염영인 이력서
  • 질문하기
  • 경력
  • 프로젝트
  • 기술
이전 대표 사례메시지 큐 기반 비동기 처리 시스템 구축위로 계속 스크롤하면 넘어가요
대표 사례

대표 사례 3/4 · 캐시 설계·무효화

서비스 · 데이터 특성에 맞는 Redis 캐시 설계와 무효화 전략

사용자별 위치 검색과 관리자 데이터 변경이라는 서로 다른 상황에 맞춰 캐시 무효화 전략을 설계. GuideME에서는 Version Key로 사용자별 캐시 관리 문제를 해결하고, 로워드에서는 공통 캐시 정의와 데이터 변경 시점의 캐시 삭제 구조를 적용.

사례
캐시 전략
역할
GuideME · 로워드 · 백엔드
기술
Redis · AWS ElastiCache(Valkey) · Cache-Aside · Version Key · TTL
이 사례에 대해 AI에게 묻기

프레스런 — 서비스·데이터 특성에 맞는 캐시 설계와 무효화 전략

문제 상황

프레스런은 사용자 API와 관리자 API가 분리되어 있고, 관리자가 바꾼 상품 정보가 사용자 화면에도 반영되어야 합니다. 캐시를 적용하면서 다음 상황을 고려해야 했습니다.

데이터 변경: 관리자가 상품 정보나 커리큘럼을 수정해도 기존 캐시가 남아 있으면 사용자에게 이전 정보가 표시될 수 있음

사용자별 응답: 같은 조회라도 회원이나 권한에 따라 응답이 다른데, 같은 캐시를 공유하면 다른 사람의 정보가 노출될 수 있음

시간에 따른 상태 변경: 판매·할인 시작이나 종료 시각이 지나도 캐시가 유지되면 가격과 구매 가능 상태가 실제와 다르게 표시될 수 있음

그래서 데이터 변경, 사용자 구분, 판매·할인 기간을 함께 고려한 캐시 관리 구조를 구성했습니다.

무효화

사용자 API와 관리자 API가 캐시 키와 TTL을 각자 관리하면, 관리자가 데이터를 수정해도 사용자 API의 캐시가 갱신되지 않을 수 있습니다. 그래서 캐시 키와 TTL을 공통 정의로 통합하고, 두 API가 같은 정의를 참조하도록 했습니다.

@Cacheable: 조회 API에 캐싱 적용

@EvictCache: 관리자 데이터 변경 핸들러에 지울 캐시 선언

공통 인터셉터: 데이터 변경이 성공한 뒤에만 선언된 캐시 삭제

예를 들어 관리자가 상품을 수정하면 상품 상세·커리큘럼·리뷰 캐시를 지우고, 이후 사용자 요청에서 바뀐 데이터를 다시 조회해 캐싱합니다.

관리자 API에서 상품 데이터를 수정하면 쓰기 핸들러에 선언된 @EvictCache에 따라 공통 인터셉터가 쓰기 성공 후 Valkey 캐시를 지우고, 이후 사용자 조회 때 새 데이터로 캐시가 다시 만들어진다. 실제 컨트롤러 코드 일부를 함께 보여준다.
관리자 데이터 변경부터 사용자 캐시 갱신까지의 흐름과 실제 코드 일부

사용자 구분

요청한 사람에 따라 응답이 달라지는 캐시는 응답을 가르는 값을 빠짐없이 캐시 키에 넣어, 다른 사용자와 공유되지 않도록 했습니다.

회원별 응답: 내 프로필은 회원 ID별로 키를 나누고, 본인 정보를 수정하면 그 회원의 키만 삭제

권한별 응답: 리뷰·수익인증 목록은 관리자에게만 작성자명을 보여주므로 관리자 여부를 조회 조건에 포함

조회 조건별 저장: 조건마다 다른 결과는 Valkey HASH의 필드로 저장하고 HSETEX로 필드마다 TTL 설정

내 프로필은 회원 ID마다 profile:A, profile:B처럼 따로 저장해 회원 A가 수정하면 profile:A만 지운다. 리뷰·수익인증 목록은 관리자에게만 작성자명을 보여주므로 관리자 여부를 조회 조건에 넣어 다른 HASH 필드에 저장한다.
회원·권한에 따라 달라지는 응답을 캐시 키로 구분

TTL 구분

모든 캐시에 고정 TTL을 쓰면 실제 데이터의 상태가 바뀌는 시점과 캐시가 끝나는 시점이 어긋납니다.

예를 들어 할인이 12시 4분에 시작되는데 캐시가 12시 10분까지 남으면, 할인 시작 뒤에도 이전 가격이 표시됩니다. 그래서 데이터 특성에 따라 TTL을 다르게 적용했습니다.

상품 목록: 여러 관리자 기능의 데이터를 함께 써서 최대 60초의 반영 지연을 허용

상품 상세·커리큘럼·리뷰: 기본 10분 TTL에 데이터 변경 시 무효화

판매·할인 기간: 응답에서 다음 상태 변경 시각을 찾아 기본 TTL과 비교해 더 이른 시점에 만료

이렇게 해서 관리자가 수정하지 않아도 판매·할인 시작과 종료 시각에 맞춰 캐시가 갱신됩니다.

