오늘 한 일
오늘은 현재 진행 중인 스마트팩토리 관제 프로젝트의 프론트엔드, 백엔드, 인프라 구조를 점검하고 MSA 환경에서의 인증 처리 방식과 데이터 구조에 대해 논의했다. 또한 멘토링을 앞두고 현재까지 진행된 내용과 MVP 방향성을 정리하는 시간을 가졌다.
오전 회의
각자 담당 업무를 중심으로 개발을 진행했다.
팀원별 진행 사항
-
혜인
- 도장 공정 이상 탐지 기능 구현
- Entity 설계 및 데이터 구조 작업
-
서경
- EKS 환경 구축 진행
- 완료 후 Route53, ACM, ALB 연동 예정
-
미정
- 병목 탐지 모델링 작업
-
종찬
- 메인 대시보드 AGV 실시간 흐름도 구현
-
건
- 검증 페이지 백엔드 개발
- DTO, Entity, Controller, Repository, Service 구성
-
준호
- 메인 페이지 인프라 API 구현
오후 회의
멘토링 준비
멘토님께 현재 프로젝트 진행 상황을 설명하기 위해 아래 내용을 정리하기로 했다.
-
인프라 구성
-
프론트 프로토타입
-
MVP 기능
-
DB 구조
- Sample DB
- Main DB
-
팀원별 역할 및 업무 분담
강사님 피드백 이후 검토 사항
1. Spring Boot 서비스 포트 분리
MSA 구조를 고려하여 서비스별 포트를 분리하기로 했다.
- Main Service : 8081
- Manufacturing Service : 8082
- Quality Service : 8083
서비스를 독립적으로 운영하고 추후 EKS 환경으로 배포하기 위한 준비 과정이다.
2. 인증 처리 방식 검토
JWT 인증을 어떤 위치에서 처리할 것인지 논의했다.
방안 1
Frontend Proxy → Main Service
- 프론트에서 Main Service로 요청
- Main Service가 JWT 검증 수행
- 내부 서비스 호출
장점
- 인증 로직 중앙 집중화
단점
- Main Service 의존도 증가
방안 2
Frontend Proxy → 각 서비스
- 서비스별 JWT 직접 검증
- MSA 표준 구조에 가까움
장점
- 서비스 독립성 확보
단점
- JWT 검증 로직 중복 가능
향후 Security 공통 모듈을 만들어 JWT 검증 로직을 재사용하는 방향도 검토하기로 했다.
3. Sample DB 데이터 기준일 검토
시뮬레이션용 데이터의 날짜를 특정 시점(예: 6월 5일)로 고정하여 사용할지 논의했다.
현재 프로젝트는 실제 제조 데이터를 사용하는 것이 아니라 샘플 데이터를 기반으로 AGV 이동 및 공정 흐름을 시뮬레이션해야 하기 때문에 데이터 기준 시점 관리가 중요하다.
강사님 피드백 정리
Ingress 기반 인증 처리
운영 환경에서는 Front Proxy 대신 Ingress를 활용하여 서비스 라우팅을 수행하게 된다.
로컬 환경
Frontend
↓
Proxy
↓
Backend Services운영(EKS) 환경
Frontend
↓
Ingress
↓
Backend Services따라서 운영 환경에서는 각 서비스가 JWT 검증을 수행하는 구조가 자연스러운지 검토가 필요하다.
AI 모델링 방향 검토
현재 추진 중인 불량 전이 예측 기능에 대해 추가 검토가 필요하다는 피드백을 받았다.
검토 항목
- 어떤 데이터셋을 사용할 것인가
- 불량 여부를 판단하는 컬럼은 무엇인가
- Station 정보 활용 가능 여부
- 공정 단계별 전이 분석 가능 여부
- 설비 정보 활용 가능 여부
단순히 AI 모델을 만드는 것이 아니라 실제 불량 판단 근거가 되는 데이터를 명확하게 정의해야 한다는 점을 다시 확인했다.
MSA 백엔드 아키텍처 검토
이번 피드백에서 가장 많이 논의된 내용 중 하나였다.
주요 내용
- 서비스별 포트 분리
- Eureka 역할 구분
- JWT 인증 처리 위치 결정
- Security 공통 모듈 적용 검토
- 로컬 Proxy 구성
- EKS Ingress 구성
특히 Eureka는 서비스 등록과 발견만 담당하며 인증 기능은 제공하지 않는다는 점을 다시 확인했다.
관제 서비스 아이디어 검토
멘토님께 현재 관제 서비스 MVP 방향에 대한 피드백을 요청하기로 했다.
현재 검토 중인 기능
- 병목 탐지
- 불량 전이 분석
- AGV 실시간 관제
- 알림 신뢰도 분석
- 숙련자 대응 패턴 학습
추가로 확장 가능한 MVP 기능이 있는지 의견을 받아볼 예정이다.
인프라 관련 내용
멘토님께서 제공해주신 자료를 기반으로 관제 서비스를 구축할 수 있다는 의견을 받았다.
다만 실제 적용 시에는
- ECR 설정
- EFS 마운트
- 스토리지 경로 설정
등의 작업이 필요하며 이 부분은 추가 학습이 필요해 보인다.
느낀 점
오늘은 단순히 기능 개발만 진행한 것이 아니라 실제 운영 환경을 고려한 아키텍처 설계와 인증 구조에 대해 깊게 고민해볼 수 있었다.
특히 MSA 환경에서 인증을 어느 계층에서 처리할 것인지, 그리고 로컬 개발 환경과 EKS 운영 환경의 차이를 어떻게 설계에 반영할 것인지가 중요한 고민거리였다.
또한 AI 기능 역시 단순히 모델을 적용하는 것이 아니라 실제 데이터의 의미와 활용 목적을 명확하게 정의해야 한다는 점을 다시 느꼈다.
앞으로는 멘토링을 통해 현재 MVP 방향성을 검증받고, 인프라와 백엔드 구조를 조금 더 구체화해 나갈 예정이다.
