이 프로젝트는 시스템 디자인 인터뷰 준비를 위한 실무 중심 학습 프로젝트입니다. LeetCode와 같은 온라인 코딩 플랫폼을 직접 설계하고 구현하며, 성능 병목을 찾아내고 구조적으로 해결하는 과정을 통해 대규모 시스템 설계 원리를 체득하는 것이 목표입니다.

단순히 동작하는 서비스를 만드는 것이 아니라, 캐싱 전략, 페이지네이션 방식 선택, 코드 실행 샌드박스 분리, 실시간 리더보드 설계, 메시지 큐와 컨테이너를 활용한 비동기 처리 구조 등 시스템 디자인 인터뷰에서 자주 등장하는 주제들을 실제로 설계하고 실험한 프로젝트입니다.

📚 참고 자료:

• LeetCode 프로젝트 상세 문서
• Implementation
• Requirement
• API endpoint
• Optimization: GET ProblemList
• Optimization: GET ProblemDetail
• Optimization: POST Submit Problem
• Optimization: GET LeaderBoard
• Load Test: Apis
• Load Test: POST Submit Problem
• TroubleShooting: JPA OSIV
• RabbitMq: ackMode = None
• Throuput beyond #vCPU

• Framework: Spring Boot 3.5.0
• Language: Java 17
• Build Tool: Gradle 8.x
• Database: MySQL 8.0
• Cache: Redis
• Message Queue: RabbitMQ

• Monitoring: Prometheus + Grafana
• Database Migration: SQL Scripts

• Performance Monitoring: Spring Boot Actuator + Micrometer

• 문제 목록 조회: 다양한 페이징 방식 지원 (Cursor, Offset)
• 문제 상세 조회: 캐싱 전략 적용으로 성능 최적화
• 난이도별 분류: Easy, Medium, Hard
• 카테고리별 분류: Array, String, Tree 등

• 안전한 코드 실행: Docker 샌드박스 환경 분리
• 비동기 처리: RabbitMQ를 통한 제출 처리
• 실시간 결과 반환: 메시지 큐 기반 결과 처리

• 실시간 순위: Redis 기반 고성능 리더보드
• 콘테스트별 순위: 대회 단위 순위 관리
• 성능 최적화: 캐싱을 통한 빠른 응답

• JWT 인증: 토큰 기반 인증 시스템
• 사용자 통계: 제출 이력 및 성과 추적

• API Server: This.

• Code Sandbox: https://github.com/Collaborative-AI-SystemDesign/leetcode-sandbox

• Result Server: https://github.com/Collaborative-AI-SystemDesign/leetcode-sandbox-consumer

• JPA 설정: spring.jpa.open-in-view: false로 OSIV 비활성화
• 배치 처리: hibernate.jdbc.batch_size: 1000 설정
• 인덱싱: 효율적인 쿼리를 위한 데이터베이스 인덱스 최적화

• Redis 캐시: 문제 상세 정보 및 리더보드 캐싱
• Spring Cache: 애플리케이션 레벨 캐싱 적용

• RabbitMQ: 코드 실행 요청의 비동기 처리
• 메시지 큐 최적화: acknowledge-mode: none 설정으로 성능 향상

• Tomcat 튜닝: max-threads: 250, max-connections: 10000
• Connection Pool: 효율적인 데이터베이스 연결 관리

# 문제 목록 조회 (범위 기반)
GET /problems?start={start}&end={end}

# 문제 목록 조회 (Offset 페이징)
GET /problems/offset?page={page}&size={size}

# 문제 목록 조회 (Cursor 페이징)
GET /problems/cursor?cursor={cursor}&limit={limit}

# 문제 상세 조회
GET /problems/{problemId}

# 코드 제출
POST /problems/{problemId}/submission
Content-Type: application/json
{
  "code": "public class Solution {...}",
  "language": "JAVA"
}

# 콘테스트 리더보드 조회
GET /v1/contests/{contest_id}/leaderboard

• problem: 문제 정보 (제목, 설명, 난이도, 제약사항)
• submission: 제출 내역 (코드, 언어, 상태, 실행시간, 메모리)
• user: 사용자 정보
• contest: 대회 정보
• leaderboard: 리더보드 순위
• testcases: 테스트케이스 (문제당 100개)
• example: 예제 (문제당 3개)
• starter_code: 시작 코드 템플릿

• Java 17+
• Docker & Docker Compose
• Gradle 8.x

export MYSQL_HOST=localhost
export MYSQL_DB=sd_db
export MYSQL_USER=sd_user
export MYSQL_PASSWORD=sd_password
export REDIS_HOST=localhost
export RABBITMQ_HOST=localhost
export RABBITMQ_USERNAME=guest
export RABBITMQ_PASSWORD=guest

• Endpoint: http://localhost:8080/actuator
• Prometheus 메트릭: http://localhost:8080/actuator/prometheus

• URL: http://localhost:3000
• 기본 계정: admin/admin

• 페이지네이션: Cursor vs Offset 방식 성능 비교
• JPA 최적화: OSIV 비활성화, 배치 처리 적용
• 쿼리 최적화: N+1 문제 해결, 인덱스 활용

• 리더보드 캐싱: Redis Sorted Set 활용
• 문제 상세 캐싱: 조회 성능 향상
• 적절한 TTL 설정: 메모리 사용량과 성능 밸런스

• 메시지 큐: 코드 실행의 비동기 처리
• RabbitMQ 최적화: ACK 모드 조정으로 처리량 향상

• 문제 목록 조회: 초당 1000+ 요청 처리
• 문제 상세 조회: 캐싱 적용으로 응답시간 50ms 이하
• 코드 제출: 비동기 처리로 즉시 응답

• 메모리 사용량: 힙 메모리 최적화
• 데이터베이스 연결: 커넥션 풀 효율화
• 캐시 적중률: 90% 이상 캐시 활용

1. JPA OSIV 문제: LazyInitializationException 해결
2. RabbitMQ ACK 모드: 성능 vs 안정성 트레이드오프
3. vCPU 처리량 한계: 스레드 풀 최적화

📌 프로젝트 목적: 시스템 디자인 인터뷰 대비 실무 경험 쌓기
🎯 핵심 학습 내용: 대규모 시스템 설계, 성능 최적화, 부하 테스트
📊 성과: 실제 운영 환경 수준의 성능 최적화 경험 습득