ᱝ Splanet ᱝ

🥇카카오 테크 캠퍼스 2기 STEP3 최우수상🥇

Speak And Plan It!

🗓️ 내 목소리로 빛내는 나만의 플래너, Splanet 🗓️

Splanet: https://www.splanet.co.kr

Medium Blog: Link

---

📖 목차

항목
📌 소개
🌟 주요 기능
💻 기술 스택
🛠 시스템 아키텍처
🗂️ 데이터베이스 ERD
🔍 모니터링
🤖 AI 파인 튜닝
🔗 개발 관련 블로그
👥 팀원

---

🎨 소개

계획을 세우는 일 마저 계획인 여러분들께 선사합니다.

Splanet 은 당신이 해야 할 일을 기반으로, 당신에게 맞는 일정표를 추천해드립니다.

복잡한 일정 관리 대신, 간편하고 직관적으로 일정을 관리해 보세요.

---

🌟 주요 기능

✨️ 할 일 입력 (feat. 실시간 음성 인식) ✨

사용자가 해야할 일을 입력합니다.
목소리로 직접 말해보세요!

음성 인식을 통한 입력

---

✨️ 플랜 자동 생성 ✨️

사용자가 입력한 요구사항을 바탕으로 맞춤 플랜을 생성합니다.
3가지의 추천 플랜 중 마음에 드는 것을 선택하세요!

---

✨️ 플랜 관리 ✨️

사용자는 드래그 앤 드롭 및 카드 크기 조절을 통해 플랜을 자유롭게 관리할 수 있습니다.

드래그 앤 드롭

카드 크기 조절 및 완료

---

✨️ 친구 관리 ✨️

다른 사용자와 친구를 맺고 서로의 플랜을 공유하며 댓글을 남길 수 있습니다.

친구 목록 및 요청

플랜 공유 및 댓글

---

✨️ 웹 푸시 알림 ✨️

웹 푸시 알림을 통해 일정 알림을 받을 수 있습니다. (iOS 환경에서는 브라우저 → 홈 화면에 페이지 추가 이후 알림을 허용해야합니다.)

💻 기술 스택

분야	사용 기술
Frontend
Backend
Database
Infrastructure
Monitoring

---

🛠 시스템 아키텍처

시스템 구성 요약

구성 요소	설명
배포 링크	프론트엔드 (Vercel 배포): https://www.splanet.co.kr 백엔드 (EC2 배포): https://api.splanet.co.kr
프론트엔드	프론트엔드는 Vercel에서 배포되며, React와 Vite로 구성되어 있습니다.
백엔드	백엔드는 AWS EC2 인스턴스에서 Docker 컨테이너로 배포됩니다. MySQL(Amazon RDS) 와 연동하여 데이터를 관리하며, Redis를 통해 캐싱 및 토큰을 처리합니다.
무중단 배포 (Blue-Green Deployment)	Elastic Load Balancer (ELB) 를 사용하여 두 개의 백엔드 인스턴스(Blue와 Green)로 트래픽을 분산시켜 무중단 배포를 지원합니다. 새로운 버전이 배포될 때, 먼저 하나의 서버 컨테이너가 업데이트되고, 이후 ELB를 통해 트래픽을 새 컨테이너로 전환하여 사용자에게 끊김 없는 서비스를 제공합니다. (다운타임 1초 미만)
CI/CD 파이프라인	GitHub Actions를 통해 자동화된 CI/CD 파이프라인을 구성하였으며, 코드 업데이트가 발생할 때마다 Vercel과 EC2에서 자동으로 빌드 및 배포가 이루어집니다. 이를 통해 개발과 배포 과정의 효율성을 높였습니다.

