Eco² Backend

Version: v1.0.7 | Changelog

515829337-6a4f523a-fa37-49de-b8e1-0a5befe26605

GPT Vision + Rule-based-retrieval 기반 AI 어시스턴트로, 폐기물 이미지 분류·분리배출 안내·챗봇 기능을 제공합니다.
Self-managed Kubernetes 21-Nodes 클러스터에서 Istio Service Mesh(mTLS, Auth Offloading)와 ArgoCD GitOps로 운영합니다.
Redis Streams + Pub/Sub + State KV 기반 Event Relay Layer로 실시간 SSE 이벤트를 처리하고, KEDA로 이벤트 드리븐 오토스케일링을 수행합니다.
RabbitMQ + Celery 비동기 Task Queue로 AI 파이프라인을 처리하고, EFK + Jaeger로 로깅·트레이싱을 수집합니다.
7개 도메인 마이크로서비스(auth, my, scan, chat, character, location, image)를 모노레포로 관리합니다.
정상 배포 중: https://frontend.dev.growbin.app

Service Architecture

Edge Layer               : Route 53, AWS ALB, Istio Ingress Gateway
Service Layer            : auth, users, my, scan, character, location, chat (w/ Envoy Sidecar)
Integration Layer        :
  - Event Relay          : Redis Streams + Pub/Sub + State KV, Event Router, SSE Gateway
  - Worker (Storage)     : auth-worker, auth-relay, users-worker, character-worker, my-worker, character-match-worker
  - Worker (AI)          : scan-worker (Vision→Rule→Answer→Reward)
Persistence Layer        : PostgreSQL, Redis (Blacklist/State/Streams/Pub-Sub/Cache)
Platform Layer           : ArgoCD, Istiod, KEDA, Prometheus, Grafana, Kiali, Jaeger, EFK Stack

본 서비스는 5-Layer Architecture로 구성되었습니다.

Edge Layer: AWS ALB가 SSL Termination을 처리하고, 트래픽을 Istio Ingress Gateway로 전달합니다. Gateway는 VirtualService 규칙에 따라 North-South 트래픽을 라우팅합니다.
Service Layer: 모든 마이크로서비스는 Istio Service Mesh 내에서 동작하며, Envoy Sidecar를 통해 mTLS 통신, 트래픽 제어, 메트릭 수집을 수행합니다. auth→users gRPC 통신으로 도메인 간 동기 호출을 처리합니다.
Integration Layer - Event Relay: Redis Streams(내구성) + Pub/Sub(실시간) + State KV(복구) 3-tier 이벤트 아키텍처로 SSE 파이프라인을 처리합니다. RabbitMQ + Celery 비동기 Task Queue로 AI 파이프라인(Vision→Rule→Answer→Reward)을 처리하고, KEDA가 이벤트 드리븐 오토스케일링을 수행합니다.
Integration Layer - Worker: Storage Worker(worker-storage 노드)는 Persistence Layer에 접근하여 데이터를 동기화합니다. auth-worker는 RabbitMQ에서 블랙리스트 이벤트를 소비해 Redis에 저장하고, auth-relay는 Redis Outbox 패턴으로 실패 이벤트를 재발행합니다. users-worker는 Celery Batch로 캐릭터 소유권을 PostgreSQL에 UPSERT합니다. AI Worker(worker-ai 노드)는 OpenAI API와 통신하며, scan-worker가 Vision→Rule→Answer→Reward 체인을 gevent pool로 처리합니다.
Persistence Layer: 서비스는 영속성을 위해 PostgreSQL, Redis를 사용합니다. Redis는 용도별로 분리(Blacklist/OAuth State/Streams/Pub-Sub/Cache)되며, Helm Chart로 관리되는 독립적인 데이터 인프라입니다.
Platform Layer: Istiod가 Service Mesh를 제어하고, ArgoCD가 GitOps 동기화를 담당합니다. KEDA가 이벤트 드리븐 오토스케일링을 수행하고, Observability 스택(Prometheus/Grafana/Kiali, Jaeger, EFK Stack)이 메트릭·트레이싱·로깅을 통합 관리합니다.

각 계층은 서로 독립적으로 기능하도록 설계되었으며, Platform Layer가 전 계층을 제어 및 관측합니다. 프로덕션 환경을 전제로 한 Self-manged Kubernetes 기반 클러스터로 컨테이너화된 어플리케이션의 오케스트레이션을 지원합니다. Istio Service Mesh를 도입하여 mTLS 보안 통신, 트래픽 제어(VirtualService), 인증 위임(Auth Offloading)을 구현했습니다. 클러스터의 안정성과 성능을 보장하기 위해 모니터링 시스템을 도입, IaC(Infrastructure as Code) 및 GitOps 파이프라인을 구축해 모노레포 기반 코드베이스가 SSOT(Single Source Of Truth)로 기능하도록 제작되었습니다.

