<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Yorath Jang on Medium]]></title>
        <description><![CDATA[Stories by Yorath Jang on Medium]]></description>
        <link>https://medium.com/@yongkyu-jang?source=rss-3c840b82f7f1------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*JpaVirk5c9J-kYAxFYn3tg.jpeg</url>
            <title>Stories by Yorath Jang on Medium</title>
            <link>https://medium.com/@yongkyu-jang?source=rss-3c840b82f7f1------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 21:46:07 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@yongkyu-jang/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[R2DBC의 한계와 그 사용법]]></title>
            <link>https://yongkyu-jang.medium.com/r2dbc%EC%9D%98-%ED%95%9C%EA%B3%84%EC%99%80-%EA%B7%B8-%EC%82%AC%EC%9A%A9%EB%B2%95-91cfb869cada?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/91cfb869cada</guid>
            <category><![CDATA[spring-data-r2dbc]]></category>
            <category><![CDATA[reactive]]></category>
            <category><![CDATA[webflux]]></category>
            <category><![CDATA[r2dbc]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Mon, 18 Mar 2024 02:45:29 GMT</pubDate>
            <atom:updated>2024-03-18T02:45:29.594Z</atom:updated>
            <content:encoded><![CDATA[<p>Webflux 기반으로 React 한 코드 — 비동기적, 넌 블럭킹-를 애플리케이션 전체에 적용하기 위해서 DB를 다루는 영역 또한 React 하게 처리되어야 한다.</p><p>하지만 DB영역에서 논 블럭킹 방식을 지원하는 유일한 라이브러리인 R2DBC는 현재까지는 우리에게 익숙한 JPA에 비해서 그 제약사항과 한계점을 많이 가지고 있고, 아직까지는 불완전한 상태의 라이브러리라 제공 가능한 스펙을 정확히 파악해서 제대로 사용해야 할 필요가 있다.</p><p>이 글에서 R2DBC의 제약사항에 대해서 완전하지는 않지만, 그 제약사항을 피해서 적용할 수 있는 다른 방법 몇 가지를 정리할 목적을 작성하였다.</p><p>R2DBC의 공식 사이트인데, 여기서 현재 지원하는 드라이버를 확인할 수 있다.</p><p><a href="https://r2dbc.io/drivers/">R2DBC</a></p><p>mysql 드라이버는 <a href="https://github.com/jasync-sql/jasync-sql">jasync-sql, </a><a href="https://github.com/asyncer-io/r2dbc-mysql">r2dbc-mysql</a> 이 두 가지 드라이버가 많이 사용된다. 여기서는 jasync 라이브러리를 사용했다.</p><ul><li><a href="https://github.com/jasync-sql/jasync-sql">GitHub — jasync-sql/jasync-sql: Java &amp; Kotlin Async DataBase Driver for MySQL and PostgreSQL written in Kotlin</a></li><li><a href="https://github.com/asyncer-io/r2dbc-mysql">GitHub — asyncer-io/r2dbc-mysql: Reactive Relational Database Connectivity for MySQL. The official successor to mirromutth/r2dbc</a></li><li><a href="https://spring.io/projects/spring-data-r2dbc">Spring Data R2DBC</a></li></ul><blockquote><em>Spring Data R2DBC aims at being conceptually easy. In order to achieve this it does NOT offer caching, lazy loading, write behind or many other features of ORM frameworks. This makes Spring Data R2DBC a simple, limited, opinionated object mapper.</em></blockquote><blockquote><em>it does NOT offer caching, lazy loading, write behind or many other features of ORM frameworks.</em></blockquote><p>Spring에서는 R2DBC의 성격과 목적에 대해 공식페이지에 상기와 같이 정의하고 있다.</p><p>요약하면, <strong>캐싱, 지연로딩, 쓰기 지연등 ORM의 주요 기능을 제공하지 않는다는 의미이다.</strong></p><p><strong>즉, 우리가 JPA를 사용하면서 당연하게 사용했던 영속성 컨텍스트 기반의 유용한 기능들을 사용할 수 없다는 의미이다.</strong></p><blockquote><em>그럼 우리는 R2DBC를 어떤 기준으로 써야 하는가?</em></blockquote><p>분명한 건 기존의 JPA에서 당연하게 지원했던 영속성 컨텍스트 — persistent Context — 에서의 주요 기능들은 지원하지 않는다는 전제로</p><p>사용해야 되는 건 확실하다. 여기서 JPA의 영속성 컨텍스트의 주요 기능에 대해서 잠깐 알아보자.</p><h4>JPA 영속성 컨텍스트의 주요기능</h4><p><strong>1차 캐시</strong></p><p>영속성 데이터가 보관되는 캐시영역, 당연히 조회가 가능하며 1차 캐시에 없으면 DB에서 조회하여 1차 캐시에 저장하게 된다.</p><p>영속성 컨텍스트는 기본적으로 내부에 Map 형태로 된 1차 캐시를 가지고 있고 아래의 구조로 영속성 데이터를 보관하게 된다.</p><ul><li>key: @Id로 선언한 필드, 데이터베이스의 기본키와 매핑됨</li><li>value: 엔티티 인스턴스</li></ul><p><strong>lazy loading (지연로딩)</strong></p><p>JPA의 데이타 패치전략 중 하나로 엔티티가 실제 사용(참조)될 때까지 데이터베이스 조회를 지연(Lazy loading)시키는 방법이다.</p><p>주제와는 상관없지만 JPA 지연로딩에 관련된 이슈에 대한 글을 참고하면 이해하는데 좀 더 도움을 될 것 같다.</p><p><a href="https://yonguri.tistory.com/73">https://yonguri.tistory.com/73</a></p><p><strong>write behind (쓰기 지연)</strong></p><ul><li>쓰기 지연은 영속성 컨텍스트에 변경이 발생했을 때, 바로 데이터베이스로 쿼리를 보내지 않고 SQL 쿼리를 버퍼에 모아놨다가 영속성 컨텍스트가 flush 하는 시점에 모아둔 SQL 쿼리를 데이터베이스로 보내는 기능이다.</li><li>이 기능은 DB와의 불필요한 커넥션을 최소화하기 위한 목적으로 flush 되는 시점은 해당 트랜잭션이 commit시점으로 보면 된다. 즉 쓰기지연은 정확히 transcational write behind이다.</li></ul><p><strong>변경 감지(Dirty Checking)</strong></p><ul><li>변경감지기능은 영속성 컨텍스트상의 Entity에 대한 변경 사항을 추적하고 필요한 경우에만 해당 데이터베이스 레코드를 업데이트합니다. 이 기능 또한, 불필요한 데이터베이스 업데이트를 방지하고 수정된 필드만 업데이트하여 성능을 최적화하는 것이 주 목적이다.</li><li>변경감지 메커니즘의 작동방식은 아래와 같다.</li></ul><ol><li>엔터티 검색: JPA를 사용하여 데이터베이스에서 엔터티를 검색하면 해당 엔터티의 상태가 지속성 컨텍스트에 로드된다.</li><li>변경 감지: 엔터티의 속성을 변경하면 JPA는 지속성 컨텍스트 내에서 이러한 변경 사항을 추적한다.</li><li>트랜잭션 커밋: 트랜잭션을 커밋할 때(또는 지속성 컨텍스트를 명시적으로 플러시할 때) JPA는 지속성 컨텍스트 내 엔터티의 변경 사항을 확인한다.</li><li>데이터베이스 업데이트: 변경 사항이 감지되면(즉, 엔터티의 일부 속성이 수정됨) JPA는 필요한 SQL 문을 생성하고 실행하여 해당 데이터베이스 레코드에서 수정된 필드만 업데이트한다.</li></ol><p>이 외에 JPA의 다른 특징들도 많지만 ORM Framework에서 얘기하는 중요한 기능들은 위의 4가지 기능이 대표적인 기능이라 할 수 있다.</p><p>문제는 지금의 R2DBC 드라이버는 상기의 4가지 기능 대부분(?)을 지원하지 않는다는 것이다. 대부분이라고 한 이유는 ‘변경 감지’는 단일키(pk)로 구성된 Entity에서는 지원하기 때문이다.</p><p>그 외의 언급한 나머지 유용한 JPA관련 기능은 사용할 수 없다고 보면 된다.</p><h4>R2DBC 제약사항</h4><ul><li>JPA 사용불가</li><li>복합키 미지원 — @EmbeddedId, @IdClass</li><li>연관관계 표현 미지원 (Join 표현 불가, 1:N, N:1, 1:1)</li><li>JSON 컬럼 지원 불가 (현재는 PostgreSQL 만 지원)</li></ul><p>이런 제약사항이 있음에도 불구하고, WebFlux기반의 Database 연결을 Non-blocking으로 사용하려면 아직까지는 R2DBC 드라이버를 사용하는 방법밖에는 없다.</p><p>분명 한계가 명확하고 아직 많이 부족한 R2DBC이지만 다른 대안이 없는 상황에서 자신의 애플리케이션 환경(Webflux 기반)에 맞게 최대한 활용가능한 방법들을 정리해 보았다.</p><p>Best Practice가 아닐 수 있겠지만 R2DBC 활용에 약간의 가이드 역할을 할 수 있을 거라 생각한다.</p><p>⠀</p><h4>복합키 처리</h4><p>R2DBC의 복합키 지원은 기대하지 않는 게 좋을 것 같다. 깃헙이슈로 등록된 지 거의 5년이 지났는데도 아직 이슈는 Open상태이다.(2019년 등록)</p><p><a href="https://github.com/spring-projects/spring-data-relational/issues/574](">https://github.com/spring-projects/spring-data-relational/issues/574</a></p><p><a href="https://github.com/spring-projects/spring-data-relational/issues/574](">GitHub — spring-projects/spring-data-relational: Spring Data Relational. Home of Spring Data JDBC and Spring Data R2DBC.</a></p><p><a href="https://github.com/spring-projects/spring-data-relational/issues/574](">Spring Data Relational. Home of Spring Data JDBC and Spring Data R2DBC. — spring-projects/spring-data-relational</a></p><p><a href="https://github.com/spring-projects/spring-data-relational/issues/574](">github.com</a></p><p>R2DBC가 복합키를 지원하지 않는다고 반드시 복합키로 설계해야 할 테이블을 변경할 수는 없다. 물론 단일키로 설계가 가능하면 좋겠지만 그렇지 않는 경우, 해당 테이블은 복합키로 설계할 수밖에 없고 그렇게 해야 한다.</p><p>따라서 복합키로 생성된 테이블의 Entity는 키 정의를 할 수 없다. 즉 @Id 어노테이션을 사용할 수 없다는 의미이다.</p><p>당연히 @EmbeddedId , @IdClass 와 같은 복합키에 사용하는 어노테이션도 사용불가하다.<br>결국 Spring Data에서 제공하는 기본 Repository API(ex. findById등)는 사용하지 못하고, Custom Query Method나 Native Query로 처리해야 한다.</p><pre><br>@Table(value = &quot;DEVICE_MASTER&quot;)<br>public class DeviceMaster implements Persistable&lt;Tuple2&lt;String, String&gt;&gt; {<br>  @Column(&quot;user_id&quot;)<br>  private String userId;<br>  @Column(&quot;device_id&quot;)<br>  private String deviceId;<br>  @Column(&quot;parent_device_id&quot;)<br>  private String parentDeviceId;<br>  @Column(&quot;device_type&quot;)<br>  private DeviceType deviceType;<br>  @Column(&quot;device_nickname&quot;)<br>  private String deviceNickname;<br>  ...<br>   <br>  @Transient<br>  @Builder.Default<br>  private boolean newProduct = false;<br>  @Override<br>  public Tuple2&lt;String, String&gt; getId() {<br>    return Tuples.of(this.userId, this.deviceId);<br>  }<br>  @Override<br>  public boolean isNew() {<br>    return this.newProduct;<br>  }<br>}</pre><pre>@Repository<br>public interface DeviceMasterRepository extends R2dbcRepository&lt;DeviceMaster, Tuple2&lt;String, String&gt;&gt; {<br>  <br>  Mono&lt;DeviceMaster&gt; findByUserIdAndDeviceId(String userId, String deviceId); <br>  <br>  Flux&lt;DeviceMaster&gt; findByUserId(String userId);<br>  Flux&lt;DeviceMasterDto&gt; findByOwnerId(String ownerId);<br>  &lt;T&gt; Flux&lt;T&gt; findByUserId(String userId, Class&lt;T&gt; type);<br>  <br>  ...<br>  <br>}</pre><p>Entity의 유일성을 보장할 Key를 정의할 수 없기 때문에 Spring Data에서 제공하는 Pesistable 인터페이스를 구현하도록 해서 새로운 Entity여부를 코드레벨에서 판단할 수 있도록 처리해야 한다.</p><p>이 말은 위에서도 얘기했다시피 JPA의 특징인 Dirty Checking을 활용한 업데이트용으로의 sava API는 사용은 불가하다는 의미이다.<br>Persistable 인터페이스의 isNew()를 통해 코드에서 새로운 Entity임을 판단하고, insert의 목적으로만 save API를 사용할 수 있다.</p><p>참고로 의미는 없지만 형식적으로나마 Tuple2 (Reactor 라이브러리)로 해당 Entity가 복합키임을 나타낼 수는 있다.⠀</p><pre>...<br>return deviceMasterRepository.findByUserIdAndDeviceId(reqDeviceMetaDto.getUserId(), reqDeviceMetaDto.getDeviceId())<br>    .defaultIfEmpty(newDeviceMaster)<br>    .flatMap(deviceMaster -&gt; {<br>        if (!deviceMaster.isNew()) {<br>          ...<br>        }<br>        ...<br>    }).then(deviceAttributesRepository.save(newDeviceAttr))<br>...</pre><p>update의 경우는 무조건 직접 쿼리를 실행하는 방법( @Query 또는 DatabaseClient 활용)으로만 가능하다.</p><h4>JSON 컬럼 처리</h4><p>MySQL은 5.7.8 버전부터 JSON 컬럼유형을 지원하기 시작했다.</p><p>하지만 현재 R2DBC Driver는 Postgre SQL에서만 JSON컬럼 타입을 지원한다.<br>MySQL에서 JSON컬럼을 사용해야 하는 경우, 별도의 Custom Converter를 활용하여 Json컬럼 각각을 개별적으로 변환처리하도록 해야 한다.</p><p>커스텀 컨버터는 R2dbcCustomConversions 빈을 등록할 때 지정해 주면 된다.</p><pre>@Configuration<br>@EnableR2dbcAuditing<br>@RequiredArgsConstructor<br>public class R2dbcConfig extends AbstractR2dbcConfiguration {<br><br>  private final ObjectMapper objectMapper;<br>  ...<br>  <br>  @Override<br>  public R2dbcCustomConversions r2dbcCustomConversions() {<br>    List&lt;Converter&lt;?, ?&gt;&gt; converters = new ArrayList&lt;&gt;();<br>    converters.add(new MapToJsonConverter(objectMapper));<br>    converters.add(new JsonToMapConverter(objectMapper));<br>    ...