FoodieFinder는 공공데이터를 활용하여, 지역 음식점 목록을 자동으로 업데이트 하고 이를 활용합니다. 사용자 위치 에맞게 맛집 및 메뉴를 추천하여 더 나은 다양한 음식 경험을 제공하고, 음식을 좋아하는
사람들 간의 소통과
공유를 촉진하려 합니다.
| 김서윤 | 방성원 | 장혜리 | 정지원 |
|---|---|---|---|
| @seoyoon047 | @O0oO0Oo | @hyerijang | @cjw9506 |
- 1.개발 기간
- 2.프로젝트 요구사항
- 3.담당 역할
- 4.프로젝트 아키텍처
- 5.ERD
- 6.동작예시
- 7.API 문서
- 8.프로젝트 스케줄링
- 9.구현 과정 (설계 및 의도)
- 10.성능 개선 - 디스코드 점심 추천 서비스 (장혜리)
- 11.기타 노력한 점
2023.10.31 ~ 2023.11.08 (9 days)
- 유저는 본 사이트에 들어와 회원가입 및 내 위치를 지정한다.
- A. 내 위치 기반 맛집추천 = (
내 주변보기)도보기준1km이내의 맛집을 추천한다.교통수단기준5km이내의 맛집을 추천한다.
- B. 지역명 기준 맛집추천(
특정 지역 보기)- 지정한
지명(시군구)중심위치 기준10km이내의 맛집을 추천한다.
- 지정한
- C. 점심 추천 서비스
- 점심 추천 서비스 이용을 승락한 대상에게 매일 정오, 대상의 위치를 기준으로 원하는 유형(일식, 중식 등)의 가게를 3개씩 추천 해준다.
- A, B는 다양한 검색기준 (정렬, 필터링 등)으로 조회 가능하며 (
거리순,평점순,양식,중식) - 해당 맛집의 상세정보를 확인할 수 있다.
| 김서윤 | 시군구, 맛집 목록, 맛집 상세정보, 평가 API 구현 |
| 방성원 | 데이터 수집, 데이터 전처리, 자동화 구현 및 Redis 캐싱 |
| 장혜리 | 데이터 전처리, 데이터 저장, 디스코드 점심 추천 서비스 구현 |
| 정지원 | 사용자 관련 서비스 및 인증, 인가 구현 |
자세히
최신 문서는 FoodieFinder API Document를 참조해 주세요.
(장혜리)
데이터 전처리 및 저장
- JSON 데이터를 가공하여 제가 구현한 Restaurant, Raw Restaurant 엔티티에 넣어 저장
- raw 데이터 테이블 - 특별한 변환이나 전처리 없이 String 그대로 저장
- 실제 서비스에 이용되는 테이블 - raw 데이터 테이블에서 실제 사용되는 필드만 추리고, 데이터에 맞게 타입을 변경하여 저장
디스코드 점심 추천 서비스
- 디스코드 메시지 양식에 데이터를 가공 후, 매일 정오 유저가 등록해 둔 웹 훅 URL로 메시지를 발송
- 데이터 가공
- DB에서 맛집 정보를 조회할 때 Spring Data JPA의 findAll을 쓸 경우 경기도 전체의 식당 데이터를 가져오게 되어 심각한 성능 저하가 예상되었습니다.
- 따라서 유저를 중심으로 한 정사각형 영역의 꼭짓점을 구하여 유저 인근 N 미터 이내의 식당 정보만 가져오도록 구현하였습니다.
- 유저 점심 추천 알림을 설정할 수 있게 하는 API 구현
- 알림 설정 API를 통해 유저는 어느정도 거리 내의 맛집을 추천받을지, 또 한식, 중식 등 어떤 유형의 음식점을 추천받을지 선택 가능 -디스코드 메시지 발송
- Quarz 스케줄러와 Webflux로 매일 정오 Nonblocking 하게 발송하도록 구현
- Quarz 스케줄러의 경우 기존에 팀원분께서 데이터 수집에 이용하시던 부분을 그대로 차용해서 시간만 변경
- Blocking 방식의 경우 메시지 발송 이후 디스코드 측의 응답이 돌아올 때까지 대기해야 했기 때문에, 유휴 시간을 줄이고자 비동기 방식으로 메시지 발송을 구현
성능 비교 결과 : 1회 전송되는 메시지 수가 많아 질 수록 Blocking vs Nonblocking에서 Nonblocking이 더욱 유리해짐. (CPU 유휴시간 감소)
보내야하는 메시지가 1건 일때, (각각 100회 수행)
- Nonblocking으로 전환 한 결과 평균 응답 시간 403ms -> 18ms 로 감소 (약 22배 가량의 성능 개선)
보내야하는 메시지가 10건 일때, (각각 3회 수행)
- Nonblocking으로 전환 한 결과 평균 응답 시간 3705ms -> 39ms 로 감소 (약 95배 가량의 성능 개선)
(장혜리)
-
원활한 협업을 위해 엔티티 구현 등 다른 팀원의 업무에 필요한 부분(엔티티 등)은 우선적으로 구현하였습니다.
-
빠르고 상세한 코드 리뷰를 위해 노력하였습니다
-
단위 테스트 작성을 위해 노력하였습니다.
단위 테스트 예시 (자세히)
