Stock Recommendation Service

Overview

[퀀트 투자 전략 기반 베트남 주식 종목 추천 서비스]를 Spring Boot로 개발했습니다. 외부 백테스팅 툴을 통해 검증된 투자 전략을 기반으로 베트남 3~40대를 타겟으로 한 주식 종목 추천 기능을 제공하는 파일럿 프로젝트였습니다. Spring Data JPA를 활용한 RESTful API 설계부터 AWS EKS 기반 배포까지 백엔드 전반을 담당했습니다.

---

Timeline

기획 및 설계 단계

급하게 기획된 파일럿 프로젝트로, 베트남 현지 3~40대를 타겟으로 한 주식 종목 추천 서비스 요구사항을 분석하고 시스템 아키텍처를 설계했습니다. 외부 백테스팅 툴과의 연동 구조를 검토하고, 투자 전략 및 추천 도메인의 데이터 모델을 설계 및 구축했습니다.

개발 단계

Spring Boot 기반 REST API 서버를 구축했습니다. Spring Data JPA를 활용하여 투자 전략 및 주식 종목 추천 도메인의 CRUD API를 설계 및 구현했으며, 복잡한 조회 요구사항을 처리하기 위해 Native Query를 활용했습니다. 기획팀에서 전달받은 전략 및 종목 데이터를 팀원과 협업하여 AWS RDS(MySQL)에 적재하는 파이프라인을 구축했습니다.

배포 단계

Docker 기반 컨테이너 이미지를 빌드하고 AWS ECR에 푸시했습니다. AWS EKS 클러스터를 생성하고 kubectl 명령어를 통해 Spring Boot 서비스를 배포했습니다. 배포 환경 구성과 서비스 안정성을 확보했으나, 사업적 이유로 실제 시장 출시는 진행되지 못했습니다.

---

Key Features

1. 퀀트 전략 기반 종목 추천

외부 백테스팅 툴로 검증된 다양한 투자 전략을 기반으로 베트남 주식 종목을 추천하는 시스템을 구축했습니다. 사용자는 전략별 추천 종목 리스트를 조회하고, 각 종목의 상세 정보를 확인할 수 있습니다.

핵심 기능

• 투자 전략별 추천 종목 조회

• 종목별 상세 정보 및 투자 근거 제공

• 전략 성과 지표 및 백테스팅 결과 제공

2. 투자 전략 관리

다양한 퀀트 투자 전략을 관리하고, 각 전략의 성과 지표를 추적할 수 있는 시스템을 개발했습니다.

핵심 기능

• 전략 CRUD API

• 전략별 수익률 및 리스크 지표 조회

• 전략 히스토리 및 백테스팅 결과 관리

3. RESTful API 설계

Spring Boot와 Spring Data JPA를 활용하여 확장 가능하고 유지보수가 용이한 RESTful API를 설계했습니다.

핵심 기능

• 투자 전략 API (GET, POST, PUT, DELETE)

• 종목 추천 API (복잡한 조회 조건 지원)

• Native Query를 활용한 성능 최적화

---

Architecture

전체 시스템 아키텍처

┌─────────────────────────────────────────────────────────┐
│                    Client Layer                          │
│              [Mobile App / Web]                          │
│             (베트남 3~40대 타겟)                          │
└─────────────────────────────────────────────────────────┘
                        ↓ REST API
┌─────────────────────────────────────────────────────────┐
│                Application Layer                         │
│           [Spring Boot API Server]                       │
│              ├─ 전략 관리 API                             │
│              ├─ 종목 추천 API                             │
│              └─ Spring Data JPA                          │
└─────────────────────────────────────────────────────────┘
                        ↓
┌─────────────────────────────────────────────────────────┐
│                 Storage Layer                           │
│              [AWS RDS (MySQL)]                          │
│              ├─ 투자 전략 데이터                            │
│              └─ 주식 종목 데이터                            │
└─────────────────────────────────────────────────────────┘
                        ↓
┌─────────────────────────────────────────────────────────┐
│              Infrastructure Layer                       │
│   [Docker] → [AWS ECR] → [AWS EKS (Kubernetes)]         │
└─────────────────────────────────────────────────────────┘

