류지환 (Jihwan Ryu) Jihwan Ryu (류지환)

GPT/Gemini Vision + Rule-based Retrieval 기반 AI 분리수거 도우미 | K8s 기반 24-Node 마이크로서비스 클러스터

AI recycling assistant based on GPT/Gemini Vision + Rule-based Retrieval | K8s-based 24-Node microservices cluster

• Agent-Driven Development: GitOps로 배포 클러스터와 동기화된 코드베이스를 개발자와 에이전트가 공유하는 단일 진실 공급원으로 삼고, 터미널/CLI/Observability를 통해 에이전트가 클러스터 상태를 실시간으로 수집·파악하며, Foundations·Plans·Reports 등 구조화된 문서를 자체 RAG로 축적하여 히스토리와 아키텍처 컨텍스트를 이해한 상태에서 피드백 루프에 참여하도록 설계Codebase synchronized with deployment cluster via GitOps serves as single source of truth shared by developers and agents, agents collect and understand cluster state in real-time via terminal/CLI/Observability, and participate in feedback loops with accumulated history and architecture context through self-RAG of structured documents (Foundations, Plans, Reports)

▸ Backend

• DOMA + Clean Architecture: 24-Node 클러스터에 배치된 7개 도메인 서비스, SSE Gateway/Event Router/Worker 등 Integration 컴포넌트, MQ/Redis Streams 등 다수의 분산 시스템을 용이하게 오케스트레이션·조합하기 위해 적용 — 도메인별 독립 서비스/워커/스키마 분리(DOMA), 각 서비스 내부는 Port/Adapter 기반 4-Layer 분리, CQRS로 Command/Query 책임 분리, 의존성 역전으로 Adapter 교체 용이성 확보Applied to easily orchestrate 7 domain services deployed on 24-Node cluster, Integration components (SSE Gateway/Event Router/Worker), and multiple distributed systems (MQ/Redis Streams) — Domain-independent service/worker/schema separation (DOMA), Port/Adapter-based 4-Layer separation within each service, Command/Query responsibility separation with CQRS, easy Adapter replacement via dependency inversion
• Scan API Pipeline: Vision(LLM) → Rule-based Retrieval → Answer(LLM) → Reward, Structured JSON + 시스템 프롬프트로 결정론적으로 구성한 단방향 파이프라인 — LLM 2회 호출의 8-10초 high-latency I/O bound 워크로드 특성상 Gevent(Greenlet 비동기) 선택, MQ + Event Relay로 분산 비동기 큐잉/오케스트레이션, SSE로 클라이언트에게 실시간 진행상황 스트리밍Deterministic unidirectional pipeline with Structured JSON + system prompts — Chose Gevent (Greenlet async) for 8-10s high-latency I/O bound workload with 2 LLM calls, distributed async queuing/orchestration with MQ + Event Relay, real-time progress streaming to clients via SSE
• Multi-LLM & Resilience: GPT/Gemini Vision API 런타임 선택 지원, Strategy 패턴 기반 LLM Provider 추상화 — 모델사 API 불안정성 헷징을 위해 Stateless Reducer Pattern + 체크포인팅 + Fallback 도입, 중간 실패 시 LLM 재호출 없이 체크포인트에서 복구Runtime GPT/Gemini Vision API selection, Strategy pattern-based LLM Provider abstraction — Introduced Stateless Reducer Pattern + checkpointing + Fallback to hedge against model API instability, recovery from checkpoint without LLM re-call on intermediate failure
• Event Relay Layer: 단일 호출에 LLM API 2회 호출되는 고I/O 바운드 파이프라인의 동시 접속 부하 취약점 해결 — Redis Streams + Pub/Sub + State KV 기반 3-tier 아키텍처, Event Router(Consumer Group, Lua Script 멱등성), SSE Gateway(Pub/Sub 구독, State 복구) — SLA 기준 VU 50→300 (600% 향상), 시스템 포화 지점 VU 80→500 (625% 향상)Resolved concurrent connection load vulnerability in high I/O bound pipeline with 2 LLM API calls per request — 3-tier architecture based on Redis Streams + Pub/Sub + State KV, Event Router (Consumer Group, Lua Script idempotency), SSE Gateway (Pub/Sub subscription, State recovery) — VU 50→300 (600% improvement) by SLA, system saturation point VU 80→500 (625% improvement)
• Auth Offloading (ext-authz): 모든 호출이 JWT/Blacklist 검증을 거치는 클러스터 글로벌 초크 → 고성능 경량 서버(Go gRPC)로 분리, RS256 JWT/JWKS 검증, HPA 2→4 pods 자동 스케일링Cluster global choke with all calls going through JWT/Blacklist verification → Separated to high-performance lightweight server (Go gRPC), RS256 JWT/JWKS verification, HPA 2→4 pods auto-scaling
• Persistence Offloading: 강결합 동기 로직(유저 생성) 제외, Service Layer의 Persistence 직접 접근 제거 → 모든 영속성 작업을 Integration Layer(RabbitMQ + Worker)로 위임, Eventual Consistency 기반 정합성 보장Except for tightly coupled sync logic (user creation), removed direct Persistence access from Service Layer → Delegated all persistence operations to Integration Layer (RabbitMQ + Worker), consistency guaranteed via Eventual Consistency
• Local Cache Broadcasting: CQRS 분리로 READ 작업 비율이 집중된 도메인(ext-authz JWT AuthN/AuthZ 검증, Character catalog)에 한정 적용, RabbitMQ Fanout 기반 로컬 캐시 동기화로 Persistence Layer 대비 저레이턴시 접근Applied only to domains with concentrated READ operations (ext-authz JWT AuthN/AuthZ verification, Character catalog) via CQRS separation, low-latency access compared to Persistence Layer via RabbitMQ Fanout-based local cache synchronization
• Outbox Pattern: Redis Outbox + auth-relay Worker로 메시지 발행 보장, At-Least-Once + 멱등성 처리로 Exactly-Once Semantics 구현Guaranteed message publishing with Redis Outbox + auth-relay Worker, Exactly-Once Semantics via At-Least-Once + idempotency handling
• Worker Concurrency Strategy: 워크로드 특성에 맞춘 동시성 모델 분리 — I/O 바운드 워커(LLM 호출, DB 영속화)는 Gevent Pool, CPU 바운드 워커(캐릭터 매칭 로직)는 Thread Pool로 구성하여 리소스 효율 최적화Concurrency model separation based on workload characteristics — Gevent Pool for I/O bound workers (LLM calls, DB persistence), Thread Pool for CPU bound workers (character matching logic) for resource efficiency optimization

