FutureByte

목차

  1. 사이드 프로젝트 개요
  2. 프로젝트 목록 및 상세 내용
    1. Petting (반려견 성격유형검사 서비스) (2024.04 ~ 2024.07)
    2. Oh-Manager (신인 배우의 오디션 중계 플랫폼) (2024.02 ~ 2024.04)
    3. FOLDER (패션 서치 커뮤니티) (2023.10 ~ 2024.02)

사이드 프로젝트 개요

항목내용
목적다양한 서비스 아이디어 검증 및 실제 서비스 출시를 목표로 기획, 디자인, 개발 전 과정을 경험하기 위한 사이드 프로젝트
참여 인원총 6명 (PO/PM 1명, 서비스 기획 1명, 디자이너 1명, BE 1명, FEs 2명)
진행 기간2023.10 ~ 2024.07 (약 8개월)
담당 역할백엔드 API 개발 및 인프라 구축·유지보수 수행

프로젝트 목록 및 상세 내용

FutureByte 팀에서 진행한 3개의 서비스 빌드 프로젝트 및 활동 상세 내역입니다.


Petting (반려견 성격유형검사 서비스) (2024.04 ~ 2024.07)

반려견의 성향을 기반으로 적합한 친구를 매칭하고, 견주들이 반려 경험과 정보를 공유할 수 있는 커뮤니티 및 소통 플랫폼입니다.

  • 담당 역할: 백엔드 API 개발 및 AWS 인프라 유지보수 수행
  • 기술 스택: Python 3.10, FastAPI, SQLAlchemy, MySQL, dependency-injector, AWS (EC2, S3, RDS), Docker
  • 핵심 활동 및 성과:
    • SQLAlchemy Classical Mapping 아키텍처 설계: map_imperatively() API를 통해 데이터 모델과 비즈니스 엔티티를 단방향 격리하여 외부 프레임워크나 DB 결합이 없는 순수 도메인 단위 테스트 환경 구축.
    • 도메인 이벤트(Domain Event) 아키텍처 도입: 미디어 업로드 로직과 리워드 지급 보상 로직 간의 물리적 결합도를 EventHandler 버스 설계로 제거하여 신뢰성 및 확장성 향상.
    • 위치 기반 서비스 및 외부 API 연동: Kakao Local API를 IoC 컨테이너를 통해 어댑터로 연동하여 유저 주소 검증 및 경위도 공간 좌표 추출을 자동화하고, 거리순 주변 반려견 탐색 기능 구현.

Oh-Manager (신인 배우의 오디션 중계 플랫폼) (2024.02 ~ 2024.04)

기획사 소속이 없는 무소속 신인 및 지망생 배우들에게 공정하고 안전한 오디션 매칭과 중계 기회를 제공하는 매칭 플랫폼입니다.

  • 담당 역할: 백엔드 API 개발 및 오디션 매칭 코어 비즈니스 도메인 설계 수행
  • 기술 스택: Python 3.x, FastAPI, SQLAlchemy, MySQL, Docker, Slack SDK, Dependency Injector
  • 핵심 활동 및 성과:
    • 커스텀 트랜잭션 라우터 자체 구현: FastAPI의 내부 라우팅을 확장한 커스텀 TransactionRoute를 구현하여 HTTP 요청 단위로 트랜잭션 수명 주기를 데코레이터 단에서 일괄 관리. 비즈니스 서비스 레이어에서 영속성 세션 관련 코드를 완전히 배제함으로써 코드 순수성과 가독성 대폭 향상.
    • 의존성 주입 기반 클린/DDD 아키텍처: dataclasses 엔티티로 핵심 규칙을 격리하고, Dependency Injector DI 컨테이너 및 patch_ioc를 설계하여 런타임에 동적으로 인프라 어댑터를 주입하도록 구성. 외부 라이브러리나 DB 종류에 영향받지 않는 독립적인 기능 테스트 구조 구축.

FOLDER (패션 서치 커뮤니티) (2023.10 ~ 2024.02)

분산된 다수 온라인 패션 매체들의 최신 콘텐츠 트렌드 데이터를 자동으로 수집하여 통합 탐색 및 정보 교환을 돕는 커뮤니티 플랫폼입니다.

  • 담당 역할: 분산형 패션 콘텐츠 크롤링 및 자동화 수집 파이프라인 구축
  • 기술 스택: Python 3.x, FastAPI, SQLAlchemy, aiomysql, aiohttp, BeautifulSoup4, Langchain, OpenAI API, APScheduler, Docker
  • 핵심 활동 및 성과:
    • 어댑터 기반 계층형 수집 아키텍처 설계: 어댑터 패턴(Adapter Pattern)을 수집(API) 계층과 정제(Pipe) 단계에 적용하여 철저히 격리. 신규 매체 추가에 따른 기존 수집 로직의 수정 범위를 최소화하고 연동 리드 타임 단축.
    • 방화벽 우회 및 비동기 파이프라인 최적화: cloudscraperfake-useragent로 봇 방화벽 탐지를 우회하고, aiohttpaiomysql을 도입해 수집 및 DB 적재 파이프라인을 전면 비동기로 전환하여 대용량 데이터 처리 속도를 대폭 개선.
    • LLM 데이터 정제 및 테스트 안정성 확보: OpenAI GPT 모델과 Langchain을 연계하여 수집한 원문 본문의 정제 요약 및 키워드/태그 동적 분류 작업을 자동화. Dependency Injector를 활용한 격리 모의 테스트 설계 및 Slack Webhook 장애 모니터링 연동.

Table of contents