글

AI 기반 SLO 자동화로 배포 안정성 향상 역량 강화

O4O 팀은 AI를 활용하여 SLO(Service Level Objective) 자동화를 통해 배포 안정성을 획기적으로 향상시켰습니다. 이를 위해 각 서비스에 맞는 SLO를 설계하고, 실시간 모니터링을 통해 오류 예산을 자동으로 보호할 수 있는 시스템을 구축했습니다. 본 가이드를 통해 여러분은 O4O 팀이 7일 만에 완성한 실전 사례를 살펴보고, 이러한 혁신적인 접근이 어떻게 이루어졌는지 이해할 수 있을 것입니다. AI 기반 SLO 시스템 구현으로 배포 안정성 확보 O4O 팀은 다양한 서비스의 안정성 관리를 위해 AI를 기반으로 한 SLO 자동화 시스템을 구축했습니다. 전통적인 모니터링 방식은 HTTP 상태 코드에 의존하고 있었지만, 이는 정확하지 않은 알림과 비즈니스의 실제 성과를 반영하지 못하는 문제점을 가지고 있었습니다. 이를 개선하기 위해, O4O 팀은 APM(Application Performance Monitoring) 도구를 활용하여 서비스의 실제 성공 여부를 측정하는 새로운 기준을 마련했습니다. 이 시스템은 sales-api, moss-api, mpos-api 등 서로 다른 특성을 가진 서비스에 각각 적용되어, 안정성을 한층 강화했습니다. AI는 과거의 데이터 분석을 통해 각 서비스의 정상 운영 기준을 세우고, 지속적으로 성과를 모니터링하여 실시간으로 알림을 갱신합니다. 결과적으로, O4O 팀은 배포 중 발생할 수 있는 오탐 알림을 zero로 줄이는 성과를 얻었고, 실제 비즈니스 실패를 즉시 탐지할 수 있는 체계를 마련했습니다. 이러한 AI 기반 SLO 시스템의 구현은 팀의 배포 안정성 및 운영 효율성을 크게 증가시켰습니다. 자동화된 SLO 운영으로 팀의 효율성 증가 SLO 자동화 시스템은 O4O 팀의 운영 효율성을 극대화하는 데 큰 역할을 했습니다. 배포 시 오류 예산을 자동으로 보호하는 기능은 개발자들이 장애 발생 여부를 즉시 판단할 수 있는 환경을 마련해줍니다. 이를 통해, 팀원들은 작은 알림들에 대해 신속히 대응하는 대신...
자세한 내용 보기

무신사 오프라인 체험기와 운영 개선 경험

무신사 O4O팀은 오프라인 리테일 제품을 책임지고 있으며, 팀원들은 직접 매장에서 파트타임 체험을 통해 오프라인 사업의 현황과 개선점을 관찰했습니다. 이를 통해 무신사 매장의 운영 단계와 문제점, 제품 디자인 관점을 이해하게 되었고, 팀원들은 아프다. 이러한 경험은 앞으로의 오프라인 비즈니스를 발전시키기 위한 중요한 토대가 될 것입니다. 무신사 오프라인 사업의 확장기 무신사는 현재 오프라인 사업의 확장기에 진입했습니다. 이 단계에서 가장 중요한 것은 매장을 안정적으로 운영할 수 있는 시스템입니다. O4O팀은 팀원들이 파트타임으로 매장에서 실제 경험을 쌓도록 하여, 운영 효율성을 높일 수 있었습니다. 그 중에서도 매장의 다양한 업무에 대해 빠짐없이 학습하고, 그 과정을 통해 새로운 인사이트를 얻는 기회를 가졌습니다. 매장에서는 각 팀원에게 이름표와 워키(무전기)를 제공하여 온보딩 과정을 거쳤습니다. 이 과정에서 팀원들은 오픈 전 재고 소팅 업무부터 오픈 후 POS 결제, 피팅룸 관리, 재고 반출 등의 업무를 직접 체험했습니다. 현장을 경험하면서 매장 운영이 단순히 돌아가는 게 아니라, 수많은 매니저와 크루들의 노력이 필요한 복잡한 시스템임을 알게 되었습니다. 현장 파트타임 경험은 팀원들에게 매장의 운영 구조를 이해하는 데 큰 도움이 되었습니다. 이전에는 온라인에서만 교육받고 경험했지만, 실제로 매장에서 고객을 맞이하면서 그 필요한 업무의 중요성을 깊이 이해하게 되었습니다. 이러한 경험은 앞으로의 오프라인 사업에서 진행해야 할 여러 과제들을 해결하는 데 큰 자산이 될 것입니다. 운영 프로세스에서 발견한 문제점 무신사 매장에서의 파트타임 경험을 통해 몇 가지 주요 문제점을 발견했습니다. 첫 번째는 수기 및 수동 작업으로 인한 운영 비효율입니다. 새로운 바코드 체계의 도입으로 인해 매장 내 혼용되는 바코드가 존재하게 되면서 일부 상품에 대한 관리가 어려워지는 문제가 발생했습니다. 추가로, 매일 아침 수십 개의 박스를 수작업으로 분류하는 문제도...
자세한 내용 보기

