무신사에서 작성한 기술 블로그 게시글들을 확인해보세요
MASS 정산 시스템의 실전 구축 과정을 기술하며, 멱등성 기반 이벤트 처리, 재처리에 초점을 맞춘 모듈 구성 및 실행 구조, Kafka와 Spring Batch를 중심으로 한 기술 선택 이유와 운영/모니터링 체계를 상세히 설명합니다.
29CM QE팀이 최초로 개최한 '29QA Con'의 후기를 담고 있습니다. 팀 자체적으로 13개의 세션을 준비하여 QA 업무 자동화, AI 활용, 테스트 전략 등 다양한 주제에 대한 심도 있는 논의와 레슨런을 공유했습니다.
MASS는 수기 정산의 비효율과 오류를 해결하기 위해 설계된 자동화 시스템입니다. 멱등성과 결정적 계산 원칙을 기반으로 정합성, 재현성, 감사 가능성을 확보했으며, 이벤트 기반 처리와 고정된 계산 로직으로 신뢰성을 높였습니다.
이구위크 행사 중 발생한 Redis 네트워크 대역폭 병목 현상으로 인한 장애를 상세히 분석하고 해결 과정을 공유합니다. 장애 원인은 AWS 버스트 크레딧 소진으로 인한 네트워크 Throttling이었으며, Redis 노드 스케일업과 함께 캐시 계층화 및 모니터링 강화를 통해 재발 방지 대책을 마련했습니다.
29CM QE 팀은 Grafana Dashboard를 활용하여 QA 자동화 결과를 데이터화하고, 시나리오별 Fail률 및 수행 시간을 분석하여 개선함으로써 목표 Fail률 0.7% 미만을 달성했습니다.
무신사가 외부 POS 솔루션 의존성을 탈피하고 자체 개발한 MPOS(Musinsa POS) 시스템 구축 과정을 상세히 공유합니다. Electron을 선택한 이유, 개발 과정에서의 기술적 난제 해결 경험, 내재화 이후 달라진 점 등을 다룹니다.
무신사는 폭증하는 AI 트래픽과 비용 문제를 해결하기 위해 온프레미스 GPU와 AWS EKS를 결합한 Hybrid 인프라를 구축했습니다. EKS Hybrid Node, Self-managed Karpenter, eBPF Cilium, Gateway API 등을 활용하여 네트워크를 최적화하고, 요청 가치에 따른 우선순위 라우팅을 도입하는 등 지속 가능한 AI 인프라를 구현했습니다.
팀 무신사는 여러 플랫폼의 회원 시스템을 'OCMP 통합 회원 시스템'으로 성공적으로 전환했습니다. 이 글은 단일 ID로 고객 경험을 연결하기 위한 비전, 무중단 전환 및 데이터 통합의 어려움, 주요 기술적 도전 과제 해결 과정, 그리고 안정적인 런치를 위한 전략을 상세히 다룹니다.
29CM QE팀은 Cursor AI를 활용하여 자체 Testcase Management System (29TMS)를 개발했습니다. React 경험이 없는 상태에서 시작하여 약 3개월 만에 로그인, CSV Import, 테스트 실행 등 핵심 기능을 갖춘 시스템을 구축했으며, 이를 통해 비용 절감, 성능 향상, 즉각적인 기능 구현 등 다양한 이점을 얻었습니다.
29CM QE팀은 상용 TMS의 한계를 극복하고자 Cursor AI와의 협업을 통해 맞춤형 Testcase Management System (29TMS)을 성공적으로 개발하여 실무에 적용했습니다. 이를 통해 효율적인 테스트 관리와 비용 절감 효과를 얻었으며, 개발 역량 확장에도 기여했습니다.
2024 Frontend Global Workshop 참석 후기
Iceberg Low-Latency Queries with Materialized Views (feat. 실시간 거래 리포트)
사내 AI 리터러시를 향상하기 위한 AI Campus Day를 개최했습니다
NAVER SECURITY SEMINAR 참가 신청을 시작합니다!
150개국 K-뷰티 플랫폼 뒤의 팀, 올리브영 글로벌엔지니어링센터의 첫 번째 워크숍 이야기
Technology & Engineering