Spring Cache Abstraction 사용

• Spring Boot는 @Cacheable, @CachePut, @CacheEvict와 같은 어노테이션을 제공하여 간단히 캐싱을 설정할 수 있습니다.
• Redis는 Spring의 캐시 추상화(CacheManager)를 구현하는 데 사용되며, 손쉽게 통합할 수 있습니다.

데이터 계층 캐싱

• 데이터베이스 조회를 대신하여 Redis에 데이터를 저장함으로써 반복적인 DB 호출을 줄입니다.
• 예를 들어, 자주 조회되는 데이터(예: 상품 목록, 사용자 프로필)를 캐시에 저장하여 DB 부하를 줄일 수 있습니다.

분할 키 전략(Key Partitioning)

• Redis의 키는 고유해야 하므로, 데이터 유형에 따라 네임스페이스를 설정합니다.
• 예: user:{id}, product:{id}와 같은 구조로 관리하여 충돌 방지.

TTL(Time-To-Live) 설정

• 캐시 데이터에 TTL을 설정하여 데이터가 일정 시간이 지나면 만료되도록 구성합니다.
• 이를 통해 오래된 데이터를 제거하고 메모리 관리 효율성을 높일 수 있습니다.

Eviction 정책

• Redis의 LRU(Least Recently Used) 정책을 활용하여 메모리 한계에 도달하면 오래 사용되지 않은 데이터를 제거합니다.
• 필요에 따라 LFU(Least Frequently Used) 또는 FIFO(First In First Out) 정책을 선택.

Multi-Level 캐싱

• Redis 캐시를 1차 캐시로 사용하고, 애플리케이션 내 로컬 메모리(예: Caffeine)를 2차 캐시로 설정하여 자주 액세스하는 데이터를 더 빠르게 제공합니다.

대량 데이터 처리

• Redis의 Hash 또는 Set 자료구조를 사용하여 대량 데이터를 효율적으로 저장 및 관리합니다.
• 예: 사용자의 여러 설정값을 Redis의 Hash로 저장.

Pub/Sub를 활용한 캐시 무효화

• Redis의 Pub/Sub 기능을 사용하여 캐시 갱신이나 무효화 이벤트를 동기화합니다.
• 이를 통해 여러 인스턴스 간 캐시 일관성을 유지할 수 있습니다.

분산 환경에서 캐시

• Redis는 클러스터링과 샤딩을 통해 분산 환경에서 확장성을 제공합니다.
• Spring Boot 애플리케이션이 여러 인스턴스에서 실행 중이라면, 단일 Redis 서버 또는 클러스터를 활용하여 공유 캐시를 사용할 수 있습니다.

DB 쿼리 감소

• 자주 사용하는 데이터를 Redis에 저장하여 DB 호출 횟수를 줄입니다.
• 읽기 요청이 많은 서비스에서 DB 부하를 대폭 감소시킬 수 있습니다.

빠른 데이터 액세스

• Redis는 메모리 기반 데이터 저장소로, 읽기/쓰기 속도가 매우 빠릅니다. 이는 데이터베이스와 비교해 성능을 극대화할 수 있습니다.

높은 확장성

• Redis는 샤딩 및 클러스터링을 통해 수평적으로 확장할 수 있어, 트래픽 증가에 효과적으로 대응 가능합니다.

데이터 동기화 비용 절감

• 여러 애플리케이션 인스턴스에서 동일한 Redis 캐시를 사용함으로써 데이터 동기화 비용을 줄입니다.

캐시 적중률 증가

• 캐시 히트율이 높아지면 요청 응답 속도가 비약적으로 증가합니다. 이를 통해 사용자 경험(UX)을 향상시킬 수 있습니다.

결과적으로 비용 절감

• DB 스케일링이나 고사양 서버로의 업그레이드 비용을 절감할 수 있습니다.

데이터 일관성

• 캐시와 데이터베이스 간의 일관성 문제가 발생할 수 있습니다. 이를 해결하기 위해 TTL, Pub/Sub, 캐시 무효화 전략을 적절히 사용해야 합니다.

메모리 사용량

• Redis는 메모리 기반이므로, 메모리 관리에 주의해야 합니다. TTL 설정과 적절한 Eviction 정책을 적용해야 합니다.

복잡성 증가

• Redis 캐시 도입은 초기 설정과 유지보수 복잡도를 증가시킬 수 있습니다.