🏦 Loan API - Redis 캐시 기반 대출 조회 시스템

Redis 캐시를 활용한 대출 상품 조회 및 인기 상품 추천 API입니다. 핀테크 기술 세미나를 위한 데모 프로젝트로, 캐시 전략과 실시간 데이터 처리를 구현했습니다.

✨ 주요 기능

• 🚀 고성능 캐싱: Redis를 활용한 빠른 대출 상품 조회
• 📊 실시간 인기 상품: 조회수 기반 실시간 순위 업데이트
• 🔄 데이터 동기화: Redis와 Oracle DB 간 자동 동기화
• 📈 모니터링: Prometheus 메트릭 수집 및 성능 모니터링
• ⚡ 스케줄링: 정기적인 캐시 갱신 및 데이터 정리

🏗️ 아키텍처

🛠️ 기술 스택

• Backend: Spring Boot 3.5.3, Java 17
• Database: Oracle DB, Spring Data JPA
• Cache: Redis, Spring Data Redis
• Monitoring: Prometheus, Micrometer
• Build Tool: Maven
• Utilities: Lombok

📋 요구사항

• Java 17+
• Maven 3.6+
• Redis 6.0+
• Oracle Database 19c+

🚀 시작하기

애플리케이션 접속

• 애플리케이션: http://localhost:8080
• Actuator: http://localhost:8080/actuator
• Prometheus: http://localhost:8080/actuator/prometheus

📡 API 엔드포인트

Redis 캐시 기반 API (/redis)

Method	Endpoint	Description
GET	/redis/detail/{loanId}	대출 상품 상세 조회 (캐시 우선)
POST	/redis/view/{loanId}	조회수 증가 (Redis + Oracle 동기화)
GET	/redis/status/{loanId}	캐시 상태 확인
GET	/redis/keys	모든 캐시 키 조회
GET	/redis/popular	Top 20 인기 상품 캐싱

Oracle DB 직접 API (/oracle)

Method	Endpoint	Description
GET	/oracle/list	전체 대출 상품 목록
GET	/oracle/detail/{loanId}	대출 상품 상세 조회 (DB 직접)
GET	/oracle/popular	인기 상품 Top N 조회
POST	/oracle/view/{loanId}	조회수 증가 (DB만)
GET	/oracle/total-views	전체 조회수 합계

🔧 설정

application.properties

# Redis 설정
spring.redis.host=localhost
spring.redis.port=6379

# Oracle DB 설정
spring.datasource.url=jdbc:oracle:thin:@localhost:1521:xe
spring.datasource.username=fisa
spring.datasource.password=fisa

# 모니터링
management.endpoints.web.exposure.include=health,info,prometheus
management.metrics.export.prometheus.enabled=true

📊 데이터 모델

Loan Entity

@Entity
@Table(name = "LOAN_PRODUCTS")
public class Loan {
    private Long id;
    private String productName;
    private String bank;
    private String jobType;
    private String purpose;
    private String rateType;
    private String interestRate;
    private int maxLimit;
    private int periodMonths;
}

LoanView Entity

@Entity
@Table(name = "loan_views")
public class LoanView {
    private Long loanId;
    private Long viewCount;
}

⏰ 스케줄러

LoanScheduler

• 1분마다 인기 상품 Top 20 캐싱 갱신
• 주간/야간 시간대별 차등 처리

RedisViewSyncScheduler

• 1분마다 Redis → Oracle DB 동기화
• 조회수 감쇠 처리 (감쇠 계수: 0.85)
• 낮은 점수 데이터 자동 삭제

🎯 캐시 전략

Cache-Aside Pattern

• Redis에 데이터가 없으면 DB에서 조회 후 캐싱
• TTL: 2분 설정으로 최신성 보장

Write-Through Pattern

• 조회수 증가 시 Redis와 Oracle DB 동시 업데이트
• 데이터 일관성 유지

ZSet 기반 인기 상품

• Redis Sorted Set을 활용한 실시간 순위 관리
• 조회수를 점수로 사용하여 자동 정렬

📈 모니터링

Prometheus 메트릭

• loan_cache_hit: 캐시 히트 횟수
• loan_cache_miss: 캐시 미스 횟수

Actuator 엔드포인트

• /actuator/health: 애플리케이션 상태
• /actuator/info: 애플리케이션 정보
• /actuator/prometheus: Prometheus 메트릭

🔍 성능 특징

• 캐시 히트율: Redis 캐싱으로 응답 속도 향상
• 실시간 순위: 조회수 기반 실시간 인기 상품 업데이트
• 데이터 동기화: Redis와 Oracle DB 간 자동 동기화
• 자동 정리: 낮은 인기도 상품 자동 제거

📊 성능 테스트 결과

🚀 Redis vs Oracle DB 성능 비교

JMeter를 사용하여 4,500건의 요청을 대상으로 성능 테스트를 진행했습니다.