Services Snapshot

서비스	설명	이미지/태그
auth	JWT 인증/인가 (RS256)	`docker.io/mng990/eco2:auth-{env}-latest`
my	사용자 정보	`docker.io/mng990/eco2:my-{env}-latest`
scan	Lite RAG + GPT 5.1 Vision 폐기물 분류	`docker.io/mng990/eco2:scan-{env}-latest`
chat	Lite RAG + GPT 5.1 챗봇	`docker.io/mng990/eco2:chat-{env}-latest`
character	캐릭터 제공	`docker.io/mng990/eco2:character-{env}-latest`
location	지도/수거함 검색	`docker.io/mng990/eco2:location-{env}-latest`
images	이미지 업로드	`docker.io/mng990/eco2:image-{env}-latest`

Celery Workers ✅

Worker	노드	설명	Queue	Scaling
scan-worker	`worker-ai`	AI 파이프라인 처리 (Vision→Rule→Answer→Reward)	`scan.vision`, `scan.rule`, `scan.answer`, `scan.reward`	KEDA (RabbitMQ)
character-match-worker	`worker-storage`	캐릭터 매칭 처리	`character.match`	KEDA (RabbitMQ)
character-worker	`worker-storage`	캐릭터 소유권 저장 (batch)	`character.reward`	KEDA (RabbitMQ)
my-worker	`worker-storage`	마이페이지 캐릭터 동기화 (batch)	`my.reward`	KEDA (RabbitMQ)
users-worker	`worker-storage`	유저 캐릭터 소유권 PostgreSQL UPSERT (Clean Arch)	`users.character`	KEDA (RabbitMQ)
celery-beat	`worker-storage`	DLQ 재처리 스케줄링	-	단일 인스턴스

Auth Workers (Clean Architecture) ✅

Worker	노드	설명	입력	출력
auth-worker	`worker-storage`	블랙리스트 이벤트 → Redis 저장	RabbitMQ `blacklist.events`	Redis `blacklist:{jti}`
auth-relay	`worker-storage`	Redis Outbox → RabbitMQ 재발행 (Outbox Pattern)	Redis `outbox:blacklist`	RabbitMQ `blacklist.events`

Event Relay Components ✅

Component	설명	Scaling
event-router	Redis Streams → Pub/Sub Fan-out, State KV 관리	KEDA (Streams Pending)
sse-gateway	Pub/Sub 구독 → SSE 클라이언트 전달	KEDA (연결 수)

각 도메인은 공통 FastAPI 템플릿·Dockerfile·테스트를 공유하고, Kustomize overlay에서 이미지 태그와 ConfigMap/Secret만 분기합니다.

AI Domain Progress

항목	진행 내용 (2025-11 기준)
Vision 인식 파이프라인	`domains/chat/app/core/ImageRecognition.py`, `vision.py`에서 Azure Vision → OpenAI GPT-5.2/gemini-3.0-flash-preview 조합으로 폐기물 이미지를 분류. `item_class_list.yaml`, `situation_tags.yaml`에 카테고리/상황 태그 정의 후 Prompt에 자동 삽입.
Text/Intent 분류	`text_classifier.py`, `prompts/text_classification_prompt.txt` 기반으로 사용자 질의를 intent/priority로 자동 분류하여 답변 라우팅.
RAG/지식 베이스	`app/core/source/*.json`에 음식물/재활용 품목별 처리 지침을 다수의 JSON으로 축적하고, `rag.py`가 검색·요약해 답변에 인용.
답변 생성 Prompt	`prompts/answer_generation_prompt.txt`, `vision_classification_prompt.txt`를 통해 다중 소스 결과를 하나의 친절한 응답으로 구성. multi-turn 컨텍스트와 tone을 prompt 레벨에서 제어.
API 구조	`domains/chat/app` → FastAPI + `chat/app/core/*` 서비스 계층으로 분리. `/api/v1/chat` 엔드포인트는 text/vision 요청을 자동 판별하고 OpenAI 호출을 추상화.
테스트/운영	`tests/test_app.py`로 API 레벨 smoke test, `requirements.txt`에 OpenAI/Azure SDK 고정.

