docs/next-tech-stack.md원본 정리. Sofly에서 쓴 스택을 기반으로, 다음 프로젝트에서 추가·발전시킬 기술 목록.
| 기술 | 현재 문제 | 해결 | 학습 비용 |
|---|---|---|---|
| Testcontainers | H2 인메모리 DB로 테스트 → PostgreSQL/Redis와 방언 차이로 운영 환경 버그 발생 가능 | 실제 PostgreSQL/Redis/MongoDB 컨테이너로 통합 테스트 | 낮음 — 기존 JUnit 구조 그대로 사용 |
| OpenTelemetry | Prometheus·Zipkin·Micrometer가 각각 별도 운영 | Collector 하나로 메트릭/트레이스/로그 단일 파이프라인 통합 | 낮음 — Spring Boot 자동 설정 지원 |
| 기술 | 현재 상태 | 다음 단계 | 비고 |
|---|---|---|---|
| Kubernetes + Helm | Docker Compose + Nginx 블루그린 | 로컬 kind/minikube, 운영 AWS EKS | 취업 시장 수요 가장 높은 인프라 기술 |
| gRPC | OpenFeign 준비만, 서비스 간 통신 미사용 | 내부 서비스 간 통신에 gRPC 도입 | protobuf 직렬화, .proto 스키마, 양방향 스트리밍 |
| CQRS(읽기-쓰기 분리) | 대상: AI 채팅 이력, 여행 로그, 정복지도 | 쓰기(JPA+PostgreSQL) / 읽기(MongoDB or ES) 분리, Kafka로 동기화 | 읽기 성능 향상, 이벤트 소싱 패턴 연습 |
| 기술 | 현재 상태 | 다음 단계 |
|---|---|---|
| RAG + Vector DB | Gemini + Redis 단순 메모리 캐시 | 여행 정보를 벡터 임베딩 저장 → 유사도 검색으로 AI 답변 품질 향상 (pgvector or Pinecone, Spring AI Vector Store 추상화 활용) |
| ArgoCD(GitOps) | GitHub Actions가 빌드+배포 모두 담당 | Actions는 빌드/이미지 푸시만, ArgoCD가 Git 상태 기준 K8s 자동 동기화. K8s 도입 후 자연스럽게 따라오는 패턴 |
| Terraform / AWS CDK | ✅ 실제로는 이미 구현됨(2026-06-27, 메인 페이지 참고) — 이 로드맵 작성 시점엔 "장기" 항목이었으나 같은 프로젝트 안에서 조기 실행됨 | — |
| 순위 | 기술 | 이유 |
|---|---|---|
| 1 | Testcontainers | 학습 비용 낮고 테스트 품질 즉시 향상 |
| 2 | OpenTelemetry | 기존 관측성 스택 정리, 실무 표준 |
| 3 | Kubernetes + Helm | 인프라 레벨 업, 취업 시장 수요 가장 높음 |
| 4 | gRPC | 서비스 간 통신 고도화, K8s 환경과 시너지 |
| 5 | pgvector + RAG | AI 기능 차별화, 기존 PostgreSQL 재활용 |
| 6 | ArgoCD | K8s 도입 후 GitOps 완성 |
| 7 | Terraform / AWS CDK | 인프라 코드화로 환경 재현성 확보 (Sofly 자체에서 이미 선행 구현) |
취업을 목표로 한다면 Kubernetes + ArgoCD 조합을 먼저. AI 기능 차별화를 원한다면 pgvector + RAG를 먼저.