<br>    return new R2dbcCustomConversions(getStoreConversions(), converters);<br>  }<br>}</pre><p>일반적으로 JSON 형태의 속성은 별도의 DTO(PoJo)로 정의해서 사용하나 그럴 경우 모든 DTO에 대해서 Converter를 만들어야 하는 문제가 있다. 좋은 방법은 아니나 JSON 타입은 기본적으로 Map으로 받을 수 있기 때문에 등록 또는 수정 시에는 MapToJsonConverter 하나로 모든 JSON칼럼에 대해서 처리하도록 하는 방법으로 사용할 수 있다.</p><pre><br>@Slf4j<br>@WritingConverter<br>@AllArgsConstructor<br>public class MapToJsonConverter implements Converter&lt;Map&lt;String, Object&gt;, String&gt; {<br><br>    private final ObjectMapper objectMapper;<br>    @Override<br>    public String convert(@NotNull Map&lt;String, Object&gt; source) {<br>        try {<br>            return objectMapper.writeValueAsString(source);<br>        } catch (JsonProcessingException e) {<br>            throw new RuntimeException(e);<br>        }<br>    }<br>}<br><br><br>@Slf4j<br>@ReadingConverter<br>@AllArgsConstructor<br>public class JsonToMapConverter implements Converter&lt;String, Map&lt;String, ?&gt;&gt; {<br>    private final ObjectMapper objectMapper;<br>    @Override<br>    public Map&lt;String, ?&gt; convert(@NotNull String jsonStr) {<br>        try {<br>            return objectMapper.readValue(jsonStr, new TypeReference&lt;&gt;() {});<br>        } catch (IOException e) {<br>            log.error(&quot;Problem while parsing JSON: {}&quot;, jsonStr, e);<br>        }<br>        return new HashMap&lt;&gt;();<br>    }<br>}</pre><p>컨버터에 특별할 로직은 없다. ObjectMapper를 사용하여 Map to String(JSON), String(JSON) to Map으로 변환하는 로직이 전부이다. Spring Data 라이브러리에서 제공하는 @ReadingConverter 어노테이션을 붙이면 데이터베이스로부터 데이터를 읽어올 때만 컨버터가 적용되고, @WritingConverter 를 붙이면 데이터베이스에 데이터를 입력할 때 컨버터가 적용된다.</p><p>즉, MapToJsonConverter는 등록 또는 수정 시, JsonToConverter는 조회 시에 적용되게 된다. 물론 converter는 필요에 따라 더 추가할 수 있다.</p><h4>Query 수행방안</h4><p>단순한 조회 및 삭제등의 처리는 기존과 동일하게 Spring Data기반의 Query Method (R2dbcRepository 인테이스 기반)를 사용하면 된다. 하지만 단순한 조회라는 건, 조인이 일어나지 않는 단일 테이블을 참조하는 경우를 의미하는데, 일반적인 서비스에서는 이렇게 단순한 조회업무만 존재하지 않는다. 결국 Query자체가 코드에 포함되어야 하는 경우는 필수적으로 따라올 수밖에 없다.</p><p>QueryDSL과 같은 라이브러리를 같이 쓸 수 있다고는 하지만, 실제로 사용하기에는 불안한 문제들이 있다.<br>즉, ORM이 가지는 장점 중에 Query에 대한 Code Safe를 보장할 수 없는 코드가 생산될 수밖에 없다는 의미이다.<br>Query를 직접 사용하는 방법은 크게 두 가지이다.</p><ul><li>@Query 어노테이션 사용</li><li>R2dbc 의 DatabaseClient 사용 ( JdbcTemplate과 유사)</li></ul><p>@Query 어노테이션 사용</p><pre>@Repository<br>public interface DeviceCustomRepository extends R2dbcRepository&lt;DeviceMaster, Tuple2&lt;String, String&gt;&gt; {<br><br>@Query(<br>      value = &quot;<br>      select m.device_id as deviceId,<br>               m.parent_device_id as parentDeviceId,<br>               JSON_UNQUOTE(a.connection_info-&gt;&#39;$.connectType&#39;) as connectType,<br>               JSON_UNQUOTE(a.connection_info-&gt;&#39;$.target&#39;) as target<br>         from DEVICE_MASTER m INNER JOIN DEVICE_ATTRIBUTES a<br>          on m.parent_device_id = a.device_id<br>        where m.user_id = :userId<br>          and m.device_id = :deviceId<br>      &quot;, nativeQuery = true)<br>  Mono&lt;DeviceConnectionMetaDto&gt; findDeviceInfoForCommand(String userId, String deviceId);<br>  ...<br>}</pre><p>R2dbc 의 DatabaseClient 사용</p><pre>@Slf4j<br>@Repository<br>@RequiredArgsConstructor<br>public class DeviceCustomRepositoryImpl implements DeviceCustomRepository {<br><br>  private final DatabaseClient databaseClient;<br>  @Override<br>  public Mono&lt;DeviceConnectionMetaDto&gt; findDeviceInfoForCommand(String userId, String deviceId) {<br>    String sql = &quot;&quot;&quot;<br>        select m.device_id as deviceId,<br>               m.parent_device_id as parentDeviceId,<br>               JSON_UNQUOTE(a.connection_info-&gt;&#39;$.connectType&#39;) as connectType,<br>               JSON_UNQUOTE(a.connection_info-&gt;&#39;$.target&#39;) as target<br>         from DEVICE_MASTER m INNER JOIN DEVICE_ATTRIBUTES a<br>          on m.parent_device_id = a.device_id<br>        where m.user_id = ?<br>          and m.device_id = ?<br>        &quot;&quot;&quot;;<br>    return databaseClient.sql(sql)<br>        .bind(0, userId)<br>        .bind(1, deviceId)<br>        .map((row, rowMetadata) -&gt; {<br>          return DeviceConnectionMetaDto.builder()<br>              .deviceId(row.get(&quot;deviceId&quot;, String.class))<br>              .userId(userId)<br>              .parentDeviceId(row.get(&quot;parentDeviceId&quot;, String.class))<br>              .connectType(row.get(&quot;connectType&quot;, String.class))<br>              .target(row.get(&quot;target&quot;, String.class))<br>              .build();<br>        }).one();<br>  }<br>  ...<br>  <br>}</pre><p>참고로 DatabaseClient를 사용하게 되면 위에서 설명한 컨버터 설정은 적용되지 않는다. 컨버터를 설정하려면 각각의 컬럼에 수동으로 컨버터를 적용해야 한다.</p><pre>...<br>return databaseClient.sql(sql)<br>        .bind(0, userId)<br>        .bind(1, deviceId)<br>        .map((row, rowMetadata) -&gt; {<br>              ...  <br>              .tags(new JsonToListConverter(objectMapper).convert((Objects.requireNonNull(row.get(&quot;tags&quot;, String.class)))))<br>              ...<br>              .properties(new JsonToDevicePropertyMapConverter(objectMapper).convert((Objects.requireNonNull(row.get(&quot;properties&quot;, String.class)))))<br>              .additionalInfo(new JsonToMapConverter(objectMapper).convert((Objects.requireNonNull(row.get(&quot;additional_info&quot;, String.class)))))<br>              .connectionInfo(new JsonToMapConverter(objectMapper).convert((Objects.requireNonNull(row.get(&quot;connection_info&quot;, String.class)))))<br>              ...<br>              ...<br>         }).one();<br>  }<br>...<br>...</pre><p>복합키 관련해서 한 번 더 짚고 넘어가자면, R2DBC의 엔티티 상태에 대한 감지전략은 아래와 같다.⠀</p><ul><li>엔티티의 식별자(<strong>identifier</strong>)를 @Id 어노테이션이 붙은 속성으로 판단한다.</li><li>save API사용 시, 식별자 속성값이 null이거나 기본 유형의 경우 0이면 해당 엔티티를 새로운 엔티티로 간주하고 <strong>insert</strong>가 수행되고 그렇지 않으면 존재하는 엔티티로 간주하고 save API사용시 <strong>update</strong>가 수행된다.</li></ul><p>⠀⠀</p><h3>결론</h3><ul><li>단순조회 — Spring Data의 Query Method 활용</li><li>복잡한 조회, 조인연산 — Spring R2dbc 의 DatabaseClient 사용, @Query 어노테이션 활용</li><li>복합기 미지원으로 인해 save 사용 시 Persistable 인터페이스 구현, isNew활용</li><li>Dirty Checking을 활용한 업데이트용으로의 save API사용은 불가</li></ul><p>정리할수록 이렇게까지 R2DBC를 써야 하는 생각이 들다가도 아직까지는 Webflux를 적용하면서 Datasource영역까지 논블로킹을 적용하기 위해서 딱히 다른 대안이 없기 때문에, 제약사항을 잘 확인하고 사용할 필요가 있겠다.</p><h3>참고자료</h3><ul><li><a href="https://docs.spring.io/spring-data/relational/reference/r2dbc/getting-started.html">Getting Started :: Spring Data Relational</a></li><li><a href="https://medium.com/@nikola.babic1/mapping-to-json-fields-with-spring-data-r2dbc-and-reactive-postgres-driver-1db765067dc5">https://medium.com/@nikola.babic1/mapping-to-json-fields-with-spring-data-r2dbc-and-reactive-postgres-driver-1db765067dc5</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=91cfb869cada" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Postman — Pre-request Script 활용]]></title>
            <link>https://yongkyu-jang.medium.com/postman-pre-request-script-%ED%99%9C%EC%9A%A9-5279892c8965?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/5279892c8965</guid>
            <category><![CDATA[postman]]></category>
            <category><![CDATA[rest-api-testing]]></category>
            <category><![CDATA[postman-testing]]></category>
            <category><![CDATA[rest-api]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Wed, 04 Oct 2023 04:54:49 GMT</pubDate>
            <atom:updated>2023-10-04T04:54:49.048Z</atom:updated>
            <content:encoded><![CDATA[<h3>Postman — Pre-request Script 활용</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/391/0*4u9q2PhM-ATdCp55.png" /></figure><p>이전에 포스트맨의 Test 기능, 정확하게 얘기하면 <strong>요청 이 후</strong>의 Test Script실행으로 API공통으로 사용되는 환경변수의 값을 설정하는 방법을 통해, API 호출 시 반복적으로 실행해야 하는 작업들을 없앨 수 있는 방법을 소개했는데요.</p><p><a href="https://yongkyu-jang.medium.com/postman%EC%9D%98-tests-%EA%B8%B0%EB%8A%A5%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-%ED%99%98%EA%B2%BD%EB%B3%80%EC%88%98-%EC%9E%90%EB%8F%99-%EC%84%B8%ED%8C%85%EB%B0%A9%EB%B2%95-205bb3f1bd2c">Postman의 tests 기능을 활용한 환경변수 자동 세팅방법</a></p><p>이 방법보다 조금 더 편리하고 적절한 방법을 소개할까 합니다.</p><p>Pre-request Script를 사용하는 방법인데,<br>API 실행전 수행해야 할 스크립트를 <strong>컬렉션 또는 컬렉션내의 폴더 단위로</strong>실행할 수 있도록 해주는 기능입니다.</p><p>Test기능과의 차이점은 명확합니다.<br>Pre-request Script는 말 그대로 <strong>API 호출 전 실행되는 스크립트</strong>이며 Tests의 스크립트는 <strong>API 호출 후 실행되는 스크립트입니다.</strong></p><p>따라서, API 호출 전 공통의 특정 작업을 수행하도록 하는 방법에는 당연히 Tests 보다 지금 소개하는 Pre-request Script기능을 사용하는 게 맞습니다.</p><p>자세한 사용법은 아래 포스트맨 공식 링크를 통해 확인이 가능합니다.</p><p><a href="https://learning.postman.com/docs/writing-scripts/pre-request-scripts/">Write pre-request scripts | Postman Learning Center</a></p><h4>사용목적</h4><p>일반적으로 특정 사용자에게 서비스를 제공하기 위한 API (REST API)는 대부분, 본 API의 기능을 제공하기 전, 인증/인가 등(API 접근 및 사용권한 확인)의 보완과 관련된 프로세스가 반드시 수행됩니다.</p><p>실제의 인증서비스가 붙지 않는 단계인 API 개발 및 테스트 단계에서는, 각각의 API 호출시마다 매번 이런 별도의 인증 프로세스를 태우는 게 여간 번거로운 일이 아닙니다.</p><p>또한, 위의 경우 외에도 컬렉션 또는 폴더 내의 모든 API들의 헤더 값을 특정값으로 지정해야 하거나, 테스트를 위해서 요청 항목들의 변경 작업들이 필요한 경우에는 해당 Pre-Request Script 기능은 매우 훌륭한 기능을 제공합니다.</p><h4>사용방법</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*fYlFKLqIZ6pQbdMx.png" /></figure><p>포스트맨 화면에서 사전 실행 스크립트를 적용할 컬렉션 또는 컬렉션 내의 폴더를 선택하면 몇 가지 탭이 우측에 나타나는데 거기에서 Pre-request Script를 탭을 클릭합니다.</p><p>스크립트를 작성할 수 있는 영역이 나타나는데 실행할 스크립트를 포스트맨 스크립트 문법에 맞게 작성합니다.</p><p>아래는 간단한 샘플 코드입니다.