---

🗂 데이터베이스 ERD

테이블 설명

테이블	설명
User	사용자 정보(nickname, profile_image, kakao_id 등)를 저장합니다.
친구 관계	friend와 friend_request 테이블을 통해 사용자 간 친구 관계를 관리합니다.
팀	team, team_user_relation, team_invitation 테이블을 통해 사용자의 팀 생성, 가입, 역할을 관리합니다.
FCM 토큰	fcm_token 테이블로 푸시 알림 토큰을 관리하고, 알림 로그는 notification_log 테이블에 저장됩니다.
계획(Plan)	plan 테이블은 개인 계획을, team_plan 테이블은 팀 내 계획을 관리하며, 계획 정보와 완료 여부를 기록합니다.
구독(Subscription)	subscription 테이블은 사용자의 구독 상태를, payment 테이블은 구독 결제 내역을 기록합니다.
댓글(Comment)	comment 테이블에서 각 user에 작성된 댓글을 관리하며, 작성자와 유저 ID를 연결합니다.

---

🔍 모니터링

🔍 모니터링 🔍

👀 Viewer Account 👀

ID: splanet
PW: splanet3

Amazon CloudWatch를 활용하여 시스템 성능을 모니터링하고, Log 그룹과 사용자 정의 Log를 생성해 서비스 상태와 오류 로그를 관리합니다.

Docker Compose를 통해 웹 애플리케이션을 구성하며, 각 컨테이너의 내부 로그를 외부 파일로 동기화하여 실시간 로그 수집이 가능합니다.

Grafana와 Prometheus를 결합하여 시각화된 대시보드를 제공하고, 애플리케이션 및 인프라스트럭처의 다양한 메트릭을 실시간으로 모니터링합니다.

이를 통해 CPU 사용량, 메모리 사용량, 네트워크 트래픽, 요청 수 등 주요 성능 지표를 직관적으로 파악할 수 있습니다.

이러한 모니터링 및 로그 관리 시스템을 통해 시스템 안정성과 서비스 가용성을 높였습니다.

각 항목 설명

항목	설명
MAU (Monthly Active Users)	최근 30일간의 월간 활성 사용자 수를 나타냅니다.
DAU (Daily Active Users)	최근 7일간의 일간 활성 사용자 수를 나타냅니다.
상태코드 지표	1시간 기준으로 성공 요청(success_requests), 클라이언트 에러(client_error_requests), 리디렉션 요청(redirect_requests)의 비율을 나타냅니다.
동시 접속수	최근 24시간 동안의 동시 접속 사용자 수를 표시합니다.
DB Connections	데이터베이스 연결 상태를 나타냅니다. 특정 시간대에 연결 수가 증가하는 패턴을 보여줍니다.
DB 빈 공간	RDS의 FreeStorageSpace 지표로, 데이터베이스 인스턴스의 사용 가능한 저장 공간을 나타냅니다.
CPU 사용량	시스템의 CPU 사용량을 나타내며, 시간대별 CPU 사용률 변화를 보여줍니다.
네트워크 요청/수신	네트워크 요청 수와 수신된 데이터를 시간대별로 나타내며, 요청 수의 변화를 시각적으로 제공합니다.
Request Count	API 요청 수를 나타냅니다. 최근 요청 수의 변화를 보여주는 그래프입니다.
초당 읽기/쓰기 작업 수	시스템에서 초당 읽기 및 쓰기 작업 수를 보여줍니다.
경로별 요청 수	각 API 경로별로 요청 수를 나타내며, 가장 많이 호출된 경로 순으로 정렬됩니다. )

---

🤖 AI 파인 튜닝

Splanet은 OpenAI API를 활용하여 chatGPT 4o mini 모델을 기반으로 한 지능형 일정 관리 기능을 제공합니다.

JSONL 형식의 학습 데이터를 사용하여 모델을 사용자 요구사항과 컨텍스트에 맞게 fine-tunning 을 진행하였습니다.