▸ Infrastructure

• GitOps & Canary: ArgoCD App-of-Apps, Sync-wave(00~70)로 의존성 기반 배포 순서 제어, Helm Charts + Kustomize overlay — 코드베이스 Git commit만으로 클러스터 상태 수렴(Zero-touch Deployment), Canary 배포로 단일 클러스터 내 서비스/개발 환경 격리ArgoCD App-of-Apps, dependency-based deployment order control with Sync-wave(00~70), Helm Charts + Kustomize overlay — Cluster state convergence with just Git commit (Zero-touch Deployment), service/dev environment isolation within single cluster via Canary deployment
• CI Pipeline: 용도별(services/workers/middleware/manifest) 파이프라인 분리, path-based 트리거로 변경 감지 → Black/Ruff lint → Pytest → Build/Push Matrix 전략 — GitHub pre-commit hook과 더불어 코드 퀄리티 검수에 집중, Radon 복잡도 분석으로 AI 에이전트 생성 코드 품질 지속 관리Pipeline separation by purpose (services/workers/middleware/manifest), change detection via path-based triggers → Black/Ruff lint → Pytest → Build/Push Matrix strategy — Focus on code quality inspection with GitHub pre-commit hooks, continuous AI agent-generated code quality management via Radon complexity analysis
• Helm → Operator Migration: Bitnami 등 패키징 의존적 Helm Charts에서 Operator 기반으로 마이그레이션 — CR(Custom Resource)로 선언적 관리, 클러스터 형성 및 확장에 유리Migration from packaging-dependent Helm Charts (Bitnami, etc.) to Operator-based — Declarative management with CR (Custom Resource), advantageous for cluster formation and scaling
• RabbitMQ Topology CR: Queue/Exchange/Binding을 Kubernetes CR로 선언적 관리, Named Direct Exchange로 1:N 라우팅 지원 — 1번 publish로 다중 Consumer 전달(reward → character + users), 네트워크 효율화 및 원자성 보장, Exchange 타입별 용도 분리(Direct/Fanout/DLX)Declarative Queue/Exchange/Binding management via Kubernetes CR, 1:N routing support with Named Direct Exchange — Multiple Consumer delivery with single publish (reward → character + users), network efficiency and atomicity guarantee, purpose separation by Exchange type (Direct/Fanout/DLX)
• 5-Layer Architecture: Edge→Service→Integration→Persistence, Platform — Data Plane 계층 간 의존성을 상하위 1계층으로 한정해 고복잡도 분산환경 오케스트레이션·확장 용이하도록 설계·개발·배포, 서비스별 독립 노드 마이크로서비스를 24-Node Self-managed Kubernetes(kubeadm)로 오케스트레이션, Istio Service Mesh(mTLS, VirtualService), Calico CNI, PostgreSQL(단일 DB, 도메인별 독립 스키마), 용도별 분리된 Redis Cluster(Streams/Pub-Sub/Cache/Outbox)Edge→Service→Integration→Persistence, Platform — Designed/developed/deployed to easily orchestrate/scale high-complexity distributed environment by limiting Data Plane layer dependencies to adjacent layers, orchestrating per-service independent node microservices with 24-Node Self-managed Kubernetes (kubeadm), Istio Service Mesh (mTLS, VirtualService), Calico CNI, PostgreSQL (single DB, per-domain independent schema), purpose-separated Redis Cluster (Streams/Pub-Sub/Cache/Outbox)
• Observability: Prometheus, Grafana, Alertmanager(Slack), OpenTelemetry, Jaeger, Kiali, EFK Stack으로 분산 트레이싱 및 로그 중앙화 for distributed tracing and log centralization
• KEDA: 큐잉 환경에서 HPA(컴퓨팅 리소스) 관측만으로는 수평확장 제어에 한계 → 이벤트 관측 데이터(RabbitMQ 큐 길이, Redis Streams Pending) 기반 오토스케일링Limitations in horizontal scaling control with only HPA (computing resources) observation in queuing environments → Auto-scaling based on event observation data (RabbitMQ queue length, Redis Streams Pending)