</p><pre>pm.sendRequest({<br>    url: pm.environment.get(&#39;auth-url&#39;)+&#39;/auth/token&#39;,<br>    method: &#39;POST&#39;,<br>    header: {<br>    &#39;Accept&#39;: &#39;application/json&#39;,<br>    &#39;Content-Type&#39;: &#39;application/x-www-form-urlencoded&#39;<br>    },<br>    body: {<br>        mode: &#39;urlencoded&#39;,<br>        urlencoded: [<br>        {<br>            key: &quot;grant_type&quot;, <br>            value: &quot;client_credentials&quot;, <br>            disabled: false<br>        },<br>        {<br>            key: &quot;client_id&quot;, <br>            value: &quot;xxxxx&quot;, <br>            disabled: false<br>        },<br>        {<br>            key: &quot;client_secret&quot;, <br>            value: &quot;xxxx&quot;, <br>            disabled: false<br>        }<br>    ]<br>    }<br>}, function (err, res) {<br>    res_data = res.json();<br>    console.log(res_data);<br><br>    // 환경변수 값 세팅 <br>    pm.environment.set(&quot;access_token&quot;, res_data.access_token);<br><br>    // 헤더설정<br>    pm.request.headers.add({<br>        key: &quot;Authorization&quot;,<br>        value: res_data.access_token<br>    });<br>});</pre><p>이 샘플 코드는 단순합니다.</p><p>1. sendRequest를 사용해서 API 호출 전 인증 API를 먼저 호출하게 합니다.</p><pre>pm.sendRequest({<br> url: pm.environment.get(&#39;auth-url&#39;)+&#39;/auth/token&#39;,<br>…<br>…</pre><p>2. 컬렉션 환경변수 중 access_token값에 인증 API의 호출로 반환된 응답항목 중 token값을 지정합니다.</p><pre>function (err, res) {<br>    res_data = res.json();<br>    console.log(res_data);<br><br>    // 환경변수 값 세팅 <br>    pm.environment.set(&quot;access_token&quot;, res_data.access_token);<br>    ...<br>    ...<br>}</pre><p>res.json()을 통해 응답 값을 json객체로 변환 후, 콘솔에 출력하고 pm.environment.set() 함수를 통해 포스트맨의 환경변수 access_token항목에 값을 지정합니다.</p><p>이 access_token은 컬렉션 또는 폴더 내의 모든 API에서 필수로 사용하는 파라미터로 이 스크립트를 통해 API들이 호출될 때마다 실행되어 인증 API에서 얻어온 토큰 값이 저장되게 됩니다.</p><p><strong>API 호출마다 인증 API를 별도로 호출해서 토큰 값을 따로 지정해야 할 필요가 없습니다.</strong></p><p>참고로, console.log()를 사용하면 실제 호출 결과 데이터 값을 포스트맨의 콘솔로 확인할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*XaQ7VkbHmnWXiFAj.png" /></figure><p>포스트맨의 스크립트는 그 문법이 일반 JavaScript로 거의 유사하기 때문에 큰 어려움 없이 사용할 수 있습니다.</p><p>자주 사용되는 함수나 코드는 snippet을 제공해 주기 때문에 해당 기능을 활용하면 좀 더 편하게 사용이 가능합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/494/0*LQU6JrI-bEFIUKHe.png" /></figure><p>환경변수뿐만이 아니라 아래의 코드와 같이 모든 API 요청 헤더에 특정 값을 추가한다던가 하는 여러 가지 확장된 기능으로 활용할 수 있습니다.</p><pre>// 헤더설정<br>    pm.request.headers.add({<br>         key: &quot;Authorization&quot;,<br>         value: res_data.access_token<br>    });</pre><p>포스트맨 스크립트의 상세한 사용법은 위의 링크를 통해 확인하시면 됩니다.</p><p>지금까지 API 개발 및 테스트 작업의 효율성과 생산성을 높여줄 수 있는 포스트맨의 Pre-request Script기능에 대한 간단한 소개였습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5279892c8965" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Postman의 tests 기능을 활용한 환경변수 자동 세팅방법]]></title>
            <link>https://yongkyu-jang.medium.com/postman%EC%9D%98-tests-%EA%B8%B0%EB%8A%A5%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-%ED%99%98%EA%B2%BD%EB%B3%80%EC%88%98-%EC%9E%90%EB%8F%99-%EC%84%B8%ED%8C%85%EB%B0%A9%EB%B2%95-205bb3f1bd2c?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/205bb3f1bd2c</guid>
            <category><![CDATA[postman]]></category>
            <category><![CDATA[rest-api]]></category>
            <category><![CDATA[postman-testing]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Wed, 04 Oct 2023 04:40:25 GMT</pubDate>
            <atom:updated>2023-10-04T04:40:25.698Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/391/0*8K58IoF8jI3_M4Kx.png" /></figure><p>Rest API를 개발하는 경우, 이제는 Back-En 업무영역에 있어서 언어에 상관없이 Postman의 사용은 거의 필수가 되었다고 할 수 있습니다.</p><p>포스트맨을 어떻게 사용하느냐에 따라 개발 생산성에 큰 차이를 가져오게 될 뿐만 아니라, API 설계시 Front-End 파트와의 협업에 있어서도 매우 중요한 커뮤니케이션 도구로 활용됩니다.</p><p>포스트맨의 수 많은 기능 중에, 개발 생산성 — 좀 더 정확히 얘기하자면 테스트 시의 편의성 -을 조금 더 향상 시킬 수 있는 팁을 하나 소개합니다.</p><p><strong>포스트맨에서 API를 실행하고 난 뒤, 응답값 검증 등 후속작업을 위한 목적으로 제공되는 포스트맨의 Test 기능을 활용한 팁입니다.</strong></p><h4>목적</h4><ul><li>API 테스트를 위해 포스트맨에서 특정 API 호출시, access_token과 같이 타 API — 대표적으로 인증토큰을 발행하는 auth token 발행 API 등 — 의 결과값을 파라미터로 사용하는 경우, 결과값이 변경될 때마다(토큰 유효기간 만료 시) 포스트맨 환경변수값을 변경해줘야 하는 불편함을 해소하기 위함.</li><li>일반적인 Rest API 기반 어플리케이션은 최소한의 보안을 위한 클라이언트의 인증/인가를 위한 API를 제공하며, 제공되는 대부분의 API는 인증 API를 통해 access_token등의 API 접속 권한을 얻기 위한 토큰을 발급받게 됨.</li><li>발급되는 토큰은 모든 API의 필수 요청 항목(또는 헤더값)으로 설정됨</li><li>즉, 토큰이 만료되는 경우, 포스트맨에서는 아래와 같은 작업이 필요큰발행 API 호출</li></ul><ol><li>access_token 발급</li><li>토큰 복사</li><li>테스트할 API가 있는 Collection의 환경변수 설정으로 이동</li><li>환경변수로 설정해 놓은 토큰 변수의 값 -&gt; 복사한 토큰 값으로 변경</li><li>환경변수 저장</li><li>테스트할 API로 이동 후 테스트</li></ol><p>내용을 보면 별 거 아닌 작업으로 보이지만, 실제로 작업을 해 보면 토큰이 만료될 때마다 3 ~ 6번까지의 작업을 반복적으로 한다는 게 여간 귀찮은 일이 아닙니다.</p><p>특히 인증 API의 토큰의 만료기간이 짧은 경우에는 더더욱 귀찮아집니다.</p><h4>설정 방법</h4><ul><li>포스트맨의 <strong>Test 지원 스크립트를</strong> 활용하여 토큰 발급 api의 토큰값을 테스트할 API의 환경변수값으로 설정합니다.</li><li>스크립트를 작성하는 방법은 매우 간단합니다.</li><li>본문 제일 아래의 링크를 참고하셔서 포스트맨 스크립트의 간단한 작성법만 익히시면 바로 적용할 수 있습니다.</li><li>적용절차</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3YQFIBEUrhI_I5VR.png" /></figure><ol><li>테스트 API의 공통 변수 값으로 지정할 API(인증 토큰 발행 API) 선택</li><li>Tests 탭 이동</li><li>스크립트 작성</li></ol><pre>var jsonData = pm.response.json(); <br>pm.environment.set(&quot;access_token&quot;, jsonData.access_token);​</pre><ul><li>포스트맨의 스크립트는 자바스크립트와 매우 유사하니, 간단한 코드는 어렵지 않게 작성할 수 있습니다.</li></ul><p>4. 이 코드는 API의 결과값(JSON객체)을 jsonData라는 변수값으로 담아서<br>포스트맨의 글로벌 범위에서 정의된(pm) 환경변수 중 “access_token” 변수에 해당 API 결과 항목인 acess_token 항목의 값을 대입시키는, 매우 단순한 코드입니다.</p><p>5. api 실행</p><p>6. 포스트맨의 환경변수 값 확인 (아래 화면 참조)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2EGu5IH5g8VtDD-w.png" /></figure><p>api 실행 후, 작동되는 test 스크립트를 통해<br>포스트맨의 환경변수로 정의된 ‘access_token’값에 api의 응답값이 바로 적용되게 됩니다.</p><p>즉, 토큰이 만료되었다 하더라도, 위의 과정을 반복할 필요가 없어지게 됩니다.</p><ol><li>토큰 발행 API 호출</li><li>access_token 발급</li><li><strong>토큰 복사</strong></li><li><strong>테스트할 API가 있는 Collection의 환경변수 설정으로 이동</strong></li><li><strong>환경변수로 설정해 놓은 토큰변수의 값 -&gt; 복사한 토큰값으로 변경</strong></li><li><strong>환경변수 저장</strong></li><li>테스트할 API로 이동 후 테스트</li></ol><p>3~6번의 과정이 더 이상 불필요해지고,<br>토큰이 만료되었다면, 1번의 토큰발행 API만 한번 더 실행해 주면, 실제 테스트 할 API를 바로 사용할 수 있게 됩니다.</p><p>포스트맨의 다른 유용한 기능들도 많지만, 이렇게 간단한 스크립트를 활용하여 Rest API 어플리케이션 개발 시의 개발 생산성을 조금이나마 향상시킬 수 있는 방법도 있으니 활용해 보시면 좋을 것 같습니다.</p><p>당연히,Test 스크립트의 기능은 이런 활용방법 외에도 원래의 목적인 결과값 검증 등의 활용도가 높은 기능이니잘 사용한다면 개발작업에 많은 도움을 줄 수 있을 것입니다.</p><h4>관련링크 — Postman 내장 스크립트 문법</h4><ul><li><a href="https://learning.postman.com/docs/writing-scripts/test-scripts/">https://learning.postman.com/docs/writing-scripts/test-scripts/</a></li><li><a href="https://learning.postman.com/docs/writing-scripts/script-references/test-examples/">https://learning.postman.com/docs/writing-scripts/script-references/test-examples/</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=205bb3f1bd2c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Redis Stack #2 — Install & Configuration]]></title>
            <link>https://yongkyu-jang.medium.com/redis-stack-1%ED%8E%B8%EC%97%90-%EC%9D%B4%EC%96%B4-%EC%84%A4%EC%B9%98-%EB%B0%8F-%EA%B8%B0%EB%B3%B8%EC%A0%81%EC%9D%B8-configuration%EC%97%90%EC%84%9C-%EB%8C%80%ED%95%B4%EC%84%9C-%EC%82%B4%ED%8E%B4%EB%B3%B4%EA%B2%A0%EC%8A%B5%EB%8B%88%EB%8B%A4-b98d47d744b2?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/b98d47d744b2</guid>
            <category><![CDATA[redis-stack]]></category>
            <category><![CDATA[install-redis]]></category>
            <category><![CDATA[redisinsight]]></category>
            <category><![CDATA[redis]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Sun, 12 Mar 2023 16:43:12 GMT</pubDate>
            <atom:updated>2023-03-12T16:47:57.096Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2OscWI14aKtNPUUf2HkrmQ.png" /></figure><p>Redis Stack 1편에 이어 설치 및 기본적인 Configuration에서 대해서 살펴보겠습니다.</p><p><a href="https://yonguri.tistory.com/147">Redis Stack #1 - 소개 (feat. Redis OM Spring)</a></p><h4>Redis Stack Install &amp; Run</h4><p>설치방법은 여러가지가 있으나 개발 및 버전관리 편의성을 위해 Docker 기반의 설치방법만 다루겠습니다.</p><p>Docker 기반의 Redis Stack 컨테이너는 두가지 유형으로 제공합니다.</p><ul><li>redis/redis-stack</li><li>redis/redis-stack-server</li></ul><p>redis-stack에는 Redis Stack 서버와 GUI기반의 클라이언트 툴인 RedisInsight가 모두 포함되어 있습니다. 따라서 이 컨테이너는 내장된 RedisInsight를 사용하여 데이터를 시각화할 수 있으므로 로컬 개발에 가장 적합합니다.</p><p>redis-stack-server는 Redis Stack 서버만 제공합니다. 이 컨테이너는 일반적인 프로덕션 배포에 가장 적합합니다.</p><p>일반적으로는 개발시에는 redis-stack으로 설치해서 사용하면 되겠습니다.설치 및 구동방법은 아래의 명령어 라인 한 줄로 간단하게 실행 가능합니다.</p><pre>docker run -d --name redis-stack -p 6379:6379 -p 8001:8001 redis/redis-stack:latest</pre><p>포트는 redis-server의 기본포트인 6379와 redisInsight의 웹사이트 기본포트인 8001을 그대로 사용하도록 설정하였는데, 물론 다른 포트로 매핑해서 사용할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*8ysHRgZU-hWc6KBr.png" /></figure><p>물론 일반적인 Redis 인스턴스에 연결할 때와 마찬가지로 redis-cli를 사용하여 서버에 연결할 수 있습니다.<br>redis-cli가 로컬에 설치되어 있지 않은 경우, Docker 컨테이너에서 실행할 수 있습니다:</p><pre>$ docker exec -it redis-stack redis-cli</pre><p><a href="https://redis.io/docs/stack/get-started/install/docker/">Run Redis Stack on Docker</a></p><h3>Redis Stack Configuration</h3><h4>Persistence 설정</h4><p>Redis 데이터를 별도로 로컬에 저장할 수 있는데 -v옵션을 통해 저장할 로컬 볼륨(디렉토리)를 지정할 수 있습니다. 아래의 명령어는 Redis에 생성되는 모든 데이터를 로컬 디렉터리 local-path에 저장하게 됩니다. Redis내부적으로 데이타가 저장되는 위치는 /DATA입니다.</p><ul><li>-v [저장할 로컬경로]:/DATA</li></ul><pre>$ docker run -v /local-path/:/DATA redis/redis-stack:latest</pre><h4>Ports 포워딩</h4><p>다른 포트로 Redis Stack 서버 또는 RedisInsight를 접급하려면 -p 옵션의 왼쪽 부분을 변경하면 됩니다. 아래의 명령은 포트 10001에 Redis Stack 서버를, 포트 13333에 RedisInsight를 지정하도록 설정한 상태입니다.</p><ul><li>기본값: Redis — 6379, RedisInsight — 8001</li><li>-p [기존포트]:[변경포트]</li></ul><pre>$ docker run -p 10001:6379 -p 13333:8001 redis/redis-stack:latest</pre><h4>Config files 설정</h4><p>기본적으로 Redis Stack 컨테이너는 Redis와 마찬가지로 Redis의 내부 구성 파일(redis-stack.conf)을 사용합니다. 