올리브영 글로벌몰은 주소 오입력으로 인한 배송 보류 문제를 해결하기 위해 주소 자동완성 및 검증 기능을 도입했다.
Monstache를 사용하여 AWS DocumentDB의 상품 데이터를 OpenSearch로 실시간 동기화하는 과정을 공유한다.
올리브영이 DDD 전술적 설계를 바탕으로 레거시 매장 도메인을 현대화하기 위해 도입한 아키텍처와 구현 전략을 소개한다.
올리브영이 10년 된 레거시 시스템인 올리브원을 현대화하기 위해 매장 도메인을 분리하고 DDD 전략을 수립하는 과정을 다룬다.
올리브영은 서비스 안정성을 높이기 위해 핵심 사용자 경로인 CSP를 중심으로 자동화 테스트를 구축하고 운영하고 있다.
올리브영이 AWS Batch와 Apache Kafka를 도입하여 1,400만 명 규모의 회원 승급 프로세스를 자동화하고 데이터 동기화 속도를 90% 개선했다.
MongoDB에서 트랜잭션을 구현하기 위한 Replica Set 환경 구축과 동작 원리, 설정 방법을 다룬다.
Figma, Panda CSS, GitHub Actions를 연동하여 디자인 토큰의 변경 사항을 코드에 자동으로 반영하는 프로세스를 구축했다.
올리브영이 RabbitMQ의 Exchange 방식을 변경하고 작업 주체를 분리하여 쿠폰 대량 발급 시간을 15시간에서 5시간대로 단축했다.
올리브영은 대규모 트래픽이 발생하는 증정 행사 시 발생하는 DB 부하를 줄이기 위해 Redis와 로컬 캐시를 결합한 다중 레이어 캐싱 아키텍처를 도입했다.
올리브영 POS팀이 수기 작업 위주의 배포 프로세스를 TeamCity를 활용해 자동화한 과정을 소개한다.
올리브영은 데이터 수집 구조를 원천 데이터 중심의 방식으로 개편하여 정산 데이터의 정합성을 확보하고 운영 리소스를 획기적으로 줄였다.
올리브영은 UI 개발 효율성과 통일성을 높이기 위해 Emotion과 Storybook을 활용한 디자인 시스템을 구축했다.
올리브영은 DB 부하와 데이터 지연 문제를 해결하기 위해 선물하기관을 전시 전략과 통합하고 커스텀 어노테이션을 도입했다.
올리브영 인벤토리 스쿼드가 Redis Stream을 활용해 대규모 SKU의 재고 변동 이력을 효율적으로 관리하는 방법을 소개한다.
Debezium MSK Connect 운영 중 장애 발생 시 Offset 활용 및 신규 Connector 생성을 통한 데이터 정합성 유지 방법을 공유한다.
올리브영의 Spring Batch 작업 중 장애가 발생하여, 멀티스레드 환경에서의 트랜잭션 분리와 ThreadPoolExecutor 설정 오류를 분석했다.
올리브영이 기존 JSP 기반 기획전 시스템을 Next.js로 전환하며 직면한 렌더링 이슈와 해결 방법을 공유한다.
커스텀 어노테이션과 리플렉션을 활용해 Spring Boot의 초기 요청 지연 문제를 해결하고 웜업 로직을 자동화했다.
올리브영이 기존 EAI 방식의 지연과 의존성 문제를 해결하기 위해 MQ를 도입하여 물류 데이터 전송 속도를 대폭 개선했다.
올리브영 OMS 프로젝트에서 Kafka를 활용해 메시지 중복과 유실을 방지하고 고가용성을 확보한 사례를 공유한다.
올리브영이 AWS Bedrock의 Claude 3.5 Sonnet을 활용해 상품 이미지의 품질을 자동으로 검수하는 시스템을 구축했다.
AI Briefing