LLM & RAG 기반 시니어 꿈 실현 스토리텔링 서비스 | KakaoTech Hackathon — Eco² 이전, 단일 노드 환경에서 분산 아키텍처의 초안을 실험한 프로젝트

Senior dream realization storytelling service based on LLM & RAG | KakaoTech Hackathon — Pre-Eco² project experimenting with distributed architecture drafts in single-node environment

• Single-Node Microservices: Docker 네트워크로 단일 EC2에서 Spring Backend, FastAPI AI Server, Persistence Layer(Elasticsearch, MySQL)를 컨테이너 단위 분리 — Eco² 마이크로서비스 아키텍처의 원형Container-level separation of Spring Backend, FastAPI AI Server, Persistence Layer (Elasticsearch, MySQL) on single EC2 via Docker network — Prototype of Eco² microservices architecture
• Nginx Reverse Proxy: 단일 진입점에서 path-based 라우팅(/api → Backend, /ai → AI Server)으로 서비스 간 트래픽 분배 — ALB + Bridge Ingress Controller + Istio Virtual Routing의 전신Traffic distribution between services via path-based routing (/api → Backend, /ai → AI Server) from single entry point — Predecessor to ALB + Bridge Ingress Controller + Istio Virtual Routing
• Legacy CI/CD: GitHub Actions + S3 + CodeDeploy로 경량 배포 파이프라인 구축, 배포 시간 80% 단축 — ArgoCD GitOps 이전 단계Lightweight deployment pipeline with GitHub Actions + S3 + CodeDeploy, 80% deployment time reduction — Pre-ArgoCD GitOps stage
• LLM + RAG: Elasticsearch 벡터 검색 + LangChain RAG로 시니어 꿈 기반 스토리/이미지 생성 — Eco² Scan API 파이프라인의 초기 실험Senior dream-based story/image generation with Elasticsearch vector search + LangChain RAG — Early experiment for Eco² Scan API pipeline
• 리소스 최적화Resource Optimization: Swap 메모리, Docker 리소스 제한으로 EC2 안정화 (CPU 89%→40%) — 제한된 환경에서의 성능 튜닝 경험EC2 stabilization with Swap memory, Docker resource limits (CPU 89%→40%) — Performance tuning experience in constrained environments

Web3.0 기반 탈중앙화 경매 시스템 | 거래 및 유통 과정의 투명성·신뢰성 확보

Web3.0-based decentralized auction system | Ensuring transparency and reliability in trading and distribution processes

• Smart Contract Backend: ERC-1155 기반 상품/경매/화폐(MMT) Multi-Token 단일 컨트랙트 통합, 경매 비즈니스 로직(입찰/낙찰/정산/취소) + Governance 권한 관리 온체인 구현ERC-1155 based product/auction/currency (MMT) Multi-Token single contract integration, on-chain implementation of auction business logic (bid/award/settlement/cancel) + Governance permission management
• Supply Chain Traceability: 유통 이력 추적 체인 구현, 콜드체인 환경 데이터(온습도) 온체인 기록, 배송 상태 FSM(Empty→Prepare→Delivery)Distribution history tracking chain implementation, cold chain environment data (temperature/humidity) on-chain recording, delivery status FSM (Empty→Prepare→Delivery)
• Blockchain Infrastructure: genesis.json 기반 Private Network(chainId 49277) 구성, Truffle/Ganache 배포 파이프라인 자동화, Web3.js + MetaMask + IPFS 연동Private Network configuration (chainId 49277) based on genesis.json, Truffle/Ganache deployment pipeline automation, Web3.js + MetaMask + IPFS integration