이 또한 -v옵션을 사용하여 별도의 커스터마이징한 로컬 구성 파일로 Redsi Stack을 실행시킬 수 있습니다.</p><pre>$ docker run -v /local-redis-stack.conf:/redis-stack.conf -p 6379:6379 -p 8001:8001 redis/redis-stack:latest</pre><h3>Redis Stack 영속성 및 커스텀 환경 설정</h3><p>사실 Redis의 사상으로 보면 영속성 기반의 데이타 관리는 백업용을 위한 최소한의 용도도 사용하는 것이 적합할 것입니다. 또한 아래에 소개하는 영속성 모드의 설정값을 잘못 사용하는 경우, Redis Core의 퍼포먼스에 영향을 주게 됩니다.</p><p>때문에 대량의 트랜잭션과 I/O가 발생하는 서비스에서 실시간성 데이타를 다루기 위한 용도로 Redis를 사용하는 경우애는 아래의 옵션을 제대로 설정해서 사용해야 합니다.</p><p>Redis를 완전한 영속성을 띈 스토리지 목적으로 사용하기 위해 아래의 옵션을 사용하는 것은 권장하지 않습니다.</p><p><strong>그런 목적이라면 범용 RDBMS나 또는 파일기반(HDFS)의 Kafka와 같은 서비스를 검토하는것을 추천합니다.</strong></p><p>Redis로 이런 방법으로 데이타의 영속성 보장이 가능하다 정도로만 참고하시면 좋을것 같습니다.</p><p>1. 우선 Redis 데이타가 저장될 로컬 저장경로와 파일를 설정합니다. 위의 Persistance 설명을 참고하시면 됩니다.</p><ul><li>컨테이너의 마운트 폴더는 DATA로 지정합니다.</li><li>Redis에 데이타가 생성되면 아래의 환경설정에 따라 지정된 로컬 파일에 데이타가 저장됩니다.</li><li>도커가 구동될때 해당 로컬경로의 파일을 읽어들여 Redis에 로딩합니다.</li></ul><p>2. 데이타 저장방식을 지정할 커스텀 설정파일을 구성합니다.</p><ul><li>로컬에 환경설정 파일 생성하고 위의 Config file 설정 설명처럼 마운트 옵션(-v)를 사용하여 컨테이너 구성시 마운트를 시켜주면 됩니다.<br>ex) /path/to/redis-stack.conf</li><li>아래는 Redis Stack의 환경설정파일의 항목 중 영속성 모드에 관련된 일부 항목들 입니다.</li></ul><pre>save 300 1<br>dbfilename redis-dump.rdb<br>dir /data<br>appendonly no</pre><p><strong>save 300 1</strong></p><ul><li>save [초] [변경Key수] — 300초동안 1개 이상의 Key에 대한 변동이 일어난 경우 데이타가 저장되도록 설정한 상태입니다.</li><li>save 옵션에 따라 저장(동기화)주기가 변하기 때문에, 주기를 짦게 할수록 Redis의 부하는 당연히 증가하면 위에서 언급한대로 이런 옵션들의 설정을 잘못한 경우, Redis 성능에 심각한 성능저하 및 부하를 발생시킬 수 있습니다.</li></ul><p><strong>dbfilename redis-dump.rdb<br>dir /data</strong></p><ul><li>Redis 데이타가 저장될 파일이며 영속성 모드의 형태로 사용할 경우, 즉 데이타 파일을 별도의 로컬경로의 외부파일로 설정해서 마운트한 경우에는 Redis가 구동될때 해당파일이 마운트 되면서 파일은 내용이 로드됩니다.</li></ul><p><strong>appendonly no</strong></p><ul><li>데이타 저장시 rdb파일 저장방식만 사용하겠다는 의미입니다. yes로 할 경우, AOF방식을 사용하게 됩니다.</li></ul><p>데이타 저장관련 속성들에 대한 자세한 정보는 아래 링크를 참조하면 좋을것 같습니다.</p><p><a href="https://hoooon-s.tistory.com/25">[Redis] AOF vs RDB - Redis 메모리 관리 방식 비교</a></p><p>위의 내용을 정리하면,<br>아래의 명령어로 영속성 데이타 저장에 필요한 구성으로 Redis-Stack(Redis)를 구동할 수 있습니다.</p><pre>$ docker run -v /path/to/redis-stack.conf:/redis-stack.conf -v /path/to:/DATA -p 6379:6379 -p 8001:8001 redis/redis-stack:latest</pre><p><strong>-v /path/to/redis-stack.conf:/redis-stack.conf</strong></p><ul><li>redis-stack.conf — 로컬에서 생성/설정한 conf 파일 (/path/to/redis-stack.conf)이도커 컨테이너로 마운트 됨</li></ul><p><strong>-v /path/to:/DATA</strong></p><ul><li>Redis 데이타가 로컬경로(/path/to) 에 저장되고, 구동시 해당 파일의 데이타가 로드됨</li><li>저장되는 파일은 설정파일에서 설정한 ‘dbfilename redis-dump.rdb’ 의 파일명으로 저장됨</li></ul><h4>고려사항</h4><ul><li>캐시의 목적보다 DB(영속성 데이타의 보관)의 목적이 높고 성능에 크리티컬한 서비스가 아닐 경우에만 사용고려</li><li>RDB 와 AOF방식을 같이 쓰게되면 실시간 동기화가 가능하나, 서버에 많은 부하를 발생</li><li>적절한 SAVE 옵션 활용 필요</li></ul><h3>Redis 환경 설정 확인</h3><p>redis cli 에서 info server 명령어로 현재 Redis Server의 환경구성 정보를 확인할 수 있습니다.</p><pre>&gt; info server</pre><pre><br># Server<br>redis_version:6.2.7<br>redis_git_sha1:00000000<br>redis_git_dirty:0<br>redis_build_id:adcdff4a0d295794<br>redis_mode:standalone<br>os:Linux 5.10.124-linuxkit x86_64<br>arch_bits:64<br>monotonic_clock:POSIX clock_gettime<br>multiplexing_api:epoll<br>atomicvar_api:c11-builtin<br>gcc_version:9.4.0<br>process_id:9<br>process_supervised:no<br>run_id:8736ea715dc5983131b4d201d69523bc8fa00127<br>tcp_port:6379<br>server_time_usec:1664763230283469<br>uptime_in_seconds:85<br>uptime_in_days:0<br>hz:10<br>configured_hz:10<br>lru_clock:3818846<br>executable:/opt/redis-stack/bin/redis-server<br>config_file:/redis-stack.conf<br>io_threads_active:0</pre><p>또는 config 명령어로 특정 환경설정 항목에 대한 설정값 확인이 가능하다.</p><pre>&gt; config get dir</pre><pre>1) &quot;dir&quot;<br>2) &quot;/data&quot;</pre><p>설정파일을 검색(get)해서 dir 속성에 대한 정보만 보여줍니다.</p><pre>&gt; config get save</pre><pre>1) &quot;save&quot;<br>2) &quot;300 1&quot;</pre><pre>&gt; config get dbfilename</pre><pre>1) &quot;dbfilename&quot;<br>2) &quot;redis-dump.rdb&quot;</pre><p>영속성 관련한 속성값을 위와 같이 config get [속성명]으로 확인 할 수 있습니다.</p><h3>Redis Insight</h3><p>사실 Redis를 사용하면서 <a href="https://getmedis.com/">Medis</a>와 같은 일부 유료 툴을 제외하면 사용할 만한 클라이언트 툴이 거의 없었는데, Redis-Stack이 출시되면서 꽤 괜찮은 공식 클라이언트 툴이 나왔습니다.</p><p>물론, 위에서 설명한대로 Redis-Server를 설치하면 별도의 클라이언트 툴 설치 필요없이 웹브라우저로 접속하여 동일한 수준으로 사용이 가능합니다.</p><p>별도의 클라이언트를 설치하려면 아래의 주소로 가서 다운받아 설치하면 됩니다.</p><p><a href="https://redis.io/docs/ui/insight/">RedisInsight</a></p><p>기존 유료 툴과 비교해도 크게 불편하지 않는 수준의 기능과 인터페이스를 제공하고 있기 때문에 Redis 기반 개발에 많은 도움이 될 것 같습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b98d47d744b2" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Redis Stack #1 — 소개 (feat. Redis OM Spring)]]></title>
            <link>https://yongkyu-jang.medium.com/redis-stack-1-%EC%86%8C%EA%B0%9C-feat-redis-om-spring-a6a91a8e8ef1?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/a6a91a8e8ef1</guid>
            <category><![CDATA[redis]]></category>
            <category><![CDATA[orm]]></category>
            <category><![CDATA[spring-data]]></category>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[spring-boot]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Sun, 05 Mar 2023 08:07:18 GMT</pubDate>
            <atom:updated>2023-03-05T08:13:46.380Z</atom:updated>
            <content:encoded><![CDATA[<h3>Redis Stack #1 — 소개 (feat. Redis OM Spring)</h3><h4>Redis Stack</h4><p>Redis Stack 이 나온지는 꽤 되었지만, 그 유용함과 확장의 성격에 비해 아직까지는 공유된 사례가 많지 않아 간략히 개요정도의 수준으로 소개해 봅니다. 개인적으로 Redis라는 기술 자체를 좋아하고, 지금 실무에도 너무나 유용하게 활용하고 있기 때문에 Redis Stack 또한 지금의 Redis가 제공하는 기능 이상의 흥미있고, 유용한 기능들을 제공해 줄 수 있다고 기대하고 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/598/1*PNHPya1sl_OzcEwqXjag9Q.png" /></figure><p>참고로 해당글은 아래의 블로그에도 동일하게 게재됩니다.<br><a href="https://yonguri.tistory.com/147">https://yonguri.tistory.com/147</a></p><h4>개요</h4><p><strong>Redis의 확장서비스로 최신 데이타모델 지원과 처리 엔진(데이타 처리도구)을 제공, 기존 레디스 기능을 모두 포함하고 확장기능을 제공하기 위한 5개의 모듈을 탑재.</strong></p><ul><li>RedisSearch -Full-Text 검색 지원</li><li>RedisJSON — 쿼리가능한 JSON 문서 지원</li><li>RedisGraph — Cyper 쿼리언어를 사용한 그래프 데이타 모델</li><li>RedisTimeSeries — 시계열 데이타 처리 (수집 및 쿼리)</li><li>RedisBloom — 확률적 데이타 구조</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EvdUuW91aO6fBWzEe0h-zQ.png" /><figcaption>현재 포함된 모듈 버전</figcaption></figure><ul><li>Redis Stack을 구성하는 각 모듈들이 제공하는 서비스의 범위로 봤을때는 왠만한 상용 RDBMS가 제공하는 데이타의 관리기능 및 분석 기능들은 모두 커버할 만한 수준으로 보입니다. 특히 쿼리가능한 JSON 문서를 지원하는 <strong>RedisJSON</strong>이나 Text Search가 가능한 RedisSearch, 시계열 데이타 처리에 사용되는 <strong>RedisTimeSeries</strong>기능은 실시간성 서비스를 필요로 하는 서비스에는 매우 유용할 것으로 생각됩니다.</li><li>결국은 Redis Stack은 왠만한 웹서비스의 Data영역 전체를 커버하는 수준의 기능을 제공하는 서비스로 볼 수 있으며, 기존의 Redis를 사용하는 주 목적이었던 순수한 캐시용도 또는 간단한 Pub/Sub 역할을 하는 메세지 브로커 역할로 사용하기에는 오버스펙인 서비스로 보입니다.</li><li>공식 사이트의 소개글을 보면 그 목적이 기존의 Redis와는 다름을 알 수 있습니다.</li></ul><blockquote><em>Redis Stack was created to allow developers to build real-time applications with a backend data platform that can reliably process requests in milliseconds or less. Redis Stack does this by taking the original Redis OSS as the core and enhancing it with modern data models, data processing tools, and continuing to fight complexity at every turn. Ultimately, the goal of Redis Stack is to build a real-time data platform that continues to fulfill the philosophy of Redis OSS: simplicity, performance, and reliability.</em></blockquote><blockquote><em>Redis Stack unifies and simplifies the developer experience of Redis by offering all the cutting-edge capabilities provided by the leading Redis modules. Redis Stack bundles the following capabilities into Redis: </em><a href="https://redis.io/docs/stack/json"><em>RedisJSON</em></a><em>, </em><a href="https://redis.io/docs/stack/search"><em>RediSearch</em></a><em>, </em><a href="https://redis.io/docs/stack/graph"><em>RedisGraph</em></a><em>, </em><a href="https://redis.io/docs/stack/timeseries"><em>RedisTimeSeries</em></a><em>, and </em><a href="https://redis.io/docs/stack/bloom"><em>RedisBloom</em></a><em>.</em></blockquote><blockquote><em>The overarching vision is to provide developers with a powerful platform for all real-time data use cases. As we continue to advance the capabilities of Redis beyond caching, Redis Stack is the place to start. Redis Stack delivers the core capabilities developers love about Redis and goes beyond to help you build modern applications where performance is paramount.</em></blockquote><p>요약(번역)하자면 이런 내용입니다.</p><blockquote><em>가장 중요한 비전은 개발자에게 모든 </em><strong><em>실시간 데이터</em></strong><em> 사용 사례를 위한 강력한 플랫폼을 제공하는 것입니다. 캐싱을 넘어 Redis의 기능을 지속적으로 발전시켜 나가고 있으며, 그 시작은 바로 Redis Stack입니다. Redis Stack은 개발자들이 좋아하는 Redis의 핵심 기능을 제공하며, 그 이상의 기능을 제공하여 성능이 가장 중요한 최신 애플리케이션을 구축할 수 있도록 지원합니다.</em></blockquote><h4>Redis Service</h4><p>Redis Stack은 Redis 엔진(Redis OSS) + 확장기능을 포함한 서비스로 결국 상용 플랫폼 서비스로 가기 위한 시작점이라고 볼 수 있겠습니다. 현재 Redis는 아래의 3가지 서비스로 구분해서 제공됩니다.</p><ul><li><a href="https://redis.io/download/#redis-downloads">Redis OSS</a>: the core engine for our software and services</li><li><a href="https://redis.io/download/#redis-stack-downloads">Redis Stack</a>: the starting point for developers who want all the power of Redis OSS and the the latest innovations Redis, Inc. has to offer all in an easy to use software package.</li><li><a href="https://redis.com/redis-enterprise/advantages/">Redis Enterprise</a>: our commercial product. Redis Enterprise maintains the simplicity and high performance of Redis, while adding many enterprise-grade capabilities including</li></ul><p>Redis Enterprise의 경우, 상용서비스로 아래의 기능들과 더불어 클라우드 기반의 운영기능도 같이 제공합니다.