모니는 투자 경험이 부족한 초보 투자자가 복잡한 금융 지표와 기업 정보를 쉽게 이해하고, 실제 자산 없이 안전하게 투자를 경험할 수 있도록 기획한 서비스입니다. 실시간 시세와 연동된 모의 매수·매도, AI가 요약한 기업 이슈와 뉴스, 투자 성향과 보유 종목을 비교하는 포트폴리오 AI 분석을 제공합니다. 사용자·거래·시세·포트폴리오·결제·알림·AI·어드민 8개 도메인 서비스를 Spring Cloud 기반 MSA로 분리했고, 저는 포트폴리오 서비스를 맡아 AI 분석 요청 흐름과 자산 조회를 구현했습니다.
분석 요청 트랜잭션에서는 포트폴리오 행 잠금, 일일 제한 · 결제 정책 검증, PENDING 저장만 수행하고 analysisId를 202로 즉시 반환합니다. 실제 분석은 트랜잭션 커밋 이후 전용 스레드 풀에서 trade-service 자산 스냅샷 → user-service 투자 성향 → ai-service LLM 분석 순으로 진행하고, 사용자는 polling으로 상태를 확인합니다.
TransactionSynchronizationManager.registerSynchronization(new TransactionSynchronization() {
@Override
public void afterCommit() {
portfolioAnalysisAsyncExecutor.requestAiAnalysis(analysisId, userId);
}
});보유 종목 집중도(60%) · 주식 비중(25%) · 보유 종목 수(15%)로 포트폴리오 위험도를 0~100점으로 계산하고, 사용자의 투자 성향 점수와의 차이로 적합도(100 − |성향 − 위험도|)를 산출해 AI 분석 요청에 함께 전달합니다. 투자 성향 조회에 실패하면 성향 분석만 생략하고 기본 분석은 계속 진행합니다.
payment.subscription.succeeded · cancelled · suspended 이벤트를 수신해 portfolio-service의 구독 상태 테이블에 반영하고, 분석 요청 시에는 이 로컬 상태로 유료 여부를 판단합니다(상태가 없으면 무료 플랜). 무료 플랜은 누적 5회, 모든 사용자는 하루 1회로 제한하되 FAILED 분석은 제한에 포함하지 않아 재요청할 수 있습니다.
단순히 기능을 구현하는 데 그치지 않고, 어떤 기술이 서비스에 적합한지 고민하고 성능과 장애 상황까지 고려하며 개발했습니다.
MSA로 서비스를 나눴지만 서비스 간 연결이 여전히 강했습니다. 포트폴리오 AI 분석 하나에도 trade · user · ai · payment 서비스가 모두 얽혀 있어, 한 서비스의 지연이나 변경이 다른 서비스로 이어지는 구조를 완전히 끊어내지 못했습니다.
설계 단계부터 서비스 경계와 데이터 소유권을 분명히 나누고, 즉시 응답이 꼭 필요한 호출이 아니라면 이벤트로 연결해 결합도를 낮춰 보고 싶습니다. 구독 상태 연동에서 Kafka로 장애 전파를 끊어 본 경험을 바탕으로, 다음에는 서비스 간 연동 전반에 Kafka를 더 폭넓게 적용해 보고 싶습니다.