수강신청 오픈 시 발생하는 고동시 요청을 안정적으로 처리하기 위한 REST API 서버입니다. JPA + H2 기반의 단순 구현에서 시작해 Redis 분산 락 → R2DBC → MariaDB 순으로 발전시키며 각 단계에서 동시성 문제를 어떻게 해결했는지 실험하고 검증한 프로젝트입니다.
| 구분 | 기술 |
|---|---|
| Runtime | Java 21 |
| Framework | Spring Boot 3.3.x + Spring WebFlux |
| DB | MariaDB 11 (Docker) |
| ORM | R2DBC (r2dbc-mariadb) |
| 분산 락 | Redisson (Redis 7, Docker) |
| 빌드 | Gradle 9.0 (Kotlin DSL) |
| 문서 | SpringDoc OpenAPI (Swagger UI) |
가장 단순한 출발점입니다.
- Spring MVC + JPA + H2 인메모리 DB
- 동시성 제어:
SELECT FOR UPDATE(PESSIMISTIC_WRITE) - 단일 서버에서는 락이 동작하고 구현이 간결
한계
- Tomcat 기본 스레드 200개 → 수강신청 오픈 순간 5,000 동시 접속 시 나머지 4,800명은 큐 또는 타임아웃
- DB 락은 해당 서버 내에서만 유효 → 서버를 수평 확장하면 락 공유 불가
- H2는 인메모리라 I/O 대기가 없어 문제가 잘 드러나지 않음
단일 서버의 DB 락 대신 Redis를 중앙 락 저장소로 사용합니다.
- Redisson
RLock— 강좌별lock:course:{id}키로 락 획득/해제 - 여러 서버가 동일한 Redis를 바라보므로 수평 확장 시에도 락 공유 가능
- 락 획득 실패 시 즉시 409 반환 (DB 타임아웃까지 대기하지 않음)
이점
- 다중 서버 환경에서도 정원 초과 없이 정확한 동시성 제어
- 락 대기 없이 빠른 실패 응답
블로킹 스레드 모델의 근본적인 한계를 해결합니다.
- Spring WebFlux (Netty) — 이벤트 루프 기반, 스레드 수에 무관하게 수천 커넥션 처리
- R2DBC — 비동기 DB 드라이버로 DB 응답 대기 중에도 스레드를 점유하지 않음
- Redisson
RLockReactive— 리액티브 체인 내에서 분산 락 획득/해제
[수강신청 오픈 순간: 동시 접속 5,000명]
JPA + Tomcat (200 스레드)
→ 200명 처리, 나머지 4,800명 큐 또는 타임아웃
WebFlux + Netty
→ 이벤트 루프 4개로 5,000 커넥션 동시 처리
→ 모든 요청에 즉시 응답 (성공 or 실패 메시지)
이점
- 스레드 블로킹 없이 대규모 동시 커넥션 처리
- Reactor 체인으로 락 → DB 쿼리 → 언락을 일관된 비동기 흐름으로 구성
실제 운영 환경에 가까운 디스크 기반 DB로 전환하여 진짜 I/O 대기 상황을 검증합니다.
- H2 인메모리에서 숨겨졌던 I/O 대기가 드러남 → WebFlux 논블로킹 구조의 이점이 실측됨
- JPA
PESSIMISTIC_WRITE는 MariaDB에서 100 동시 락 경쟁 시HA_ERR_RECORD_CHANGED오류 발생 - Redis 분산 락으로 직렬화하여 안정적으로 정원 제어
Apache Bench + Python concurrent.futures
| 지표 | JPA (MVC) | WebFlux |
|---|---|---|
| TPS | 6,457 req/s | 3,397 req/s |
| p50 | 12ms | 13ms |
| p95 | 30ms | 126ms |
| p99 | 48ms | 289ms |
H2는 I/O 대기가 없어 JPA의 동기 모델이 유리. WebFlux의 Reactor 체인 + Redis 왕복이 오히려 오버헤드.