</p><ul><li>Linear scaling to hundreds of millions of operations per second</li><li>Improved high availability with up to 99.999% uptime</li><li>Geo-replicated, active-active data distribution</li><li>Data tiering</li><li>Advanced security features</li><li>Several deployment options (managed cloud service, software packages, K8s)</li><li>24/7 support</li></ul><p>본 글은 Redis Stack소개에 대한 내용을 다루기 때문에 Redis Enterprise나 클라우드에 대한 상세한 정보는 아래의 링크를 참고하시기 바랍니다.</p><p><a href="https://redis.com/redis-enterprise-cloud/overview/">https://redis.com/redis-enterprise-cloud/overview/</a></p><h4>Redis Client Library ( For Spring ORM )</h4><p>Redis와 마찬가지로 여러 언어기반 Redis Client 모듈을 지원합니다.</p><ul><li>.NET, java(Spring), python, node</li><li><a href="https://redis.io/docs/stack/get-started/clients/">https://redis.io/docs/stack/get-started/clients/</a></li></ul><p><strong>특히, Java의 경우 Spring Data기반 고수준(High-Level)의 API를 제공하고 있기 때문에 기존 Data Access 처리와 동일한 형태로 Repository와 Data Model 클래스를 구현할 수 있습니다.</strong></p><p><a href="https://github.com/redis/redis-om-spring">https://github.com/redis/redis-om-spring</a></p><p>특히 SpringBoot 기반 프로젝트일 경우, 간단한 어노테이션 설정만으로 Spring ORM기반의 추상화된 SDR(Spring Data Redis) API를 사용할 수 있습니다.</p><p>SpringBoot Main 클래스</p><pre>@SpringBootApplication<br>@Configuration<br>@EnableRedisDocumentRepositories(basePackages = &quot;com.redis.om.documents.*&quot;)<br>public class RedisOrmApplication {<br>	public static void main(String[] args) {<br>    	SpringApplication.run(RedisOrmApplication.class, args);<br>  	}<br>}</pre><p>EnableRedisDocumentRepositories 어노테이션을 사용하여 @Document 어노테이션이 있는 Spring 모델 객체의 Scan이 가능해집니다. 그리고 CRUD 작업 및 사용자 정의 쿼리(모두 Spring 데이터 쿼리 인터페이스를 선언하여)에 사용할 수 있는RedisDocumentRepository 인터페이스를 구현하는 리포지토리 빈을 주입하여 비즈니스 로직을 구현하게 됩니다.</p><p>즉, @EnableRedisDocumentRepositories 어노테이션만 추가하면 Redis를 SDR기반으로 사용할 준비는 끝나게 됩니다.</p><p>Domain Model 클래스</p><pre>package com.redis.om.documents.domain;<br><br>import java.util.HashSet;<br>import java.util.Set;<br>import org.springframework.data.annotation.Id;<br>import org.springframework.data.geo.Point;<br>import com.redis.om.spring.annotations.Document;<br>import com.redis.om.spring.annotations.Searchable;<br>import lombok.*;<br>@Data <br>@NoArgsConstructor <br>@RequiredArgsConstructor(staticName = &quot;of&quot;) <br>@AllArgsConstructor(access = AccessLevel.PROTECTED) <br>@Document <br>public class Company {<br>  @Id private String id;<br>  @Searchable private String name;<br>  @Indexed private Point location;<br>  @Indexed private Set&lt;String&gt; tags = new HashSet&lt;&gt;();<br>  @Indexed private Integer numberOfEmployees;<br>  @Indexed private Integer yearFounded;<br>  private String url;<br>  private boolean publiclyListed;<br>  // ...<br>}</pre><p>Redis OM Spring은 클래스 수준의 @Document 어노테이션을 제공하여 해당 어노테이션이 적용된 클래스 객체를 RedisJSON구조의 객체로 매핑해줍니다. 즉 JSON기반의 구조로 데이타가 관리되며 RedisJSON이 제공하는 쿼리기반의 JSON 문서기반을 가능하게 해줍니다.</p><p><a href="https://redis.io/docs/stack/json/">https://redis.io/docs/stack/json/</a></p><p>@Searchable이나 @Indexed와 같은 어노테이션이 그런 기능을 가능하게 해줍니다.<br><a href="https://redis.io/docs/stack/search/indexing_json/">https://redis.io/docs/stack/search/indexing_json/</a></p><p>@Id 어노테이션은 식별자(Identifier)를 생성하기 위한 어노테이션으로 RDMS의 테이블의 PK(Primary Key)와 유사한 역할을 합니다.</p><p>해당 어노테이션의 붙은 변수가 String 유형으로 정의되면 Redis OM Spring은 기존의 UUID 기본키 생성전략보다 키 생성속도가 빠르고 보기쉬운 ULID(Universally Unique Lexicographically Sortable Identifier)로 대체하여 생성합니다.</p><p>Repository 클래스</p><pre>package com.redis.om.documents.repositories;<br><br>import java.util.*;<br>import org.springframework.data.geo.Distance;<br>import org.springframework.data.geo.Point;<br>import org.springframework.data.repository.query.Param;<br>import com.redis.om.documents.domain.Company;<br>import com.redis.om.spring.annotations.Query;<br>import com.redis.om.spring.repository.RedisDocumentRepository;<br>public interface CompanyRepository extends RedisDocumentRepository&lt;Company, String&gt; {<br>  // find one by property<br>  Optional&lt;Company&gt; findOneByName(String name);<br>  // geospatial query<br>  Iterable&lt;Company&gt; findByLocationNear(Point point, Distance distance);<br>  // find by tag field, using JRediSearch &quot;native&quot; annotation<br>  @Query(&quot;@tags:{$tags}&quot;)<br>  Iterable&lt;Company&gt; findByTags(@Param(&quot;tags&quot;) Set&lt;String&gt; tags);<br>  // find by numeric property<br>  Iterable&lt;Company&gt; findByNumberOfEmployees(int noe);<br>  // find by numeric property range<br>  Iterable&lt;Company&gt; findByNumberOfEmployeesBetween(int noeGT, int noeLT);<br>  // starting with/ending with<br>  Iterable&lt;Company&gt; findByNameStartingWith(String prefix);<br>}</pre><p>다른 Spring 데이터 리포지토리와 마찬가지로, Redis OM Spring 데이터 리포지토리의 Interface 생성방식도 거의 동일합니다.</p><p>Repository의 대상이 되는 Domain 클래스와 Domain 클래스의 ID 유형(@Id 어노테이션이 선언된 변수의 데이타유형)을 인수로 사용하는 RedisDocumentRepository를 상속받은 인터페이스를 생성하면 됩니다.</p><p>그리고 Query Name기반의 메소드를 정의하면 됩니다. 추가적으로 @Query나 SDR이 제공하는 어노테이션을 사용하여 커스텀하게 쿼리를 제너레이션 할 수도 있습니다.</p><p>참고로 RedisDocumentRepository 클래스는 Spring 데이터 클래스 PagingAndSortingRepository를 확장한 클래스입니다. 즉, Spring 의 Pageble 객체를 사용해서 페이징 처리가 가능하다는 의미입니다.</p><p>인터페이스에 쿼리 메서드를 선언합니다. 둘 다, CRUD 메서드를 노출하거나 런타임에 Redis OM Spring이 수행할 복잡한 쿼리에 대한 선언을 생성할 수 있습니다.</p><p>실제 리포지토리 프록시는 메서드 명으로 부터 Query를 도출할때 두 가지 방법을 사용해서 도출합니다.</p><ul><li>메서드 이름에서 쿼리를 직접 파생하는 방법</li><li>@Query 또는 @Aggregation 어노테이션을 사용하여 수동으로 정의한 쿼리를 사용합니다.</li></ul><p>글을 적다 보니 Redis Stack 내용보다 Redis OM Spring에 대한 내용이 더 많이 나온 것 같습니다. 다음편(#2)에는 Redis Stack 설치 및 기본적인 환경구성에 대해서 다루어 보도록 하겠습니다.</p><p>그리고 기회가 된다면 Redis OM Spring에 대해서는 따로 주제를 만들어 추후에 기회가 되면 좀 더 깊게 다루어 보도록 하겠습니다.</p><h3>참고 문서</h3><ul><li>Reis Stack 공식사이트 — <a href="https://redis.io/docs/stack/">https://redis.io/docs/stack/</a></li><li>Redis OM Spring — <a href="https://redis.io/docs/stack/get-started/tutorials/stack-spring/">https://redis.io/docs/stack/get-started/tutorials/stack-spring/</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a6a91a8e8ef1" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[[IntelliJ 플러그인 소개] POJO from JSON Generator — RoboPOJO Generator]]></title>
            <link>https://yongkyu-jang.medium.com/intellij-%ED%94%8C%EB%9F%AC%EA%B7%B8%EC%9D%B8-%EC%86%8C%EA%B0%9C-pojo-from-json-generator-robopojo-generator-9a83a5405d84?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/9a83a5405d84</guid>
            <category><![CDATA[intellij]]></category>
            <category><![CDATA[spring-boot]]></category>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[pojo-to-json]]></category>
            <category><![CDATA[intellij-plugin]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Thu, 29 Jul 2021 07:58:50 GMT</pubDate>
            <atom:updated>2021-07-29T07:58:50.400Z</atom:updated>
            <content:encoded><![CDATA[<h3>[IntelliJ 플러그인 소개] POJO from JSON Generator — RoboPOJO Generator</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/954/0*QVbMSMon1ssWE7Lr.png" /></figure><p>일반적으로 API 어플리케이션(REST API)을 만들 때 가장 먼저 시작하는 작업이 요청과 응답객체를 생성하는 부분입니다.</p><p>API Endpoint 수에 따라 적게는 수십 개 , 많게는 몇백 개 이상의 요청/응답 객체 — 일반적으로 DTO로 불리는 객체-를 POJO 클래스로 만들어야 하는데요.</p><p>설계된 문서 또는 JSON — 이제 거의 모든 REST API의 요청/응답유형은 JSON구조를 사용합니다 — 텍스트를 보고 일일이 타이핑으로 수많은 요청/응답객체를 만드다는 게 매우 비효율적인 작업입니다.</p><p><strong>단순 반복작업인데다가 휴먼 오류(오타)의 가능성도 크기 때문입니다.</strong></p><p>이런 작업들을 줄일 수 있는 인텔리J의 플러그인을 하나 소개합니다.</p><p>인텔리 J 마켓플레이스에서 JSON 구조의 텍스트를 POJO로 Generation 해주는 플러그인은 몇 가지가 있는데요,<br>그중에서 사용법이 가장 단순하면서 오류가 적다고 느꼈던 Tool입니다.</p><p><a href="https://plugins.jetbrains.com/plugin/8634-robopojogenerator">RoboPOJOGenerator — Plugins | JetBrains</a></p><p>설치 및 사용방법은 너무 간단합니다.</p><p>프로젝트의 설정화면으로 들어갑니다. ( 단축기: Command + , )</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/948/0*6Df_dcqQbgCnZdlq.png" /></figure><p>PlugIns 메뉴의 마켓플레이스로 들어가서 JSON to POJO 검색하면 관련 플러그인들이 몇 개 검색됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*T-iGDmh2V50CE-Fv.png" /></figure><p>그중에서 RoboPOJO Generator를 선택하고 설치합니다.</p><p>설치가 완료되면 메뉴&gt; File &gt; New에 ‘Generatoe POJO from JSON ‘이라는 메뉴가 추가되고, 아래와 같이 오른쪽 마우스 버튼 메뉴에도 추가가 됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CEBIdq_LgJl7MKmm.png" /></figure><p>POJO를 만들 패키지(디렉토리)를 선택하고 클릭하면 아래의 Generation 창이 정상적으로 열립니다.</p><p>참고로 패키지를 선택하지 않은 상태에서 클릭하면 오류가 발생하니 꼭 생성할 패키지를 지정하고 사용하셔야 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*HphmuAm6pslNWdAA.png" /></figure><p>기능에 대한 설명을 굳이 따로 설명을 하지 않아도 될 정도로 쉽고, 직관적으로 되어 있습니다.</p><p>다양한 JSON 관련 라이브러리를 지원하는데,<br>저는 Spring Boot기반이라 기본적으로 jackson 라이브러리가 사용되고 있어 none 으로 설정하고 사용합니다.</p><p>참고로 lombok으로 선택하고 사용하게 되면<br>클래스레벨에 lombok의 @Data 어노테이션이 붙어서 생성되게 됩니다.</p><p>실제로 아래의 샘플 JSON으로 POJO를 만들어 보면 중첩 구조라<br>POJO클래스가 두 개 생성됩니다.</p><pre>{<br>    &quot;resultStatus&quot;: 1,<br>    &quot;resultMessage&quot;: &quot;성공&quot;,<br>    &quot;siteInfoList&quot;: [<br>        {<br>            &quot;siteId&quot;: 8,<br>            &quot;siteName&quot;: &quot;Test&quot;,<br>            &quot;siteAddress&quot;: &quot;Test&quot;,<br>            &quot;siteType&quot;: &quot;Test&quot;,<br>            &quot;inScheduleYmd&quot;: &quot;Test&quot;,<br>            &quot;installState&quot;: &quot;Test&quot;,<br>            &quot;accessIp&quot;: &quot;Test2&quot;,<br>            &quot;developerCorp&quot;: &quot;Test&quot;,<br>            &quot;builderCorp&quot;: &quot;Test&quot;,<br>            &quot;homepageDomain&quot;: &quot;Test&quot;,<br>            &quot;etcDesc&quot;: &quot;Test&quot;,<br>            &quot;ipUpdateTime&quot;: 1608022056000,<br>            &quot;poscoYn&quot;: &quot;N&quot;<br>        }<br>    ]<br>}</pre><p>기본적으로 depth를 가지는 중첩 구조의 JSON 일 경우, 이 플러그인은 각 각의 개별 클래스로 생성시켜 줍니다.