🌱 Spring Coupon Practice 🌱

스프링부트로 구현하는 쿠폰 시스템 (동시성 이슈를 곁들인)

Note

낙관적 락(Optimistic Lock), 비관적 락(Pessimistic Lock), 분산 락(Distributed Lock)을 활용하여

쿠폰 시스템에서 발생할 수 있는 동시성 문제를 해결한다.

✅ 문제 분석하기

1. 문제 요구사항

1. 편의점과의 제휴로 총 100장의 쿠폰을 발급한다.
2. 쿠폰 코드는 10자리의 랜덤한 영대소문자와 숫자로 이루어진 문자열이다.
3. 사용자는 선착순으로 쿠폰을 발급받을 수 있다.
4. 이미 쿠폰을 발급받은 사용자가 다시 발급을 시도하면 기존의 쿠폰 코드를 반환한다.
5. 100장의 쿠폰이 모두 소진되면, 새로운 쿠폰 발급 요청에 HTTP 404 응답을 반환한다.
6. 쿠폰 발급 애플리케이션은 분산 환경에서 작동한다.

2. 발생 가능한 문제 상황

🛑 동시성 이슈

• 200명의 사용자가 동시에 요청하면, 100개 이상의 쿠폰이 발급될 가능성이 있다.
  • 쿠폰 발급 과정은 다음과 같다:
    1. 쿠폰의 남은 개수를 조회한다.
    2. 남은 개수가 1개 이상이면, 쿠폰을 발급한다.
  • 하지만 200명의 사용자가 동시에 쿠폰의 남은 개수를 조회하면, 모든 요청이 남은 개수를 100개로 인식하여 초과 발급이 발생할 수 있다.

🚨 성능 이슈

• 사용자가 쿠폰을 발급받았는지 확인하기 위해 매번 데이터베이스 조회 쿼리를 발생시키면, 데이터베이스에 과부하가 발생할 수 있다.

✅ 단계별 해결 방안

🔹 동시성 이슈 해결

1. 낙관적 락(Optimistic Lock) 적용
2. 비관적 락(Pessimistic Lock) 적용
3. 분산 락(Distributed Lock) 적용

🔹 성능 최적화

• 사용자의 쿠폰 발급 정보를 Redis에 캐싱하여, 데이터베이스의 부담을 줄인다.

✨ 기대 효과

• 동시성 문제 해결: 낙관적/비관적/분산 락을 적용하여 초과 발급을 방지한다.
• 성능 최적화: Redis 캐싱 활용으로 데이터베이스 부하를 줄인다.
• 확장성 고려: 분산 환경에서도 안정적으로 쿠폰 발급이 가능하도록 설계한다.