JSONL 학습 데이터 형식

예시 입력

{
  "messages": [
    {
      "role": "user",
      "content": "\"오늘 22시에 약속 있음\" 제공된 가이드라인을 따르지 않으면 페널티가 부과될 것입니다. 모든 지침을 주의깊게 읽고 그에 따라 행동하세요. (기존 startDate와 endDate사이에 일정을 생성하지 말아줘. 기존 startDate, endDate:[{\"startDate\": \"2024-11-13T18:30:00\", \"endDate\": \"2024-11-13T20:30:00\"}] 현재 시간 이후로 여유 있게 모든 일정을 완수할 수 있도록 계획해줘 . 시험이나 과제가 포함된 경우, 시험 당일이나 제출 당일이 아닌 전날까지 준비가 완료되도록 해줘 현재 시간:  (2024-11-13T20:41:00 기준). 모든 일정은 한국 시간(UTC+9)을 기준으로 설정해줘. 또한, 기존 일정을 생각하고 새로운 일정을 적당한 간격을 두고 배치해줘.)"
    },
    {
      "role": "assistant",
      "content": "{\"deviceId\": \"<USER_DEVICE_ID>\", \"groupId\": <GROUP_ID>, \"planCards\": [{\"title\": \"약속\", \"description\": \"오늘 22시에 시작하는 약속\", \"startDate\": \"2024-11-13T22:00:00\", \"endDate\": \"2024-11-13T23:00:00\", \"accessibility\": true, \"isCompleted\": false}]}"
    }
  ]
}

주요 구성 요소

1. 사용자 입력 (Role: user)

   • 사용자가 모델에 제공하는 프롬프트나 지시사항을 포함합니다.
   • 일정 충돌 방지, 준비 마감 기한 등 구체적인 제약 조건을 포함합니다.

2. 모델 응답 (Role: assistant)

   • 파인 튜닝된 모델의 JSON 형식 응답을 포함합니다.
   • 예시 응답:
     • deviceId: 사용자의 기기 식별자.
     • groupId: 관련 그룹의 식별자(있는 경우).
     • planCards: 일정 객체 배열로 구성.
       • title: 이벤트 제목.
       • description: 이벤트 설명.
       • startDate: ISO 8601 형식의 이벤트 시작 시간.
       • endDate: ISO 8601 형식의 이벤트 종료 시간.
       • accessibility: 이벤트 접근 가능 여부.
       • isCompleted: 이벤트 완료 여부.

---

파인 튜닝 가이드라인

1. 학습 데이터 준비

   • 프롬프트와 응답이 JSONL 형식을 따르도록 보장합니다.
   • 일정 충돌, 준비 마감 기한 등 다양한 사용자 시나리오를 포함하여 테스트합니다.

2. 모델 파인 튜닝

   • 준비된 JSONL 데이터셋을 사용하여 OpenAI의 파인 튜닝 API로 학습시킵니다.

3. 테스트 및 검증

   • 모델 응답을 검증하여 원하는 일정 관리 논리와 제약 조건에 부합하는지 확인합니다.

---

응답 예시

응답 예시

{
  "deviceId": "<USER_DEVICE_ID>",
  "groupId": "<GROUP_ID>",
  "planCards": [
    {
      "title": "약속",
      "description": "22시에 약속 나가기",
      "startDate": "2024-11-13T22:00:00",
      "endDate": "2024-11-13T23:00:00",
      "accessibility": true,
      "isCompleted": false
    }
  ]
}

파인 튜닝 방법

1. JSONL 형식으로 학습 데이터를 생성합니다.
2. OpenAI의 파인 튜닝 API를 사용하여 모델을 학습시킵니다.
3. 모델을 배포하고 일정 관리 애플리케이션에 통합합니다.

---

위 과정을 통해 Splanet 향상된 일정 관리 기능을 제공할 수 있는 최적화된 파인 튜닝 모델을 구축할 수 있습니다.

---

🔗 개발 관련 블로그

설명	링크	설명	링크
웹 푸시 알림 - 스케줄링 쿼리 최적화	Blog	GPT Model Fine-Tuning 과정	Blog
CLOVA Speech 실시간 스트리밍	Blog	모니터링	Blog
Redis 사용기	Blog	무중단 배포 구현	Blog

전체적인 내용을 담은 Medium Medium

---

👥 팀원

Picture
Name	김송목	이강욱	이세진	구희원	조중현
Position	Leader Backend DevOps ML	Tech Leader Backend DevOps	Plan Leader Backend	Reminder Frontend	Planner Frontend
GitHub