딜리버리 프로덕트 개발팀이 10주간 주니어 디버깅 스터디를 운영하며 원인 분석 중심의 개발 문화를 정착시켰다.
컬리가 Kafka Connect JDBC 소스 커넥터의 데이터 누락 한계와 timestamp.delay 옵션 활용법을 공유했다.
컬리 OMS 팀이 월 최대 3천만 원의 외부 비용 절감과 서비스 안정성 확보를 위해 주소 정제 내재화 프로젝트를 시작했다.
컬리가 행안부 API를 활용한 주소정제 1.0을 운영했으나, API 응답 지연과 커버리지 한계로 인해 시스템을 프리징하고 재설계를 결정했다.
OMS 팀이 행안부 네비게이션용 DB를 활용해 약 1,078만 건의 전국 건물 DB를 구축하고 배송 캐시 구조를 개선했다.
컬리가 복합건물 주소정제 로직을 내재화해 외부 API 호출을 줄이고 정확도 99.2%를 달성했다.
OMS가 외부 주소정제 API 호출량을 1% 미만으로 줄이고 자체 정제 시스템으로 완전히 전환했다.
컬리 팀이 MySQL 커넥터 변경 후 발생한 Connection 누수로 인한 OOM 문제를 Heap Dump 분석으로 해결했다.
컬리 딜리버리 프로덕트 팀이 무분별한 에러 로그를 정리하고 명확한 기준을 세워 알람 피로감을 줄이고 서비스 안정성을 높였다.
Spring Batch 5.2.0에서 MySqlPagingQueryProvider의 sortKey 처리 방식이 원인인 페이징 누락 및 SQL 오류를 분석하고 해결책을 제시했다.
Java 17의 강력한 캡슐화 정책으로 Gson 리플렉션 접근이 차단되어 Custom TypeAdapter로 문제를 해결했다.
컬리 주문플랫폼개발 팀이 Spring Kafka의 ConsumerSeekAware와 Redis Pub/Sub을 결합해 컨슈머 그룹 중단 없이 오프셋을 이동하는 방식을 적용했다.
컬리가 SaaS 기반 배송 시스템을 자체 개발 시스템으로 전면 교체하며 장애 0건으로 전환을 완료했다.
엑셀 업로드 시 발생한 Zip Bomb 에러를 Apache POI의 압축률 검사 기준 완화로 해결했다.
Spring Boot 3.x 업그레이드 시 Hibernate의 나노초 처리 버그로 발생한 로그인 오류를 분석하고 해결했다.
컬리가 AnyLogic 기반 디지털 트윈으로 피킹 공정을 모사해 동선과 재고 배치 최적화 효과를 검증했다.
컬리가 LLM과 Chain of Thought 기법을 활용해 기존 ML 모델 없이 비정형 리뷰 데이터를 정확하고 투명하게 선별하는 방식을 공개했다.
컬리가 Google Vertex AI Search를 도입해 오타와 유의어 문제를 해결하고, 결과 없는 검색(NR) 케이스에서 구매 전환율을 300% 이상 개선했다.
컬리가 BigQuery에서 Gemini Pro를 호출해 별도 모델 구축 없이 리뷰 요약 및 분석을 자동화했다.
컬리가 Airflow 운영 환경을 Kubernetes로 전환해 비용을 50% 절감하고 GitSync 및 OOM 문제를 해결했다.
MariaDB Connector/J의 Aurora 모드와 open-in-view 설정이 겹쳐 Master DB의 Snapshot이 갱신되지 않아 데이터가 조회되지 않는 현상을 해결했다.
컬리 데이터서비스개발팀이 TorchServe 튜닝과 GracefulShutdown 적용으로 장바구니 추천 모델의 무중단 실시간 서빙 시스템을 구축했다.
AI Briefing