항목	Oracle DB	Redis Cache	개선율
평균 응답 시간	15ms	5ms	3배 향상
초당 수신 데이터량	25	15	40% 감소
초당 요청 처리량	동일	동일	-

결론: Redis 캐싱으로 응답 속도가 3배 향상되고, 네트워크 부하도 감소하여 더 많은 TPS 처리가 가능합니다.

📸 JMeter 성능 테스트 결과 화면 (Redis vs Oracle DB 비교)

🎯 캐시 전략별 성능 분석

TTL 전략

• 장점: 전체적으로 높은 캐시 히트율
• 단점: 메모리 사용량 불규칙, 정렬 불가, 메모리 한계
• 적합한 경우: 날씨 API, 단기 데이터 등 유효기간이 명확한 데이터

단순 갱신 전략

• 장점: 캐시 연산 부하 낮음, 안정적인 메모리 사용
• 단점: 최신 트렌드 반영이 상대적으로 느림
• 적합한 경우: 누적 조회수 기반의 안정적인 인기 상품

갱신 + 감쇠 전략 ⭐ 최적화된 전략

• 장점: 인기 변동 민감, 고착화 방지, 빠른 캐시 히트 복구
• 단점: 상대적으로 높은 메모리 점유율
• 적합한 경우: 데이터가 많고, 인기 상품이 빠르게 자주 바뀌는 상황

📈 감쇠 계수 최적화

여러 감쇠치 값을 테스트한 결과, 0.85가 가장 이상적인 캐시 히트율을 보입니다.

private static final double DECAY_FACTOR = 0.85;   // 최적화된 감쇠 계수

🔄 트렌드 변화 시나리오 테스트

테스트 시나리오: 초반에는 상위 인기 상품에 트래픽 집중 → 후반에는 하위권 상품 집중 조회

결과:

• 초반: 높은 캐시 히트율 유지
• 중반: 트렌드 변화로 인한 캐시 히트율 일시적 감소
• 후반: 감쇠 + 갱신 전략으로 빠른 캐시 히트율 복구

📸 트렌드 변화 시나리오 테스트 결과 그래프 (캐시 히트율 변화)

💾 메모리 사용량 분석

• TTL: 초반 높은 메모리 사용량, 중후반 안정화
• 단순 갱신: 주기적 메모리 변동 패턴
• 갱신 + 감쇠: 빠른 변동 주기, 상대적으로 높은 메모리 점유율

📸 메모리 사용량 분석 그래프 (각 전략별 비교)

⚡ 초당 명령어 처리량

• 갱신 시점: 3분마다 주기적 피크 발생
• 감쇠 시점: 작은 피크 발생
• TTL: 초반 높은 처리율, 키 감소에 따른 처리율 감소

📸 초당 명령어 처리량 그래프 (각 전략별 비교)

🎯 핵심 문제 해결

문제 상황

초반에는 상품 A인 상위 인기 상품에 트래픽이 몰리다가, 후반에는 B, C같은 하위권 상품이 집중적으로 조회되는 상황

문제점

• 순위권 외 급격히 인기가 생긴 트렌드 상품 조회 시 캐시 미스 발생
• 과거에 인기가 높았던 상품이 Redis에 계속 캐싱되어 최신 인기상품 반영 불가
• 고착화 문제 발생

해결책: 감쇠 + 인기순위 갱신 전략

• 감쇠 계수 0.85 적용으로 최적 캐시 히트율 달성
• 스케줄러를 통한 주기적 실행으로 ZSet 인기 상품 순위에 최신성 반영
• 트렌드 변화에 민감하게 대응

🔍 시스템 설계 고려사항

파레토 법칙 적용

• 20%의 원인이 80%의 결과를 만들어내는 파레토 법칙 참고
• 조회수 기반으로 상위 20위에 드는 상품만 캐싱하여 효율성 극대화

메모리 관리

• 인메모리 특성상 메모리 한계 고려
• 낮은 인기도 상품 자동 제거로 메모리 효율성 확보

데이터 일관성

• Redis와 Oracle DB 간 주기적 동기화
• Cache-Aside와 Write-Through 패턴 조합으로 일관성 유지

---

핀테크 기술 세미나 - Redis 캐시 기반 대출 조회 시스템 데모