‣
<aside>
📃
</aside>
01. 프로젝트 개요
<aside>
사람들은 패션을 통해 자신의 취향과 개성을 표현합니다.
하지만 패션 입문자들은 자신만의 스타일을 찾기 쉽지 않고, 스타일보다 편의성이나 일정에 맞춰 옷을 고르는 경우가 많습니다.
OQ는 패션 입문자들을 위해, 취향과 상황을 고려하여 적합한 스타일을 추천하고 적절한 의상을 찾아, 가상 피팅으로 착용한 모습을 미리 확인할 수 있는 AI 패션 큐레이팅 서비스입니다.
</aside>
02. 담당 역할 및 기여
<aside>
- 프로젝트 기획 및 화면 설계
- 프론트엔드 개발
- 인프라 구축 및 배포 자동화
- Hadoop 운영 구조 설계
- 협업 및 운영
</aside>
03. 주요 구현 기능
<aside>
메인 페이지, 피팅룸 페이지 설계 및 구현
- Figma 기반 와이어프레임을 바탕으로 메인 페이지와 피팅룸 페이지 구현
- React, TypeScript, Tailwind CSS를 활용해 화면 레이아웃과 주요 UI 컴포넌트 구성
- 백엔드 API와 연동하여 추천 결과, 의류 조회, 피팅 흐름을 화면에 반영
- 디자인 레퍼런스를 반영해 서비스 주제와 사용자층에 맞는 UI를 적용
Docker-Jenkins 기반 CI/CD 파이프라인 구축
- AWS EC2 환경에서 프론트엔드, 백엔드, 데이터베이스, 웹서버를 Docker Compose로 통합 운영할 수 있도록 구성
- Jenkins와 GitLab Webhook을 연동해 빌드 및 배포가 자동으로 수행되도록 CI/CD 파이프라인 구축
- Nginx reverse proxy와 HTTPS를 적용해 서비스 접근 경로를 일원화하고 운영 환경을 구성
- 로컬 / 개발 / 배포 환경에 따라 설정이 다르게 적용되도록 실행 구조를 분리
Hadoop 서버 운영 구조 설계
- 50만건 이상의 의류 이미지와 메타데이터 처리를 위해 메인 서비스 서버와 Hadoop 서버를 분리 구성
- 메인 서버는 사용자 요청과 서비스 응답을 담당하고, Hadoop 서버는 데이터 조회 및 처리 역할을 수행하도록 연계
- Hadoop, Spark, Python API 서버를 기반으로 의류 데이터 조회 결과가 서비스 기능과 연결되도록 구현
운영 문서 및 실행 가이드 작성
- 배포 서버 구성 과정, 로컬 실행 절차, Jenkins 사용 방법, 운영 절차를 문서화
- 팀원들이 동일한 기준으로 개발·테스트·배포를 수행할 수 있도록 실행 가이드 정리
- 기능 구현 이후 유지보수와 재배포까지 고려한 운영 자료 작성
</aside>
04. 기술 스택 및 시스템 아키텍쳐
<aside>
기술 스택 (사용 경험 표시)
</aside>
<aside>
<aside>
- Backend / AI Service
</aside>
<aside>
<aside>
<aside>