무신사 AI 코드 리뷰 도입과 운영 과정 공유

안녕하세요. 무신사에서는 AI 코드 리뷰를 도입하고 운영 가능한 인프라와 표준화된 프로세스를 구축하기 위한 과정을 공유하고자 합니다. 이 글에서는 LLM 기반 코드 리뷰의 필요성과 그 효과, 그리고 무신사가 실제로 수행한 구축 과정에 대해 설명합니다. AI 기술을 활용한 코드 리뷰의 도입과 정착은 기술 조직 내에서 혁신을 촉진하고 생산성을 높이는 필수적인 요소가 되고 있습니다. AI 코드 리뷰 도입의 필요성 무신사는 최근 AI 코드 리뷰의 필요성을 절감하면서 이 기술을 도입하기로 결정했습니다. 과거에는 AI를 활용한 코드 리뷰가 고비용, 복잡한 인프라 문제가 있어 실무에 적용하기 어려웠으나, 이제는 기술적 진입 장벽이 크게 낮아졌습니다. Anthropic의 클로드(Claude)가 GitHub Actions을 공식 지원하면서, 복잡한 시스템 구축 없이도 AI 코드 리뷰를 간편하게 도입할 수 있는 환경이 마련되었습니다. AI 코드 리뷰의 주요 가치는 팀의 워크플로우를 개선하는 데 있습니다. AI는 단순히 코드를 생성하는 것에 그치지 않고, 협업 과정 전체를 매끄럽게 만드는 데 기여합니다. 코드 리뷰는 일반적으로 높은 품질을 유지해야 하는데, AI는 반복적으로 발생하는 실수와 패턴을 효과적으로 잡아내어 리뷰어의 부담을 줄입니다. 이를 통해 개인 개발자의 작업 속도가 빨라질 뿐 아니라, 팀 단위의 개발 사이클이 보다 유연하게 연결되는 구조적 효율성이 생길 것입니다. AI 코드 리뷰는 "고차원 의사결정"을 요구하지 않고도, 반복적으로 발생하는 오류를 효율적으로 걸러내는 역할을 합니다. 이러한 효과를 바탕으로 무신사는 AI를 도입했으며, 팀 전체의 코드 품질 기준을 일정 수준 이상으로 유지할 수 있도록 하였습니다. 이제 인프라가 마련된 만큼, AI 코드 리뷰를 통해 팀의 효율성을 높여나갈 시점에 있습니다. AI 코드 리뷰의 효과와 가치 AI 코드 리뷰의 효과는 여러 측면에서 나타납니다. 우선 AI는 반복적이고 규칙적인 코드 리뷰를...
자세한 내용 보기