</p><p>메인 POJO 클래스의 이름은 생성할 때 입력한 이름으로 생성되고,<br>중첩 JSON으로 만들어진 POJO클래스의 이름은 <strong>해당 JSON 프로퍼티명 + ‘Item’</strong>의 이름으로 생성되게 됩니다.</p><p>inner class로 생성될 필요가 있을 때는 추가 작업이 필요해서,<br>이 부분을 옵션으로 지원하지 않는 부분은 살짝 아쉬운 점이라고 생각됩니다.</p><pre>package com.ht.parasite.core.dto;</pre><pre>import java.util.List;<br>import lombok.Data;</pre><pre>public @Data class SiteInfoRes{<br>    private int resultStatus;<br>    private List&lt;SiteInfoListItem&gt; siteInfoList;<br>    private String resultMessage;<br>}</pre><pre>package com.ht.parasite.core.dto;</pre><pre>import lombok.Data;</pre><pre>public @Data class SiteInfoListItem{<br>    private String accessIp;<br>    private long ipUpdateTime;<br>    private String siteName;<br>    private String siteAddress;<br>    private String homepageDomain;<br>    private String inScheduleYmd;<br>    private String developerCorp;<br>    private String installState;<br>    private String poscoYn;<br>    private int siteId;<br>    private String builderCorp;<br>    private String etcDesc;<br>    private String siteType;<br>}</pre><p>생성된 POJO 클래스 코드입니다.</p><p>lombok으로 지정하고 생성했기 때문에 @Data 어노테이션이 붙어 있습니다.<br>즉, getter, setter, contructor 메서드 코드가 필요 없기 때문에 생성되지 않았습니다.</p><p>POJO를 생성할 때 멤버 변수의 데이터 타입은 json 코드의 value 값으로 판단해서 적용됩니다.</p><p>참고로 value가 null로 되어 있는 상태에서 생성하게 되면,<br>어떤 타입인지 판단할 수 없기 때문에 Object 타입으로 생성됩니다.</p><p>단순한 기능이지만<br>반복 작업과 휴면 오류를 많이 줄여줄 수 있는 유용한 도구인 것 같아 포스팅해 보았습니다.</p><p>동일 기능을 제공하는 다른 플러그인도 많이 있으니,<br>사용해보면서 자기에게 맞는 것을 선택해서 사용하시면 좋을 것 같습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9a83a5405d84" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[[JAVA — Spring]Jackson의 AnnotationIntrospector을 이용한 특정 프로퍼티 마스킹처리하기]]></title>
            <link>https://yongkyu-jang.medium.com/java-spring-jackson%EC%9D%98-annotationintrospector%EC%9D%84-%EC%9D%B4%EC%9A%A9%ED%95%9C-%ED%8A%B9%EC%A0%95-%ED%94%84%EB%A1%9C%ED%8D%BC%ED%8B%B0-%EB%A7%88%EC%8A%A4%ED%82%B9%EC%B2%98%EB%A6%AC%ED%95%98%EA%B8%B0-be73f2ba520d?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/be73f2ba520d</guid>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[spring-annotation]]></category>
            <category><![CDATA[spring-boot]]></category>
            <category><![CDATA[jackson]]></category>
            <category><![CDATA[json]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Thu, 29 Jul 2021 07:49:48 GMT</pubDate>
            <atom:updated>2021-07-29T07:49:48.430Z</atom:updated>
            <content:encoded><![CDATA[<h3>[JAVA — Spring]Jackson의 AnnotationIntrospector을 이용한 특정 프로퍼티 마스킹처리하기</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*o8wNFJDWiVbg6E0U.png" /></figure><p>API 어플리케이션에서 로깅 처리를 할 때<br>기본적으로는 API에 대한 요청정보 — RequestBody-와 응답 정보 — ResponsBody — 는 출력하도록 설정합니다.</p><p>API의 스펙대로 요청 항목이 정확하게 들어왔는지,<br>응답 값이 정상적으로 반환되었는지를 확인하고 그 근거를 남기기 위해서 필요한 최소한의 정보라고 할 수 있습니다.</p><p>특히 외부에 제공하는 서비스의 성격을 띤 API 애플리케이션의 경우는<br>서비스의 장애 발생 시, 원인 파악과 해결을 위한 필수적인 정보가 됩니다.</p><p>물론 헬스체크 등, 비즈니스와 상관없는 로깅 자체가 불필요한 API의 경우에는 해당 API 자체가 로깅에서 제외되도록 처리하는 게 필요하겠죠.</p><p>그 방법에 대해서는 제가 이전에 올린 글을 참고하시면 됩니다.</p><p><a href="https://yonguri.tistory.com/106?category=359077">[스프링,스프링부트] 커스텀 어노테이션(Custom Annotation)을 활용한 AOP에서의 로깅처리</a></p><p>REST API의 경우라면<br>대부분의 응답유형이 JSON이기 때문에 로깅도 JSON 구조로 출력되도록 구현합니다.</p><p>Spring이 기본적으로 사용하는 JSON 라이브러리인 Jackson을 사용해서<br>요청과 응답을 처리하는 공통모듈 등에서 Serializaiton을 통해 JSON String으로 출력하도록 합니다.</p><p>그런데 요청/응답항목 중에도<br>꼭 로깅을 할 필요가 없는 항목들(정확하게는 항목의 값)이 있을 수 있습니다.</p><p>좀 더 구체적으로 얘기하자면</p><ul><li>값 전체를 보여주지 않아야 하는 경우(보안상의 이유 등)</li><li>항목 값이 너무 커서 (이미지 파일의 Base64 인코딩 코드 등) 로깅 파일의 용량이 불필요하게 커진다거나 그로 인한 서버의 성능에 영향을 끼칠 때</li></ul><p>해당 항목 값을 줄여서 보여주거나, 아예 보여주지 않거나 또는 마스킹 처리를 해야 할 필요성이 생길 수 있습니다.</p><p>이렇게 API단위가 아닌<br>응답 객체(Response DTO)의 특정항목에 대해서 필터링을 해야 할 때,<br>Jackson 라이브러리의 setAnnotationIntrospector기능을 이용해 간단히 구현할 수 있는 방법을 공유합니다.</p><p>구현 절차는 다음과 같습니다.</p><ol><li>Custom Annotaion 생성 (Masking 처리를 담당)</li><li>AnnotationIntospector 정의</li><li>AnnotationIntospector ObjectMapper에 적용</li></ol><h4>Custom Annotaion 생성</h4><ul><li>마스킹 처리를 할 어노테이션 클래스를 생성합니다.</li></ul><pre>import com.fasterxml.jackson.annotation.JacksonAnnotation;</pre><pre>import java.lang.annotation.ElementType;<br>import java.lang.annotation.Retention;<br>import java.lang.annotation.RetentionPolicy;<br>import java.lang.annotation.Target;</pre><pre>@Target({ElementType.ANNOTATION_TYPE, ElementType.FIELD})<br>@Retention(RetentionPolicy.RUNTIME)<br>@JacksonAnnotation<br>public @interface MaskLogging {<br>  String value() default &quot;*****&quot;;<br>  String defaultValue() default &quot;*****&quot;;<br>}</pre><p>프로퍼티에서 적용할 어노테이션이기 때문에 Elementtype은 Field하나로만 정해주면 됩니다.</p><p>@Target({ElementType.ANNOTATION_TYPE, ElementType.FIELD})</p><p>이 어노테이션은 당연히 런타임 시에 실행되면 되기 때문에<br>@Retention(RetentionPolicy.RUNTIME)로 정의해 줍니다.</p><p>그리고 @JacksonAnnotation을 추가하여 이 어노테이션은</p><p>Jakson 라이브러리에서 사용되는 어노테이션임을 정의해줍니다.</p><p>이 어노테이션이 가지는 속성 값은 단순합니다. <br>어떤 값으로 마스킹할지 그 값을 지정하는 value 속성만 필요합니다.</p><p>values는 지정하지 않으면 디폴트로 “*****” 값이 마스킹으로 적용됩니다.<br>추가적으로 value 속성 값을 생략할 수 있도록 default값을 정의했습니다.</p><p>어노테이션의 적용은 일반적인 어노테이션 사용법과 동일합니다.<br>아래와 같이 Masking이 필요한 프로퍼티에서 어노테이션을 붙여주면 됩니다.</p><p>DTO 클래스</p><pre>public class ResponseBodyDto {<br>    private int id;<br>    private String name;<br>    private String addFileNm;<br>    private String addFileLoc;<br>    private Date creDt;<br>    ...<br>    ...<br>    @MaskLogging<br>    private String visitorImage;<br>    ...<br>    ...<br>}</pre><p>이렇게 임의의 마스킹 값을 지정해서 사용할 수도 있습니다.</p><pre>@MaskLogging(value = &quot;*****&quot;)<br>private String visitorImage;</pre><h4>Jackson AnnotationIntospector 정의</h4><pre>public static class MaskPropertyAnnotationIntrospector extends NopAnnotationIntrospector {<br>    private static final long serialVersionUID = 1L;</pre><pre>    @Override<br>    public Object findSerializer(Annotated am) {<br>      MaskLogging annotation = am.getAnnotation(MaskLogging.class);<br>      if (annotation != null) {<br>        return MaskPropertySerializer.class;<br>      }<br>      return null;<br>    }<br>  }</pre><pre>  public static class MaskPropertySerializer extends StdSerializer&lt;String&gt; implements ContextualSerializer {<br>    private static final long serialVersionUID = 1L;</pre><pre>    private String maskValue;</pre><pre>    public MaskPropertySerializer() {<br>      super(String.class);<br>    }</pre><pre>    public MaskPropertySerializer(String maskValue) {<br>      super(String.class);<br>      this.maskValue = maskValue;<br>    }</pre><pre>    @Override<br>    public void serialize(String value, JsonGenerator gen, SerializerProvider provider) throws IOException {<br>      gen.writeString(maskValue);<br>    }</pre><pre>    @Override<br>    public JsonSerializer&lt;?&gt; createContextual(SerializerProvider serializerProvider, BeanProperty beanProperty) throws JsonMappingException {<br>      String maskValue = null;<br>      MaskLogging ann = null;<br>      if (beanProperty != null) {<br>        ann =beanProperty.getAnnotation(MaskLogging.class);<br>      }<br>      if (ann != null) {<br>        maskValue = ann.value();<br>      }<br>      return new MaskPropertySerializer(maskValue);<br>    }<br>  }</pre><p>필요한 클래스는 2개입니다.<br>두 클래스 모두 정적 클래스로 생성하면 됩니다.</p><p><strong>MaskPropertyAnnotationIntrospector</strong></p><ul><li>NopAnnotationIntrospector 인터페이스를 구현한 AnnotationIntrospector 구현클래스입니다.</li><li>이 클래스는 findSerializer 메서드를 오버라이딩해서 마스킹어노테이션(MaskLogging 인터페이스)이 적용된 Serializer를 반환하게 됩니다.</li><li>실직적으로 Jackson의 ObjectMapper에 적용될 AnnotationIntrospector 입니다.</li></ul><p><strong>MaskPropertySerializer</strong></p><ul><li>ContextualSerializer 인터페이스를 구현한 Serializer 클래스입니다.</li><li>이 클래스는 실제로 Json의 Serialize를 담당하는 클래스로,<br>Serializer를 실행하는 시점에 MaskLogging 어노테이션이 적용된 프로퍼티에 마스킹 값이 적용되도록 처리합니다.</li></ul><h4>Jackson ObjectMapper에 AnnotationIntrospector 적용</h4><p>최종적으로 이렇게 생성된 AnnotationIntrospector 클래스를, 사용하고 있는 Jackson의 ObjectMapper에 적용합니다.</p><p>아래의 예시는 Object타입의 매개변수를 받아 Json String으로 변환해주는 메서드입니다.</p><p>일반적으로 스프링 부트 기반에서는 ObjectMapper를 빈으로 등록시켜 놓고 필요시 주입받아 사용할 텐데, 속성을 정의하는 방식은 동일합니다.</p><p><strong>적용 전 코드</strong></p><p>ObjectMapper 속성 중 프로퍼티의 Visiblility에 대한 속성만 적용되어 있는 상태입니다.</p><pre>public static String buildJsonStr(final Object src) {<br>  try {<br>    ObjectMapper mapper = Jackson2ObjectMapperBuilder.json().build();</pre><pre>    return mapper<br>        .setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.NONE)<br>        .setVisibility(PropertyAccessor.FIELD, JsonAutoDetect.Visibility.ANY)<br>        .writeValueAsString(src);<br>  } catch (Exception e) {<br>    mLog.error(&quot;stackTrace:&quot;, e);<br>  }<br>  return null;<br>}</pre><p><strong>적용 후 코드</strong></p><p>AnnotationIntrospector 가 적용된 코드입니다.<br>AnnotationIntrospectorPair.pair 메서드를 통해서 MaskPropertyAnnotationIntrospector 객체를 얻어옵니다.</p><pre>public static String buildJsonStr(final Object src) {<br>  try {<br>    ObjectMapper mapper = Jackson2ObjectMapperBuilder.json().build();<br>    AnnotationIntrospector sis = mapper.getSerializationConfig().getAnnotationIntrospector();<br>    AnnotationIntrospector ais = AnnotationIntrospectorPair.pair(sis, new MaskPropertyAnnotationIntrospector());</pre><pre>    return mapper<br>        .setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.NONE)<br>        .setVisibility(PropertyAccessor.FIELD, JsonAutoDetect.Visibility.ANY)<br>        .setAnnotationIntrospector(ais)<br>        .writeValueAsString(src);<br>  } catch (Exception e) {<br>    mLog.error(&quot;stackTrace:&quot;, e);<br>  }<br>  return null;<br>}</pre><p>합쳐진 최종 코드입니다.