- Aurora Auto Scaling를 통한 요금제 최적화 및 비용 감소- Read Replica를 통한 트래픽 부하 분산 처리 (21:00~24:00)- 효율적인 분산을 위해 custom-endpoint를 활용하여 writer도 read의 역할을 할 수 있도록 설정- 데이터 무결성을 유지하기 위해 transaction 구문은 writer instance에서 처리하도록 멀티 라우팅 처리subtask와 grouped를 이용한 비동기 병렬 처리 및 속도 개선- 처리의 중요도 및 시간에 따른 Message Queue 및 worker 분리로 안정성 개선- 대규모 FCM 전송 시 DB 호출 로직 개선을 통하여 CPU 사용량 개선API Query 최적화- Prefetch절 최적화를 통해 API 응답 속도 개선- Lazy Loading 구문으로 개선하여 쿼리 속도 개선공휴일 운영 시스템 자동화- 옵트인(Opt-in) 방식을 통한 공휴일 운영 방침 자동화- 의/약사의 공휴일 영업 정보 정합성 개선 및 진료 전환율 개선

ORM 최적화를 통한 성능 개선 (2023.9 - 2023.11)- 7만개의 외부 데이터를 이용한 검색 기능 구축 * Gin Index를 적용하여 4s의 쿼리를 최대 0.4s로 72.37%의 쿼리 속도 최적화 * 병목이 되는 Sep Scan 구간을 최적화하여 최대 89%의 쿼리 속도 최적화- 주간 권장 영양소 범위 및 식단 기록 정보 호출 API 성능 개선 * 23개의 쿼리 호출을 5개의 호출로 최적화하여 78%의 쿼리 호출 수 최적화 API 응답 속도 개선 * Queryset이 평가(evaluate) 되는 시점을 정확히 파악하여 캐싱될 수 있도록 ORM 최적화 * 서브쿼리가 유발되는 queryset을 즉시 로딩(eager loading)하여 속도 개선DTO를 이용한 API 문서 자동화 (2023.5 - 2023.5)- 비효율적인 개발 커뮤니케이션 감소로 평균 15%의 개발기간 단축 및 생산성 증가- 기본 필드를 상속받는 basic_serializer와 basic_dto를 통해 높은 응집도 및 낮은 결합도 유지serializer를 dto로 변환시켜주는 dto_builder를 통해 반복화되는 업무 효율성 개선- 모델을 관리하는 별도의 패키지를 구현하여 프로젝트간의 모델 의존성을 효율적으로 관리10만개의 app push을 위한 비동기 FCM 구현 (2023.6 - 2023.6)- 최대 500개의 메세지만 전송 가능했던 기존 FCM을 concurrent.futures 모듈을 이용하여 10만개의 메세지를 비동기적으로 처리 가능하게 구현- I/O Bound가 큰 작업이기에 max_worker 를 50개로 설정하여, CPU에서의 컨텍스트 스위칭 오버헤드를 최적화