데이터 흐름 아키텍처

기획팀 (전략/종목 데이터)
    ↓
백엔드 팀원 (데이터 처리)
    ↓
AWS RDS (MySQL)
    ↓
Spring Boot API
    ↓
Client (Mobile/Web)

배포 파이프라인

Spring Boot JAR 빌드
    ↓
Docker 이미지 빌드
    ↓
AWS ECR 푸시
    ↓
AWS EKS 클러스터
    ↓
kubectl 배포

---

Contributions

1. 투자 전략 및 종목 추천 API 개발

• Spring Data JPA 기반 API 설계

  • 투자 전략 도메인 설계 및 CRUD API 구현

  • 종목 추천 도메인 설계 및 조회 API 구현

  • RESTful API 설계 원칙 준수

• Native Query 활용

  • 복잡한 조회 조건을 요구하는 추천 종목 API에 @Query Native Query 활용

  • 다중 테이블 JOIN 및 집계 쿼리 최적화

  • 전략별, 조건별 동적 쿼리 처리

2. AWS EKS 기반 배포 환경 구축

• Docker 컨테이너화

  • Spring Boot 애플리케이션을 Docker 이미지로 빌드

  • Multi-stage build로 이미지 크기 최적화

  • AWS ECR에 이미지 푸시

• AWS EKS 배포

  • AWS EKS 클러스터 생성 및 구성

  • kubectl을 통한 Deployment 및 Service 배포

  • LoadBalancer로 외부 트래픽 라우팅 설정

---

Tech Stack

Backend

• Spring Boot 2.7

• Java 17

• Spring Data JPA

• Spring Web (REST API)

Database & Cloud

Tools

---

Challenges

Native Query를 활용한 복잡한 조회 성능 최적화

[문제 상황]

전략별 추천 종목을 조회할 때, 다양한 필터링 조건(수익률, 리스크 점수, 섹터 등)과 여러 테이블 JOIN이 필요했습니다. Spring Data JPA의 메서드 쿼리나 Criteria API로는 복잡한 조건을 표현하기 어렵고, 성능도 최적화하기 힘들었습니다.

[해결]

• Native Query 활용

  • @Query 어노테이션의 nativeQuery = true 옵션으로 직접 SQL 작성

  • 복잡한 JOIN 및 집계 쿼리를 효율적으로 구현

  • 데이터베이스 고유 기능(MySQL 함수 등) 활용 가능

• 쿼리 최적화

  • 인덱스를 고려한 WHERE 절 조건 순서 조정

  • 불필요한 데이터 조회 제거 (SELECT 절 최적화)

  • EXPLAIN으로 실행 계획 분석 후 개선

• 동적 쿼리 처리

  • 파라미터 바인딩으로 SQL Injection 방지

  • 선택적 필터링 조건 처리

[결과]

Native Query 활용으로 복잡한 비즈니스 로직을 효율적으로 처리하고, 쿼리 성능을 최적화할 수 있었습니다. 다만, 데이터베이스 의존성이 생기는 단점도 함께 인식했습니다.

AWS EKS 배포 경험

[문제 상황]

처음 Kubernetes와 AWS EKS를 다뤄보는 상황에서, 클러스터 생성부터 서비스 배포까지 전체 과정을 학습하고 적용해야 했습니다.

[해결]

단계별 배포

1. Docker 이미지 빌드 및 ECR 푸시

2. EKS 클러스터 생성

3. kubectl 설정 및 클러스터 연결

4. Deployment 및 Service YAML 작성

5. kubectl apply로 배포

6. LoadBalancer 설정 및 외부 접근 테스트

[결과]

Kubernetes 기반 컨테이너 오케스트레이션 경험을 쌓았으며, AWS EKS를 활용한 클라우드 네이티브 애플리케이션 배포 능력을 확보했습니다. 향후 프로젝트에서 확장 가능한 마이크로서비스 아키텍처를 구축하는 데 활용할 수 있는 기반을 마련했습니다.