AI 아키텍처 규칙 자동 검증을 위한 ArchUnit 도입

무신사 물류 플랫폼팀은 AI가 생성한 코드에서 자주 발생하는 아키텍처 규칙 위반 문제를 해결하기 위해 ArchUnit을 도입하게 되었습니다. 아키텍처 규칙을 자동으로 검증함으로써 AI와의 협업을 향상시키고 코드 리뷰에서의 부담을 줄였습니다. 이러한 변화는 단순한 요청을 넘어서서 AI의 아키텍처 위반을 사전에 차단하는 체계로 발전하게 되었습니다. AI와 ArchUnit의 시너지를 창출하다 무신사 물류 플랫폼팀은 AI인 Claude가 생성하는 코드에서 아키텍처 규칙을 준수하지 않는 문제가 빈번히 발생하는 것을 목격했습니다. 이를 해결하기 위해 ArchUnit을 도입하기로 결정했으며, 이 도구는 깔끔하게 아키텍처 규칙을 검증할 수 있는 능력을 가지고 있습니다. ArchUnit은 JUnit 테스트처럼 작동하여 코드가 규칙을 위반하면 테스트가 실패하도록 설정할 수 있습니다. 이렇게 하면 AI가 생성한 코드에서 아키텍처 위반이 발생할 경우 즉시 알려주며, AI는 실패 메시지를 통해 어떤 부분에서 문제가 발생했는지 이해하고 스스로 수정할 수 있게 됩니다. ArchUnit의 특징은 아키텍처 규칙의 자동 검증을 통해 팀의 개발 생산성을 크게 향상시킬 수 있다는 점입니다. 과거에는 코드 리뷰에서 아키텍처 규칙 준수 여부를 검토할 때 많은 시간이 소요되었지만, 이제는 ArchUnit이 이를 자동으로 수행하므로 리뷰어는 비즈니스 로직의 정확성과 엣지 케이스 처리에 집중할 수 있게 되었습니다. 이는 팀의 전반적인 업무 효율성을 높여주었습니다. 특히, ArchUnit은 자연어로 제시된 아키텍처 규칙을 이해하고, 이를 기반으로 테스트 코드를 생성할 수 있는 능력을 지니고 있어 AI와의 연동이 용이합니다. 사람이 간단한 비즈니스 규칙을 자연어로 설명하면, AI가 이를 ArchUnit 테스트 코드로 변환하여 적용 가능한 구조를 마련하게 됩니다. 자동화된 검증 체계는 코드 품질을 유지하고 효과적인 협업을 이룰 수 있는 기반이 됩니다. 아키텍처 규칙 자동 검증의 필요성 AI...
자세한 내용 보기

스케줄 안정성을 위한 Temporal 도입 이유

우리는 출고지시 스케줄의 불안정성 고민 끝에 Temporal을 선택하게 되었습니다. 초기의 Jenkins crontab으로는 급증하는 물량과 요구 사항을 충족할 수 없었고, 이로 인해 발생하는 다양한 문제들에 직면하게 되었습니다. 이러한 이유로 우리는 Temporal을 도입하여 안정적이고 자동화된 시스템을 구축하려고 하였습니다. 실패 대응 시스템 구축의 필요성 무신사의 OMS(주문관리시스템)에서 출고지시의 중요성은 말할 필요도 없습니다. 이는 물류센터의 하루를 시작하는 신호이기도 하며, 스케줄의 실행이 실패할 경우 배송 지연으로 이어질 수 있습니다. 초기에는 Jenkins의 cron 스케줄로 충분했지만, 점차 물류량이 증가함에 따라 점점 더 많은 문제가 발생했습니다. Jenkins 기반 스케줄은 문제가 발생해도 자동으로 알려주지 않아 별도의 모니터링 job을 만들어야 했습니다. 하지만 이 모니터링조차 Jenkins의 한계로 인해 더 이상의 신뢰를 받을 수 없게 되었습니다. 우리는 어떻게든 이러한 실패를 보다 효과적으로 관리해야 할 필요성이 커졌고, 이를 통해 우리의 시스템이 실패에 민감하지 않도록 구축해야겠다는 결론에 도달했습니다. وقت이 지연되는 배달로 인해 고객의 신뢰를 잃는 것은 결코 바람직하지 않다는 것을 명심하며, 안정성을 위한 새로운 시스템이 절실히 요구되었습니다. Temporal은 장기 실행되는 비즈니스 프로세스를 관리하는 데 적합한 솔루션입니다. 자동 재시도 및 상태 관리와 같은 기능이 있어, 우리가 기대했던 실패 대응 시스템을 구축하는 데 큰 도움이 될 것으로 판단하였습니다. 이 시스템은 단순히 스케줄을 실행하는 데 그치지 않고, 전체적인 비즈니스 프로세스를 아우르는 기능을 제공합니다. 따라서 출고지시 스케줄의 안정성을 보장하는 데 최적의 선택이었습니다. 결론적으로, 실패를 놓치지 않고, 재시도를 통해 실패한 지점에서 자동으로 복구될 수 있는 Temporal의 기능은 우리 팀의 운영 리스크를 현저히 줄여줄 것이라 기대합니다. 가시성 ...
자세한 내용 보기