<br>추가된 클래스는 별도의 클래스로 분리해서 생성해도 상관없습니다.</p><pre>public static String buildJsonStr(final Object src) {<br>    try {<br>      ObjectMapper mapper = new ObjectMapper();<br>      AnnotationIntrospector sis = mapper.getSerializationConfig().getAnnotationIntrospector();<br>      AnnotationIntrospector ais = AnnotationIntrospectorPair.pair(sis, new MaskPropertyAnnotationIntrospector());</pre><pre>      return mapper<br>          .setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.NONE)<br>          .setVisibility(PropertyAccessor.FIELD, JsonAutoDetect.Visibility.ANY)<br>          .setAnnotationIntrospector(ais)</pre><pre>          .writeValueAsString(src);<br>    } catch (Exception e) {<br>      mLog.error(&quot;stackTrace:&quot;, e);<br>    }<br>    return null;<br>  }</pre><pre>  public static class MaskPropertyAnnotationIntrospector extends NopAnnotationIntrospector {<br>    private static final long serialVersionUID = 1L;</pre><pre>    @Override<br>    public Object findSerializer(Annotated am) {<br>      MaskLogging annotation = am.getAnnotation(MaskLogging.class);<br>      if (annotation != null) {<br>        return MaskPropertySerializer.class;<br>      }<br>      return null;<br>    }<br>  }</pre><pre>  public static class MaskPropertySerializer extends StdSerializer&lt;String&gt; implements ContextualSerializer {<br>    private static final long serialVersionUID = 1L;</pre><pre>    private String maskValue;</pre><pre>    public MaskPropertySerializer() {<br>      super(String.class);<br>    }</pre><pre>    public MaskPropertySerializer(String maskValue) {<br>      super(String.class);<br>      this.maskValue = maskValue;<br>    }</pre><pre>    @Override<br>    public void serialize(String value, JsonGenerator gen, SerializerProvider provider) throws IOException {<br>      gen.writeString(maskValue);<br>    }</pre><pre>    @Override<br>    public JsonSerializer&lt;?&gt; createContextual(SerializerProvider serializerProvider, BeanProperty beanProperty) throws JsonMappingException {<br>      String maskValue = null;<br>      MaskLogging ann = null;<br>      if (beanProperty != null) {<br>        ann =beanProperty.getAnnotation(MaskLogging.class);<br>      }<br>      if (ann != null) {<br>        maskValue = ann.value();<br>      }<br>      return new MaskPropertySerializer(maskValue);<br>    }<br>  }</pre><p>이제 해당 메서드를 호출해 JSON로그를 출력해보면 아래와 같이<br>MaskLogging 어노테이션이 붙은 프러퍼티가 마스킹 처리된 결과를 확인할 수 있습니다.</p><p>아래의 JSON 전문은 visitorImage 프로퍼티에 MaskLogging 어노테이션을 적용한 결과입니다.</p><p><strong>원본 JSON</strong></p><p>- 로그에서는 출력할 필요가 없는 이미지파일 Base64 Encoding 값이 출력되고 있습니다.</p><pre>...<br>...<br>{&quot;id&quot;:&quot;1&quot;,&quot;visitorImage&quot;:&quot;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...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&quot;}]} <br>...<br>...</pre><p><strong>적용 후 Json</strong></p><p>- @MaskLogging어노테이션이 적용된 프로퍼티의 값이 마스킹 처리되어 출력됩니다.</p><pre>...<br>...<br>{&quot;id&quot;:&quot;1&quot;,&quot;visitorImage&quot;:&quot;*****&quot;}]} <br>...<br>...</pre><p>설명은 길었지만 프로퍼티에 마스킹을 적용하는 방법은 매우 간단하며,<br>속성 값을 잘 이용하면 단순한 마스킹 기능 외에도<br>좀 더 다양한 방법으로 응용해서 사용할 수 있을 것 같습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=be73f2ba520d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[멀티쓰레드 구현을 좀더 편하게 ExecutorService 와 Executors]]></title>
            <link>https://yongkyu-jang.medium.com/%EB%A9%80%ED%8B%B0%EC%93%B0%EB%A0%88%EB%93%9C-%EA%B5%AC%ED%98%84%EC%9D%84-%EC%A2%80%EB%8D%94-%ED%8E%B8%ED%95%98%EA%B2%8C-executorservice-%EC%99%80-executors-d358cd42ed4d?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/d358cd42ed4d</guid>
            <category><![CDATA[multithreading]]></category>
            <category><![CDATA[java]]></category>
            <category><![CDATA[java-multithreading]]></category>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[executorservice]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Sun, 21 Mar 2021 10:26:10 GMT</pubDate>
            <atom:updated>2021-03-21T10:26:10.076Z</atom:updated>
            <content:encoded><![CDATA[<p>서비스를 구현하다 보면, <br>성능측면에서의 효과를 극대화 하기 위해<br>메서드 레벨에서 명시적인 방식으로 멀티쓰레드를 구현해야 할 필요가 있습니다.</p><p>특히, 외부서비스를 반복적으로 호출해야 할 경우,<br>실행 순서에는 상관없이 여러번 동일한 메서드를 호출해서 결과값을 Aggegation을 해야 할 필요가 있다면,<br>Single Thread 방식과 Multi Thread에 따라 그 효과는 더 극명하게 들어납니다. .</p><p>이런 멀티쓰레드 기반의 실행(Execute) 과 종료(Shutdown)등의 관리(Management)를 편하게 할 수 있도록 도와 주는 라이브러리를 사용해서 좀 더 쉽고 직관적으로 멀티쓰레드 기반의 로직을 구현 할 수 있습니다.</p><h3>ExecutorService, Executors</h3><h4>Executors</h4><p>Executor, ExecutorService, ScheduledExecutorService, ThreadFactory, Callable 등, 멀티 쓰레드 기반으로 실행되는 인터페이스들의 팩토리 클래스입니다.</p><p>특히, ThreadPoolExecutor 생성자를 통해서 여러 옵션의 쓰레드풀기반 ExecutorService의 구현체를 제공해 주기 때문에<br>멀티쓰레드 구현을 위해서는 대부분 아래의 방식으로 ExecutorService 구현체를 생성해서 여러 타스크들를 동시에 실행시키게 됩니다.</p><pre>ExecutorService executorService = Executors.newCachedThreadPool();</pre><h4>주요 ThreadPool 종류</h4><p>newFixedThreadPool(int nThreads)</p><ul><li>지정한 수 만큼의 고정된 쓰레드풀을 생성한다.</li></ul><p>newCachedThreadPool()</p><ul><li>호출 당시의 필요한 만큼의 쓰레드풀을 생성한다. Cached라는 이름이 붙은대로 이미 생성된 쓰레드는 Reuse하기 때문에 성능상의 이점을 좀 더 기대할 수 있다.</li></ul><p>newScheduledThreadPool(int corePoolSize)</p><ul><li>일정 시간 뒤에 실행되는 작업이나, 주기적으로 수행되는 쓰레드풀을 corePoolSize 인자 갯수만큼 생성한다.</li><li>아이들상태이더라도 corePoolSize만큼의 풀사이즈를 계속 유지한다.</li></ul><p>newWorkStealingPool(int parallelism)</p><ul><li>JDK1.8부터 지원하는 방식</li><li>parallelism — 병렬처리 레벨을 의미</li><li>병렬처리 레벨을 지정하지 않으면 현재 시스템의 core 프로세스 갯수를 기반으로 동적으로 Pool 사이즈가 할당된다.</li><li>즉, 시스템에 가용 가능한 만큼 쓰레드를 활용하는 ExecutorService를 생성한다.</li></ul><h3>ExecutorService</h3><p>Runnable 이나 Callable 인터페이스를 구현한 Task( = Thread )의 실행과 종료를 수행하는 인터페이스 입니다.</p><p>여기서 설명하는 예제는 Callable 를 구현한 클래스를 수행하고 그 결과를 Collections 형태의 결과로 반환하는 ExecutorService의 invokeAll() API를 사용했습니다.</p><p>ExecutorService 는 Executors 클래스가 제공하는 ThreadPool을 통해서 구현이 가능합니다.</p><pre>ExecutorService executorService = Executors.newCachedThreadPool();<br>List&lt;Future&lt;Map&lt;Integer, String&gt;&gt;&gt; resultList = executorService.invokeAll(roomStatusJobs);</pre><p>지금부터는 간단한 예제를 통해서 ExecutorService 를 사용했을때와 사용하지 않았을때의 차이를 살펴 보겠습니다.</p><h4>외부서비스 — 룸 상태조회 서비스</h4><pre>private String getRoomStatus(int roomNo) {<br>  try {<br>    logger.debug(&quot;Called Room Status, RoomNo = {}&quot;, roomNo);<br>    Thread.sleep(3000);<br>  } catch (InterruptedException e) {<br>    e.printStackTrace();<br>  }<br>  return roomNo + &quot;: empty&quot;;<br>}</pre><p>룸 번호를 받아 현재 룸의 상태를 반환하는 메서드입니다.</p><p>아주 간단한 메서드이지만 실제 멀티쓰레드로 호출될 외부서비스를 의미한다고 보면 됩니다.</p><p>차이를 확연하게 나타내기 위해서 메서드 실행시 강제로 지연시간을 주었습니다. (3초)</p><p>즉, 이 외부서비스는 한 번 호출시 3초의 수행시간이 소요됩니다.</p><p>멀티쓰레드 테스트가 목적이므로 상태값은 무조건 ‘empty’로 고정해서 반환되도록 설정했습니다.</p><h4>전체 룸의 상태조회 서비스 — Single Thread 기반</h4><pre>@Test<br>public void roomStatusTestBySingleThread() {<br>  <em>// 전체 Room 상태리스트</em><br>  List&lt;Map&lt;Integer, String&gt;&gt; roomStatusList = new ArrayList&lt;&gt;();</pre><pre>  int roomCount = 10;<br>  for (int roomNo = 1; roomNo &lt;= roomCount; roomNo++) {<br>    <em>// Room 상태 조회(외부서비스) - Room 하나의 상태를 조회하는데 3초가 걸린다고 가정</em><br>    String roomStatus = this.getRoomStatus(roomNo); <em>//</em><br>    logger.debug(&quot;roomNo:{}, roomStatus:{}&quot;, roomNo, roomStatus);</pre><pre>    Map&lt;Integer, String&gt; statusMap = new HashMap&lt;&gt;();<br>    statusMap.put(roomNo, roomStatus);<br>    roomStatusList.add(statusMap);<br>  }<br>}</pre><p>룸의 갯수를 10개로 설정했고, 전체 방의 갯수만큼 루프를 돌면서<br>getRoomStatus 서비스를 호출하고 , 각 룸의 상태를 가져와<br>그 결과값을 Map( 룸번호, 룸상태) 으로 담아 List에 추가하는 로직입니다.</p><p>이 메세드를 실행하게 되면,<br>각 룸의 상태를 순차적으로 호출하고, 결과가 반환되면<br>다음 룸의 상태를 조회하는 싱글 쓰레드 방식으로 프로세스가 수행됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/771/0*ih-mfkNHOpK1fjac.png" /></figure><p>위의 경우 룸의 갯수는 10개이고, 각 룸의 상태를 얻어오는 외부서비스 — getRoomStatus()- 의 수행시간은 3초 입니다.</p><p>룸의 갯수만큼 단일 쓰레드가 반복 호출되었기 때문에, 모든 룸의 상태를 얻어 오기 위해 30초의 시간이 걸리게 됩니다.</p><p>하지만 동일메서드의 반복호출(호출순서가 의미없는)을 이런 방식으로 구현하게 되면,</p><ul><li>이전 서비스의 수행이 끝나야지 다음 서비스가 호출되는, 불필요한 의존성을 띄게 되고</li><li>결구 룸의 갯수(호출대상 건수)가 늘어나는 만큼 수행속도는 그에 비례해서 늘어나게 됩니다.</li></ul><p><strong>사실, 이 서비스가 필요한 것은</strong></p><p><strong>지금처럼 순차적으로 서비스가 실행될 필요없이<br>최대한 빠른 시간내에 모든 룸의 상태(외부서비스)를 조회해서 그 결과를 Merge하고 Aggregation하는게 목적입니다.</strong></p><p>이런 경우에는 지금 소개하는 ExecutorService를 사용하게 되면,<br>호출을 별도의 쓰레드로 병렬처리로 수행함으로서 서비스 전체의 수행속도와 불필요한 의존도를 제거 할 수 있습니다.</p><pre>@Test<br>public void roomStatusTestByMultiThread() throws Exception {<br>  int roomCount = 10;</pre><pre>  List&lt;Callable&lt;Map&lt;Integer, String&gt;&gt;&gt; roomStatusJobs = new ArrayList&lt;&gt;();<br>  for (int roomNo = 1; roomNo &lt;= roomCount; roomNo++) {<br>    roomStatusJobs.add(new RoomStatusTask(roomNo));<br>  }</pre><pre>  ExecutorService executorService = Executors.newFixedThreadPool(roomCount);<br>  List&lt;Future&lt;Map&lt;Integer, String&gt;&gt;&gt; resultList = executorService.invokeAll(roomStatusJobs);</pre><pre>  for (Future&lt;Map&lt;Integer, String&gt;&gt; futureMap : resultList) {<br>    futureMap.get().entrySet().forEach(entry -&gt; {<br>      logger.debug(&quot;roomNo:{}, roomStatus:{}&quot;, entry.getKey(), entry.getValue());<br>    });<br>  }<br>}<br></pre><pre><em>/*<br>   Callable을 구현한 외부서비스 실행 타스크 클래스.