| 지표 | JPA (MVC) | WebFlux |
|---|---|---|
| TPS | 1,273 req/s | 733 req/s |
| p50 | 21ms | 63ms |
| 성공(201) | 29개 ✅ | 29개 ✅ |
| 정원초과(409) | 71개 ✅ | 71개 ✅ |
| 동시성 정확도 | 정확 | 정확 |
| 지표 | JPA+MariaDB | WebFlux+MariaDB |
|---|---|---|
| TPS (동시 100) | 1,470 req/s | 1,786 req/s |
| TPS (동시 500) | 2,115 req/s | 3,076 req/s |
| p95 (동시 100) | 120ms | 86ms |
| p99 (동시 500) | 407ms | 293ms |
| 지표 | JPA+MariaDB | WebFlux+MariaDB |
|---|---|---|
| 성공(201) | 1건 ❌ | 50건 ✅ |
| 실패(500) | 99건 | 15건 |
| 동시성 정확도 | 불안정 | 정확 |
JPA:
HA_ERR_RECORD_CHANGED(InnoDB 행 버전 불일치) 대량 발생 WebFlux: Redis 분산 락으로 직렬화 → 정원(50명) 정확히 제어
I/O 대기 없음 I/O 대기 있음
(H2 인메모리) (MariaDB)
┌───────────────────────────────────┐
JPA │ 빠름 ✓ 느림 + 락 오류 ❌│
WebFlux+Redis │ 느림 (오버헤드) 빠름 + 안정 ✅ │
└───────────────────────────────────┘
단일 서버 → JPA가 단순하고 빠름
다중 서버(LB 뒤) → Redis 분산 락이 필수
src/main/java/com/university/registration/
├── RegistrationApplication.java
├── health/HealthController.java
├── common/
│ ├── response/ # ApiResponse, PageResponse
│ └── exception/ # ErrorCode, BusinessException, GlobalExceptionHandler
├── config/ # SwaggerConfig, RedissonConfig, R2dbcConfig
├── domain/
│ ├── department/
│ ├── professor/
│ ├── student/
│ ├── course/
│ └── registration/
└── seeding/ # DataSeeder, NameGenerator
- Java 21
- Docker (MariaDB + Redis)
docker compose up -d./gradlew bootRun서버 시작 시 데이터 시딩이 자동으로 진행됩니다 (약 15~25초).
GET /health 가 200을 반환하면 모든 API 사용 가능합니다.
| 항목 | URL |
|---|---|
| API 서버 | http://localhost:8080 |
| Swagger UI | http://localhost:8080/swagger-ui.html |
| 항목 | 수량 |
|---|---|
| 학과 | 10개 |
| 교수 | 100명 |
| 강좌 | 500개 |
| 학생 | 10,000명 |
| 메서드 | URL | 설명 |
|---|---|---|
| GET | /health | 헬스체크 |
| GET | /api/v1/students | 학생 목록 (페이징) |
| GET | /api/v1/professors | 교수 목록 (페이징) |
| GET | /api/v1/courses | 강좌 목록 (전체/학과별, 페이징) |
| GET | /api/v1/courses/{courseId} | 강좌 단건 조회 |
| POST | /api/v1/registrations | 수강신청 |
| DELETE | /api/v1/registrations/{courseId} | 수강취소 |
| GET | /api/v1/students/{studentId}/timetable | 내 시간표 조회 |
자세한 API 명세는 Swagger UI를 참조하세요.
./gradlew testRegistrationConcurrencyTest: 정원 1명 강좌에 100명 동시 신청 → 1명만 성공 검증
수강신청 요청
│
▼
Redis 분산 락 획득 (lock:course:{id})
│
▼
학생 존재 확인
│
▼
강좌 조회
│
▼
중복 신청 확인 → 409
학점 초과 확인 → 409
시간 충돌 확인 → 409
정원 초과 확인 → 409
│
▼
enrolled++ + 저장 (트랜잭션)
│
▼
Redis 분산 락 해제