[계획] 포폴 내용 강화

1. stock101

- 대용량 데이터 처리. 몇년치 주가 데이터를 어떻게 효율적으로 인덱싱하고 빠르게 조회할 것인가. 

 * 수년 치 주가 데이터는 일반적인 조회와 달리 날짜 기반의 범위 검색이 잦습니다.

이를 위해 날짜(Date)와 종목코드(Ticker)를 결합한 복합 인덱스를 설정하여 스캔 범위를 최소화합니다.

 

- AI활용 : 뉴스 데이터를 크롤링하여 AI가 감정 분석을 수행하고 주가와의 상관 관계를 분석하는 기능 

단순 주가 표시를 넘어, 뉴스 데이터를 크롤링하고 LLM(GPT 등)을 활용해 해당 뉴스가 시장에 미치는 영향을 점수화합니다.이 점수와 실제 주가 변동 추이를 매핑하여, 특정 뉴스 패턴이 주가 상승/하락과 얼마나 일치하는지 통계적 지표를 제공합니다.

 

- 포트원 결제 시스템

무 수준의 서비스를 위해 포트원 결제 API를 연동합니다. 결제 요청부터 웹훅(Webhook)을 통한 사후 검증까지의 파이프라인을 구축하여 결제 데이터의 신뢰성을 확보합니다.

 

- 공시보고서 분석

RAG기반으로 회사의 공시 보고서 ex)반기 분기 pdf를 올리면 해당 보고서를 분석해서 긍정, 불행 신호를 보여주는

 

 

 

2. order101

- 동시성 제어 : 재고가 1개일 때 100명이 동시에 주문하면 어떻게 처리할 것인가.

1개의 재고를 두고 100명이 경쟁하는 상황에서 **Redis 분산 락(Distributed Lock)**을 활용합니다. DB 락보다 가벼우면서도 여러 서버 인스턴스 환경에서 정확한 재고 차감을 보장합니다.

 

- 분산 트랜잭션 

주문, 재고 감소, 결제 승인이 서로 다른 단계에서 일어날 때, 중간에 오류가 발생하면 이전 단계를 취소하는 보상 트랜잭션 로직을 설계하여 데이터 일관성을 유지합니다.

 

- 정산시스템 배치 처리 및 정산 자동화는 이상 없는지

대량의 거래 내역을 정산할 때 서버 부하를 줄이기 위해 Spring Batch를 사용합니다. 데이터를 일정 단위(Chunk)로 나누어 처리함으로써 메모리 효율을 극대화하고 실패 시 재시작 지점을 관리합니다.

 

- AI 수요 예측 및 자동 발주

과거 발주 패턴과 재고 소진 속도를 AI가 학습하여, 품절이 예상되는 시점에 공급사에 자동으로 발주를 넣거나 담당자에게 추천합니다.

 

- AI '자동 비정형 발주서 파싱

공급사가 본사로부터 받은 비정형 이미지나 텍스트 발주서를 업로드하면, AI가 품목명, 수량, 단가를 자동으로 추출해 시스템에 '초안'으로 등록해 줍니다

* 공급사가 받은 수기 메모나 이미지 형태의 발주서를 업로드하면, AI가 품목명, 수량, 단가를 텍스트로 추출합니다.

 

 

MQ/카프카

프로메테우스/그라파나/Qgrant docker 컨테이너 올림

 

 

cicd전략수정

 

기존 v.*해당하는 tag push시 도커파일 빌드 이미지 생성 업로드 서버 ssh에 접속 설정해놓은 docker-compose.yml을 실행. 

 

수정 v.*에 해당하는 tag push시 도커파일 빌드 -> 도커에 접속 -> 이미지 push -> watchtower를 서버에 미리 설치. docker에서 실행 유지. -> 이러면 이미지 업데이트시 자동으로 이미지pull

 

---

내가 할일. 

 

조건. 

1. 서버PC는 홈서버 미니 pc

2. 개발은 집에서도 집 밖에서도 가능

3. cicd 간략하게 k8s로 묶고 어쩌고 할 필요없음 .(깃허브 액션 + docker ??)

 

내가 할일

1. stock101 로컬 복구 

2. order101 로컬 복구

3. 해당 ci/cd 구현

4. 도메인 구매후 배포 

5. 이력서 중간 점검

6. stock101 대용량 데이터 처리 수정.. 몇년치 주가 데이터 어떻게 효율적으로 인덱싱하고 빠르게 조회할지

7. AI 뉴스 크롤링 및 감정 분석 기능 추가.

8. order101 동시성 제어 test

 

 

안티 그래비티 사용방법 ai올리기

pdf기능 관련해서 올리기.

복습 기록 올리기.

cicd 관련해서 올리기.