# Site11 Microservices Architecture

## 시스템 아키텍처 개요

### 메시징 및 데이터 처리 시스템

#### 1. **Apache Kafka** - 통합 메시징 플랫폼
- **역할**: 이벤트 스트리밍 + 작업 큐 + 메시지 버스
- **사용 사례**:
  - 서비스 간 이벤트 발행/구독
  - 비동기 작업 큐 (Celery 대체)
  - 사용자 활동 로그 스트리밍
  - 실시간 데이터 파이프라인
  - 이벤트 소싱 패턴 구현
  - CQRS (Command Query Responsibility Segregation)
  - 백그라운드 작업 처리

#### 2. **Redis** - 인메모리 데이터 스토어
- **역할**: 캐싱 및 세션 관리 전용
- **사용 사례**:
  - API 응답 캐싱
  - 사용자 세션 저장
  - Rate limiting
  - 실시간 리더보드/카운터
  - 임시 데이터 저장

#### 3. **MongoDB** - Document Database
- **역할**: 주요 데이터 영속성
- **사용 사례**:
  - 서비스별 도메인 데이터
  - 유연한 스키마 관리
  - 이벤트 저장소

## 서비스 통신 패턴

### 동기 통신 (REST API)
```
Client → Nginx → Console (API Gateway) → Microservice
```
- 즉각적인 응답이 필요한 경우
- CRUD 작업
- 실시간 데이터 조회

### 비동기 통신 (Kafka Events)
```
Service A → Kafka Topic → Service B, C, D
```
- 서비스 간 느슨한 결합
- 이벤트 기반 아키텍처
- 확장 가능한 처리

### 캐싱 전략 (Redis)
```
Request → Check Redis Cache → Hit? Return : Fetch from DB → Store in Redis → Return
```
- 응답 시간 개선
- 데이터베이스 부하 감소
- 세션 관리

## 이벤트 플로우 예시

### 사용자 등록 플로우
1. **API Request**: Client → Console → Users Service
2. **User Created Event**: Users Service → Kafka
3. **Event Consumers**:
   - Statistics Service: 사용자 통계 업데이트
   - Email Service: 환영 이메일 발송
   - Analytics Service: 가입 분석
4. **Cache Update**: Redis에 사용자 정보 캐싱

### 이미지 업로드 플로우
1. **Upload Request**: Client → Console → Images Service
2. **Image Uploaded Event**: Images Service → Kafka
3. **Event Processing**:
   - Thumbnail Service: 썸네일 생성
   - ML Service: 이미지 분석
   - Statistics Service: 업로드 통계
4. **Job Queue**: Redis/Celery로 백그라운드 처리

## Kafka Topics 구조 (예정)

### Event Topics (이벤트 스트리밍)
```
# User Domain
user.created
user.updated
user.deleted
user.login

# Image Domain
image.uploaded
image.processed
image.deleted

# Application Domain
app.registered
app.updated
app.deployed

# System Events
service.health
service.error
audit.log
```

### Task Queue Topics (작업 큐)
```
# Background Jobs
tasks.email.send
tasks.image.resize
tasks.report.generate
tasks.data.export
tasks.notification.push

# Scheduled Jobs
tasks.cleanup.expired
tasks.backup.database
tasks.analytics.aggregate
```

## Redis 사용 패턴

### 1. 캐싱 계층
- Key: `cache:users:{user_id}`
- TTL: 3600초
- 패턴: Cache-Aside

### 2. 세션 관리
- Key: `session:{token}`
- TTL: 1800초
- 데이터: 사용자 정보, 권한

### 3. Rate Limiting
- Key: `rate_limit:{user_id}:{endpoint}`
- Window: Sliding window
- Limit: 100 requests/minute

### 4. 작업 큐 (Celery)
- Queue: `celery:tasks`
- Priority Queue 지원
- Dead Letter Queue

## 구현 로드맵

### Phase 1 (현재)
- ✅ 기본 서비스 구조
- ✅ MongoDB 연동
- ✅ Redis 설치
- 🔄 JWT 인증

### Phase 2 (Step 6-7)
- Kafka 클러스터 설정
- 기본 Producer/Consumer 구현
- Event Schema 정의
- Redis 캐싱 전략 구현

### Phase 3 (Step 8+)
- Event Sourcing 패턴
- CQRS 구현
- Saga 패턴 (분산 트랜잭션)
- 모니터링 대시보드

## 기술 스택

### 메시징 & 스트리밍
- **Kafka**: Event streaming
- **Redis**: Caching, Queue, Pub/Sub
- **Confluent Schema Registry**: Schema 관리 (향후)

### 백엔드
- **FastAPI**: REST API
- **Celery**: 비동기 작업 처리
- **kafka-python**: Kafka 클라이언트

### 데이터베이스
- **MongoDB**: Document store
- **Redis**: In-memory cache

### 모니터링 (향후)
- **Kafka Manager**: Kafka 클러스터 관리
- **RedisInsight**: Redis 모니터링
- **Prometheus + Grafana**: 메트릭 수집/시각화