12시에 상품 상세 캐시를 만들면 기본 TTL로는 12시 10분에 만료되지만, 12시 4분에 할인이 시작되면 캐시도 12시 4분에 먼저 만료된다.
판매·할인 시각에 맞춘 캐시 만료 예시 (설명용 가상 시각)

장애 대응

캐시 서버 장애가 API 장애로 이어지지 않도록, 캐시 조회·저장에 실패하면 원본 DB에서 조회해 응답합니다. 캐시 삭제에 실패하면 이미 처리된 변경 요청을 500으로 돌려주지 않고 로그를 남기며, TTL로 오래된 데이터가 무기한 남지 않게 했습니다

결과

데이터 변경, 사용자 구분, 시간에 따른 상태 변경을 각각 다른 방식으로 처리하는 캐시 구조를 만들었습니다.

사용자·관리자 API의 캐시 정의를 통합해 관리 방식 일원화

관리자 데이터 변경 시 관련 캐시를 지워 이전 정보 노출 방지

회원·권한별 응답을 캐시 키로 구분해 다른 사용자의 정보 노출 방지

판매·할인 일정에 맞춘 TTL로 시간에 따른 상태 변경 반영

캐시 서버 장애 시에도 원본 데이터 조회로 API 요청 처리 유지

GuideME — 사용자별 위치 검색 캐시를 효율적으로 갱신하기

문제 상황

GuideME에는 사용자 주변에서 활동할 수 있는 가이드를 검색하는 기능이 있습니다. 단순히 가까운 가이드를 찾는 것이 아니라, PostGIS를 이용한 거리 계산과 함께 가이드 승인 상태, 서비스 가능 여부, 사용자 간 차단 관계까지 확인해야 했습니다.

여러 조건을 함께 조회하는 만큼 DB 조회 비용이 높아 Redis 캐시를 적용했습니다. 하지만 위치 검색은 사용자와 검색 조건에 따라 결과가 달라지기 때문에, 캐시를 저장하는 것보다 데이터가 바뀌었을 때 어떻게 갱신할지가 더 큰 문제였습니다.

캐시 키

사용자마다 검색 위치와 조건이 다르므로 캐시 키에도 사용자 정보와 검색 조건을 포함했습니다. 예를 들면 nearby-guide:v1:{userId}:{검색조건} 형태입니다.

문제는 가이드의 위치나 서비스 가능 상태가 바뀌는 경우였습니다. 가이드 한 명의 정보가 바뀌어도 그 가이드가 포함된 여러 사용자의 검색 결과가 영향을 받습니다. 기존 캐시를 지우려면 어떤 사용자의 검색 결과에 그 가이드가 들어 있는지 알아야 했고, 캐시가 늘어날수록 지워야 할 키를 찾아 관리하는 일도 복잡해지는 구조였습니다.

해결 방식

캐시를 갱신하는 방법으로 세 가지를 검토했습니다.

개별 캐시 삭제: 변경된 가이드와 관련된 사용자별 캐시를 찾아 지워야 하므로 관리 대상이 많아짐

TTL 만료: 구현은 단순하지만 캐시가 만료되기 전까지 이전 검색 결과가 노출될 수 있음

Version Key: 검색 기능 전체가 공유하는 버전을 바꿔 기존 캐시를 더 이상 쓰지 않도록 처리

이 중 Version Key 방식을 선택했습니다. Redis에 위치 검색용 버전 값(global:nearby-guide:version)을 두고 검색 캐시 키에 그 버전을 넣었습니다. 가이드 정보가 바뀌어 기존 검색 결과를 갱신해야 할 때는 버전 값을 올립니다.

예를 들어 버전이 v1에서 v2로 바뀌면 이후 검색 요청은 v2가 들어간 새 캐시 키를 사용하고, 기존 v1 캐시는 더 이상 쓰이지 않다가 TTL에 따라 자연스럽게 삭제됩니다. 이렇게 사용자별 캐시 키를 하나씩 찾아 지우지 않고도 위치 검색 캐시 전체를 무효화할 수 있었습니다.

개별 삭제 방식은 가이드 정보가 바뀌면 사용자 A, B, C의 캐시를 하나씩 지워야 하지만, Version Key 방식은 버전 값 하나를 v1에서 v2로 올리면 이후 요청이 새 캐시를 쓰고 이전 캐시는 TTL로 만료된다.
Version Key 적용 전후의 캐시 무효화 흐름

결과

Redis 캐싱을 적용해 위치 검색 API 응답 속도를 약 40% 개선했습니다.

사용자별 캐시 키를 추적하거나 하나씩 지우지 않고 버전 값 변경으로 무효화

기존 캐시는 TTL로 만료되도록 해 별도의 전체 삭제 작업 없이 관리

회고

두 프로젝트는 서비스에서 중요하게 다루는 데이터의 특성과 갱신주기에 따라 서로 다른 캐싱 전략을 적용했습니다.

GuideME는 가이드 목록 조회가 중요하고 검색 조건에 따라 다양한 캐시가 생성되므로, Version Key를 활용해 목록 캐시를 일괄 무효화했습니다.

반면 프레스런은 상품 상세 조회가 중요하고 상품의 추가·삭제가 드물어, 상품별·사용자별로 캐시를 구분하고 데이터 변경 시 필요한 캐시만 무효화하도록 구성했습니다.

이를 통해 캐싱 전략은 단순히 조회 성능을 높이는 것뿐 아니라, 서비스의 핵심 조회 패턴과 데이터 변경 특성을 고려해 선택해야 한다는 점을 배웠습니다.

다음 대표 사례 · AI 활용 개발·FDEHarness Engineering 기반 AI 개발 환경 구축Harness Engineering아래로 계속 스크롤하면 넘어가요