<br>   ExecutorService의 invokeAll로 수행되는 멀티쓰레드 대상클래스<br>*/</em><br>private class RoomStatusTask implements Callable&lt;Map&lt;Integer, String&gt;&gt; {<br>  private int roomNo;<br>  public RoomStatusTask(final int roomNo) {<br>    this.roomNo = roomNo;<br>  }<br>  @Override<br>  public Map&lt;Integer, String&gt; call() {</pre><pre>    Map&lt;Integer, String&gt; statusMap = new HashMap&lt;&gt;();<br>    <em>// 서비스 호출</em><br>    String roomStatus = getRoomStatus(this.roomNo);</pre><pre>    statusMap.put(this.roomNo, roomStatus);<br>    return statusMap;<br>  }<br>}</pre><pre>List&lt;Callable&lt;Map&lt;Integer, String&gt;&gt;&gt; roomStatusJobs = new ArrayList&lt;&gt;();<br>  for (int roomNo = 1; roomNo &lt;= roomCount; roomNo++) {<br>    roomStatusJobs.add(new RoomStatusTask(roomNo));<br>  }</pre><p>룸의 갯수만큼 타스크 클래스(Callable 구현체)의 인스턴스를 생성하고 Job List에 담습니다.<br>이렇게 담은 JobList인 roomStatusJobs는 ExecutorService의 invokeAll API를 통해 실행되게 됩니다.</p><pre>ExecutorService executorService = Executors.newCachedThreadPool();<br>  List&lt;Future&lt;Map&lt;Integer, String&gt;&gt;&gt; resultList = executorService.invokeAll(roomStatusJobs);</pre><p>newCachedThreadPool 방식으로 쓰레드풀을 생성하고,<br>invokeAll을 통해 멀티쓰레드 기반의 비동기방식으로 전체 룸상태조회(roomStatusJobs) Job들을 실행시킵니다.</p><p>비동기 방식이기 때문에 invokeAll의 실행결과는 Future 객체로 받아오게 됩니다.</p><pre>private class RoomStatusTask implements Callable&lt;Map&lt;Integer, String&gt;&gt; {<br>  private int roomNo;<br>  public RoomStatusTask(final int roomNo) {<br>    this.roomNo = roomNo;<br>  }<br>  @Override<br>  public Map&lt;Integer, String&gt; call() {</pre><pre>    Map&lt;Integer, String&gt; statusMap = new HashMap&lt;&gt;();<br>    <em>// 서비스 호출</em><br>    String roomStatus = getRoomStatus(this.roomNo);</pre><pre>    statusMap.put(this.roomNo, roomStatus);<br>    return statusMap;<br>  }<br>}</pre><p>Callable를 구현한 클래스로 실제 외부서비스(룸상태 조회)를 호출하는 핵심 비즈니스 로직을 담고 있는 클래스 있습니다.</p><p>생성자 메서드를 통해 룸 번호를 설정하고 call() 메서드를 통해 해당 룸번호의 상태를 외부서비스를 통해 호출 -&gt; 결과값을 받아 처리합니다.</p><p>이렇게 변경한 후 테스트를 해 보면 싱글쓰레드 기반의 테스트 결과와는 확연이 차이가 나는 결과를 볼 수 있습니다</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/835/0*VekM_PBgxnZbzMSR.png" /></figure><p>룸의 갯수만큼 10개의 쓰레드가 생성되고,</p><p>각 쓰레드가 동시에 단 한번의 외부서비스(getRoomStatus)만 호출된 걸 확인 할 수 있습니다.</p><p>호출되는 서비스 입장에서는 다른 요청(다른 쓰레드의 동시 요청)에 대해 한 번만 호출되었기 때문에 서비스 전체의 수행시간이 1번 수행에 소요되는 시간인 3초밖에 걸리지 않았습니다.</p><p><strong>단일쓰레드 방식과 다른 부분을 정리하지면</strong></p><ul><li><strong>멀티쓰레드로 수행될 Task클래스(Callabe 인터페이스를 구현한 클래스)의 인스턴스를 필요한 갯수만큼 생성하는 부분</strong></li><li><strong>ExecutorService를 이용해서 생성된 Task 인스턴스들을 동시에 실행 (invokeAll) — ThreadPool의 가용치만큼 동시수행</strong></li><li><strong>호출된 결과를 Future와 받아와 Aggregation하는 부분</strong></li></ul><p><strong>이 정도로 정리 할 수 있을것 같습니다.</strong></p><p>이렇게, 수행순서와 상관없이 동일 서비스를 여러번 반복 호출해서 결과를 Merge하거나 Aggregation을 해야 할 로직에서는,<br>ExecutorService를 잘 활용하면 쉽고 직관적인 방식으로 멀티쓰레드 기반의 병렬처리 프로세스를 구현할 수 있으며,<br>수행시간도 경우에 따라서는 획기적으로 줄일 수 있습니다.</p><p>헤당 라이브러리에 대해서 좀 더 Deep하게 파악하고 싶다면, 관련 API Document를 참고하시면 됩니다.</p><p>ExecutorService — <a href="https://docs.oracle.com/javase/8/docs/api/java/util/concurrent/ExecutorService.html">https://docs.oracle.com/javase/8/docs/api/java/util/concurrent/ExecutorService.html</a></p><p>Executors — <a href="https://docs.oracle.com/javase/7/docs/api/java/util/concurrent/Executors.html">https://docs.oracle.com/javase/7/docs/api/java/util/concurrent/Executors.html</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d358cd42ed4d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[ModelMapper 와 MapStruct 이야기]]></title>
            <link>https://yongkyu-jang.medium.com/modelmapper-%EC%99%80-mapstruct-%EC%9D%B4%EC%95%BC%EA%B8%B0-17334f1ca4cf?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/17334f1ca4cf</guid>
            <category><![CDATA[object-mapping]]></category>
            <category><![CDATA[mapstruct]]></category>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[modelmapper]]></category>
            <category><![CDATA[java]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Sun, 31 Jan 2021 03:53:27 GMT</pubDate>
            <atom:updated>2021-01-31T03:53:27.957Z</atom:updated>
            <content:encoded><![CDATA[<p>Spring진영의 대표적인 객체 매핑 라이브러리인 ModelMapper와 Mapstruct에 대한 얘기를 잠깐 해볼까 합니다.</p><p>대부분의 반복작업중 많은 부분을 차지하고 있는 것이 객체 간의 매핑/변환에 관련된 작업일 것입니다.</p><p>특히 Multi Layer(MVC) 구조가 일반적인 현재의 Java 어플리케이션에서는 레이어 간 객체 매핑은 더 빈번하게 일어나게 되고,</p><p>외부와의 연계 및 MSA기반에서의 애플리케이션 간 연계가 점점 더 늘어가는 추세에 따라 서로 주고 받는 객체 간의 매핑과 변환작업은 당연히 더 늘어나는 상황입니다.</p><p>이런 작업들은 중요한 비즈니스 로직이 담기는 성격보다는 객체의 프로퍼티 값을 단순하게 매핑( get, set )하거나 일부 값의 형변환( Date -&gt; String 등) 정도가 대부분인 성격의 작업입니다.</p><ul><li>반복과 중복이 필연적으로 발생할 수 밖에 없는 작업입니다.</li><li>매핑 코드에 대한 휴먼 오류가 발생할 가능성이 높을 수밖에 없는 작업입니다.</li></ul><p>지금 언급하려고 하는 내용은 이런 작업들을 최대한 자동화해서,발생할 수 있는 오류와 반복적인 작업들을 최소화하여 개발 생산성을 높일 수 있게 해주는라이브러리에 대한 내용입니다.</p><p>이러 라이브러리들 중 대표적인 것들이 ModelMapper와 MapStruct 입니다.</p><p>현재의 레거시 시스템에 적용하기 위해서 두 개의 라이브러리에 대해서 가볍게 리서치를 해 보았습니다.</p><p>ModelMapper와 관련된 내용은 전에 올린 글이 있으니 참고해 보시면 됩니다.</p><p>결론은 MapStruct를 적용하기로 했는데,</p><p>리서치를 하던 중에 개인적으로 흥미로운 내용이 있어, 기술적인 내용을 들어가기에 앞서 잠깐 언급을 하고 가겠습니다.</p><h4>구글 트렌트로 알아본 ModelMapper 와 MapStruct의 지역별 관심도</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*n15jlykdscY_jOVL.png" /></figure><p>최근 5년간의 지역별 관심도를 구글 트렌드로 보면 압도적으로 Mapstruct를 많이 사용하는데요.</p><p>특이한 것은 아시아 지역에서는 호주(사실 아시아라고 하기에는…)와 중국을 제외하고는 ModelMapper에 대한 관심도가 더 높게 나왔다는 겁니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*UXs0Oc_cEf5mQH9e.png" /></figure><p>시간의 추이로 보더라도 ModelMapper의 경우에는 관심도가 크게 늘지 않는 반면, Mapstruct의 경우는 관심도가 큰 폭으로 증가한 것을 알 수 있습니다.</p><p>이 글에 이어 두 라이브러리에 대한 기술적인 내용도 언급할 텐데, 분명히 Mapstruct가 구현의 방식이라던가 성능적인 측면에서 좀 더 유리한 부분이 더 많이 있고</p><p>그렇기 때문에 관심도(선호도)가 상대적으로 올라갔다고 볼 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*IeKEPpvF0E1fd3II.png" /></figure><p>국가별로 보면<br>일본과 한국의 경우는 아직까지 Mapstruct보다 ModelMapper를 더 많이 사용하는 걸로 나옵니다.</p><p>(일본은 ModelMapper만 사용하는게 아닐까…)</p><p>무엇보다 새로운 기술이나 트렌드를 받아들이는 속도가 빠른 편인 한국의 개발자들이 ( 제 생각일 수도 있습니다.) 더 나중에 나왔고, <br>코드의 간결성이나 사용법이 더 직관적인 ( 제 생각일 수도 있습니다) Mapstruct의 관심도가 더 낮다는 건 아무래도 다른 이유가 있는게 아닐까 하는 생각이 드는데요.</p><p>사실 저도 얼마전까지 ModelMapper를 계속 사용했었는데요.<br>저 같은 경우는 익숙함을 벗어나기 싫은 게으름에서 비롯된 것이라 예를 들기에는 적절하지 않을 것 같습니다.</p><p><strong>아마 개발자의 성향보다 한 번 적용한 기술은 쉽게 바꾸지 않는 한국 IT기업의 성향이 수치로 더 많이 반영된 게 아닐까 추측해 봅니다.</strong></p><p>사실 JPA의 전신인 Hibernate 가 한국에서는 MyBatis로 인해 그 전파력이 다른 나라에 비해 현저히 낮았다고 생각하는데 그런 배경과 비슷한 맥락이지 않을까 하는 생각도 듭니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zxD295PGCTdqKcJn.png" /></figure><p>역시 한국,중국,일본에서의 MyBatis 선호도가 타 지역보다 월등히 높은 수치임을 보여줍니다.</p><p>구글 트렌드 수치는 개인적으로 궁금해서 찾아본 것이고, <br>기술적인 내용을 다루기 전에 한 번 언급해 볼만 내용이라고 생각해서 올린 거라 참고로만 봐 주시기 바랍니다.</p><p>다음 글에서는 두 라이브러리의 기술적인 내용에 대해서 다뤄보도록 하겠습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=17334f1ca4cf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[[Spring Data JPA] JPQL 에서 Method Name기반 Like조건 사용하기]]></title>
            <link>https://yongkyu-jang.medium.com/spring-data-jpa-jpql-%EC%97%90%EC%84%9C-method-name%EA%B8%B0%EB%B0%98-like%EC%A1%B0%EA%B1%B4-%EC%82%AC%EC%9A%A9%ED%95%98%EA%B8%B0-54990cdc0b5b?source=rss-3c840b82f7f1------2</link>
            <guid isPermaLink="false">https://medium.com/p/54990cdc0b5b</guid>
            <category><![CDATA[spring]]></category>
            <category><![CDATA[spring-boot]]></category>
            <category><![CDATA[query]]></category>
            <category><![CDATA[jpa]]></category>
            <dc:creator><![CDATA[Yorath Jang]]></dc:creator>
            <pubDate>Sat, 12 Sep 2020 17:14:33 GMT</pubDate>
            <atom:updated>2020-12-02T01:02:24.986Z</atom:updated>
            <content:encoded><![CDATA[<p>JPA기반에서 쿼리를 작성할 경우 Like 조건문을 사용하는 방법에 대해서 간단하게 정리해 봅니다.</p><p>JPA에서 쿼리를 작성하는 방법은<br>QueryDSL과 같은 별도의 3rd Party 라이브러리를 사용하지 않는다면,<br>크게 두 가지 방법으로 나뉩니다.</p><ul><li><strong>JPQL (Java Persistance Query Language) 방식</strong></li><li><strong>Method Name 방식</strong></li></ul><p>단순하고 간단한 쿼리의 경우,</p><p>JPA에서 기본으로 제공하는 Method Name방식만 사용해도 충분히 구사가 가능하나 복잡하고 섬세한(? ) — 조인, 집계등등 — 쿼리의 경우 Method Name방식으로는 한계가 있습니다.</p><p>이런 한계를 극복하기 위해 나온 방식이 JPQL입니다.</p><p>JPQL은 대부분의 RDBMS에 지원하는 표준 SQL문법과 매우 비슷한 형태를 가진 ‘<strong>객체지향 쿼리</strong>’입니다.</p><p>당연히 객체 지형 쿼리이기 때문에 Type Safty ( 아니, Query Safty )합니다.</p><p>따라서 쿼리문 오류를 컴파일시에 잡아낼 수 있습니다.</p><p>iBatis와 같은 매퍼 라이브러리와 가장 큰 차이점(장점)중 하나입니다.</p><p>쿼리문 자체는 일반 SQL문과 매우 비슷한 형태이나 ‘객체지향 쿼리’이기 때문에 몇 가지 분명한 차이점이 있습니다.</p><p>이 차이점을 모르고 기존의 일반 SQL문을 작성하던 방식대로 작성하게 되면 ‘컴파일 오류’를 자주 만나보게 될 겁니다.</p><p>간단하게만 언급하자면 ,</p><ul><li><strong>대소문자의 구분 ( 엔티티와 속성명에 한정 )</strong></li><li><strong>별칭 필수 ( ‘AS’ 생략 가능)</strong></li><li><strong>표준 SQL 문법만 허용 ( 특정 밴더에 종속적인 함수, 문법 사용불가)</strong></li></ul><p>이 차이점에 대해서는 기회가 되면, 따로 상세하게 다뤄보도록 하겠습니다.</p><p>참고로 JPQL의 ‘nativeQuery’ 옵션을 ‘true’로 놓고 사용하면 일반 SQL문과 동일한 방식으로 구사가 가능합니다.<br><strong>정말 꼭 필요한 경우가 아니라면, JPA를 도입해 놓고 굳이 native query를 사용하는 것은 지양하는 것이 좋습니다.</strong></p><p>이런 예외가 많아질 수밖에 없는 구조라면,<br>차라리 iBatis와 같은 SQL Mapper 라이브러리를 도입하는 것이 훨씬 더 효율적일 거라고 생각합니다.</p><p>Method기반의 Like조건을 적용하는 방법은 간단합니다.</p><p>개인적으로 ‘StartingWith’와 ‘EndingWith’의 의미를 계속 거꾸로 이해를 해서 사용할 때마다 헷갈리기는 합니다…</p><p>1. LIKE :검색어</p><pre>List&lt;User&gt; findByUsernameLike(String username);</pre><p>2. LIKE :검색어%</p><pre>List&lt;User&gt; findByUsernameStartingWith(String username);</pre><p>3. LIKE %:검색어</p><pre>List&lt;User&gt; findByUsernameEndingWith(String username);</pre><p>4. LIKE %:검색어%</p><pre>List&lt;User&gt; findByUsernameContaining(String username);</pre><p>참고</p><p><a href="https://docs.spring.io/spring-data/jpa/docs/current/reference/html/#reference">Spring Data JPA Reference Document</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=54990cdc0b5b" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>