정산 시스템 단계적 오픈과 성과 분석

이번 포스팅에서는 무신사의 정산 시스템 단계적 오픈과 실제 운영 성과를 심층적으로 분석합니다. 막대한 양의 데이터를 처리하는 정산 시스템을 성공적으로 구현함으로써 발생한 변화를 살펴보며, 더 이상 야근하지 않아도 되는 환경을 만들어낸 비결을 소개합니다. 정산 시스템의 효과적인 혁신으로 인해 무신사는 운영 효율성을 크게 향상시킬 수 있었습니다. 정산 시스템의 단계적 오픈 전략 정산 시스템은 복잡한 데이터 처리와 다양한 규정이 얽혀 있어 한 번에 오픈하기에 리스크가 큰 시스템입니다. 이러한 이유로 무신사는 단계적 오픈 전략 을 채택하였습니다. 정산 시스템은 원천 데이터를 기준으로 단계적으로 기능을 오픈하며, 각 단계에서 발생하는 데이터 품질 이슈와 예외 케이스를 사전에 수정하는 과정이 필요했습니다. 이 전략의 첫 단계로는 원천 데이터 적재 모듈을 선배포하여 실제 운영 환경에서 발생하는 모든 케이스를 수집하였습니다. 이를 통해 수집 과정에서 발생할 수 있는 데이터 품질 문제와 오류를 미리 발견하고 수정할 수 있었습니다. 실제 운영 데이터의 세세한 수집이 이루어짐으로써, 정산 정책 수립에 필요한 엣지 케이스를 정리하고 기준을 확립할 수 있었습니다. 두 번째 단계는 실제 데이터 기반 QA 및 시뮬레이션입니다. 정산 시스템의 검증은 바로 실 운영 데이터를 활용한 리허설을 통해 이뤄졌습니다. 하드웨어 환경을 운영 환경과 동일하게 설정하여, 실제 데이터를 이용한 반복적인 정산 테스트가 이루어졌으며 이 단계에서 발생한 오류는 즉시 수정하여 시스템의 신뢰성을 높였습니다. 최종적으로, 모든 검증이 완료된 후에 전체 정산을 실행하고 이 과정을 통해 무결한 정산이 가능해졌습니다. 이러한 철저한 단계적 오픈 전략 덕분에 시스템 일정을 맞추며 정산 업무를 안정적으로 수행할 수 있었던 것입니다. 정산 시스템 성과 분석 정산 시스템의 성공은 단순히 기술적 오류가 없는 배치 마감에 그치지 않습니다. 정산의 성공률을 ‘완전한 정합성’으로 정의하고, 이를 기반으로 다양한 성공...
자세한 내용 보기

정산 시스템 설계와 구현 과정 분석

이번 글에서는 정산 시스템 구축 과정과 그에서의 설계 원칙과 기술 선택에 대해 자세히 살펴보겠습니다. 정산 시스템은 문제 해결이 복잡한 도메인으로, 이를 안정적인 구조로 구현하는 것이 핵심 과제입니다. 특히, 멱등성과 결정적 계산이라는 원칙을 바탕으로 정산 시스템이 어떻게 설계되었는지를 알아보겠습니다. 정산 시스템의 멱등성 기반 설계 정산 시스템의 가장 중요한 설계 원칙 중 하나는 바로 멱등성입니다. 멱등성이란 같은 연산을 여러 번 수행해도 결과가 변하지 않는 성질을 말합니다. 이를 기반으로 한 시스템 설계는 장애 발생 시 데이터의 무결성을 보장할 수 있는 중요한 요소로 작용합니다. MASS 정산 시스템은 이벤트 기반으로 운영되며, 이러한 이벤트는 종종 중복 수집이나 재처리를 겪게 됩니다. 따라서 이 시스템에서는 다음과 같은 조건을 갖추게 됩니다. 첫째, 이벤트 재시도(Retry)와 격리(DLT)를 명확히 분리하여 처리하는 것입니다. 이를 통해 복구 작업이 원활하게 이루어질 수 있습니다. 둘째, 서비스 수준에서 트랜잭션 식별자를 기준으로 멱등 갱신을 수행하여, 동일 이벤트가 여러 번 처리되더라도 결과는 항상 일정하도록 합니다. 이를 통해 정산 시스템은 장애가 발생하더라도 안전하게 재처리할 수 있는 기반을 마련하게 됩니다. 셋째, DLT가 발생하면 해당 이벤트는 정산 흐름에서 즉시 제외됩니다. 각 이벤트는 모니터링 시스템을 통해 관리되며, DLT 발생 시 운영자는 이를 즉시 인지할 수 있습니다. 이러한 설계 원칙을 통해 시스템은 더욱신뢰할 수 있는 환경으로 거듭나게 되며, 문제가 있는 이벤트가 전체 정산 흐름을 방해하는 것을 방지할 수 있습니다. 정산 시스템은 이처럼 밀접하게 설계된 멱등성 기반으로 운영됨으로써, 상시적인 데이터 무결성을 유지합니다. 정산 프로세스의 배치 처리 구조 정산 시스템에서 또 하나의 중요한 요소는 배치 처리입니다. MASS에서는 정산 집계, 마감, 리포트 생성을 담당하는 배치 애플리케이션이 설계되어, 전반적인 정산 프로세...
자세한 내용 보기