 가지 기능 구현을 통해 실제 서비스처럼 생각하고 개발하는 태도를 키울 수 있었던 좋은 시간이었다.!

 

📍문제점 (Keep)

기술적으로 많은 배움이 있었지만 아쉬운 부분도 몇 가지 있다..!

이번 프로젝트에서 구현한 기능 중 조회수가 높은 도서를 인기 도서로 보여주는 기능이나, 사용자의 대출 기록을 기반으로 추천하는 개인별 맞춤 추천 기능은 서비스에서 자주 호출되고 다수의 데이터를 기준으로 필터링하거나 정렬해야 하는 기능이었다.

처음 이 기능들을 구현할 때는 기능이 정상적으로 작동하는 데에만 집중했기 때문에, 데이터 양이 많아졌을 때 어떻게 될지에 대한 고민은 부족했던 것 같다.

추천 기능에서도 여러 테이블을 조인하거나 LIKE, IN 절 등을 활용한 복잡한 조건이 많았는데, 쿼리 실행 계획이나 인덱스 유무에 대해  고려하지 않고 구현했던 점이 나중에 돌아보니 아쉬웠다. 인덱스를 타지 않기 때문에 효율이 떨어진다는 점을  검색하면서 알게 되었다.

이런 경험을 하면서 느낀 점은, 단순히 기능이 잘 돌아가는 것만으로는 충분하지 않다는 것이었다.

이번 경험은 단순히 작동하는 코드가 아니라 지속적으로 좋은 성능을 유지하는 코드가 되려면 무엇이 필요한지를 고민하고 기능 구현 초기부터  성능 중심의 시선도 함께 가져가야겠다고 생각했다!

 

✏️ 시도할 부분 (Try)

• 개인별 맞춤 추천 Elastic Search 적용
• 자주 조회되는 칼럼에적절한 인덱스를 생성
• 복잡한 조건의 추천 쿼리는 QueryDSL + CustomRepository로 분리하고 가독성 개선
• MSA를 고려하여 실시간 알림에 Redis의 Pub/Sub 기능을 적용

 

🗓️ 앞으로의 계획

• 테스트 코드
• 로그 적용
• MSA 서비스 분할 (Kafka 사용)
• AWS 배포

 

 🔥마지막으로

이 회고를 작성하며 느낀 점은 이번 구현은 단순히 기능 구현에서 끝나는 것이 아니라, 실제로 누군가가 사용할 수 있는 서비스란 어떤 모습이어야 할까?라는 질문을 계속 떠올리게 해 준 시간이었다.

처음에는 하고 싶은 기능, 도전해보고 싶은 기술들을 중심으로 시작했지만, 프로젝트가 점점 커지고 고도화되면서 단순히 작동하는 코드가 아니라 사용자 친화적인 서비스를 계속 고려하며 작업한다는 걸 스스로 깊게 느끼게 된 계기가 되었고 기술적 성장은 물론 서비스에 대한 시야도 넓힐 수 있었던 것 같다! 그리고 이제는 기능을 잘 만드는 것만큼 지속적으로 좋은 성능을 유지할 수 있는 설계의 중요성도 느꼈다.

이 과정 속에서 기술을 대하는 태도가 많이 달렸음을 느낀 시간이었다.
앞으로 남은 시간 동안은 지금까지의 경험을 바탕으로 테스트 코드, 로깅, MSA 분리, 성능 최적화, 배포까지 마무리하며
정말 실서비스처럼 완성도 높은 프로젝트로 끌어올리고 싶다. 이번 프로젝트는 나에게 단순히 기술 하나를 배우는 시간이 아니라,
어떤 관점으로 개발을 바라보고 어떤 태도로 성장해 나가야 할지를 고민하게 만든 시간이었다.
다음 회고를 쓸 때는 조금 더 성장해 있기를..!🔥