Event Relay Layer ✅

Status: Redis Streams + Pub/Sub + State KV 기반 Event Relay 아키텍처 완료

flowchart LR
    subgraph Worker["🔧 Celery Worker"]
        SW["scan-worker"]
    end

    subgraph Streams["📊 Redis Streams"]
        RS[("scan:events:*<br/>(내구성)")]
    end

    subgraph Router["🔀 Event Router"]
        ER["Consumer Group<br/>XREADGROUP"]
    end

    subgraph State["💾 State KV"]
        SK[("scan:state:*<br/>(복구/조회)")]
    end

    subgraph PubSub["📡 Redis Pub/Sub"]
        PS[("sse:events:*<br/>(실시간)")]
    end

    subgraph Gateway["🌐 SSE Gateway"]
        SG["Pub/Sub 구독<br/>State 복구<br/>Streams Catch-up"]
    end

    subgraph Client["👤 Client"]
        CL["Browser/App"]
    end

    SW -->|XADD| RS
    RS -->|XREADGROUP| ER
    ER -->|SETEX| SK
    ER -->|PUBLISH| PS
    SK -.->|GET 재접속| SG
    PS -->|SUBSCRIBE| SG
    SG -->|SSE| CL

    classDef worker fill:#fff9c4,stroke:#f9a825,stroke-width:2px,color:#000
    classDef streams fill:#ffccbc,stroke:#e64a19,stroke-width:2px,color:#000
    classDef router fill:#b3e5fc,stroke:#0288d1,stroke-width:2px,color:#000
    classDef state fill:#d1c4e9,stroke:#512da8,stroke-width:2px,color:#000
    classDef pubsub fill:#c8e6c9,stroke:#388e3c,stroke-width:2px,color:#000
    classDef gateway fill:#b2dfdb,stroke:#00796b,stroke-width:2px,color:#000
    classDef client fill:#e1bee7,stroke:#7b1fa2,stroke-width:2px,color:#000

    class SW worker
    class RS streams
    class ER router
    class SK state
    class PS pubsub
    class SG gateway
    class CL client

컴포넌트	역할	스케일링
Event Router	Streams → Pub/Sub Fan-out, State 갱신, 멱등성 보장	KEDA (Pending 메시지)
SSE Gateway	Pub/Sub → Client, State 복구, Streams Catch-up	KEDA (연결 수)
Redis Streams	이벤트 로그 (내구성), Consumer Group 지원	샤딩 (4 shards)
Redis Pub/Sub	실시간 Fan-out (fire-and-forget)	전용 인스턴스
State KV	최신 상태 스냅샷, 재접속 복구	Streams Redis 공유

Async Task Pipeline (Celery) ✅

Status: RabbitMQ + Celery + KEDA 이벤트 드리븐 오토스케일링 완료

flowchart LR
    subgraph Client["👤 Client"]
        CL["Browser/App"]
    end

    subgraph API["🌐 Scan API"]
        SA["POST /api/v1/scan<br/>Dispatch Chain"]
    end

    subgraph MQ["📬 RabbitMQ"]
        VQ[("scan.vision")]
        RQ[("scan.rule")]
        AQ[("scan.answer")]
        WQ[("scan.reward")]
    end

    subgraph Workers["🔧 Celery Workers (gevent)"]
        VW["Vision Worker<br/>GPT Vision 분석"]
        RW["Rule Worker<br/>RAG 규정 검색"]
        AW["Answer Worker<br/>GPT 답변 생성"]
        WW["Reward Worker<br/>보상 판정"]
    end

    subgraph External["🤖 OpenAI API"]
        OAI["GPT-4o Vision<br/>GPT-4o-mini"]
    end

    subgraph Streams["📊 Redis Streams"]
        RS[("scan:events:*<br/>(Event Relay로 전달)")]
    end

    subgraph DB["💾 PostgreSQL"]
        PG[("결과 저장")]
    end

    subgraph Scale["⚡ KEDA"]
        KD["큐 길이 기반<br/>오토스케일링"]
    end

    CL -->|POST| SA
    SA -->|Dispatch| VQ
    SA -.->|202 Accepted| CL

    VQ --> VW
    VW -->|API Call| OAI
    VW -->|XADD| RS
    VW -->|Chain| RQ

    RQ --> RW
    RW -->|XADD| RS
    RW -->|Chain| AQ

    AQ --> AW
    AW -->|API Call| OAI
    AW -->|XADD| RS
    AW -->|Chain| WQ

    WQ --> WW
    WW -->|Batch Insert| PG
    WW -->|XADD stage=done| RS

    KD -.->|Monitor| MQ
    KD -.->|Scale| Workers

    classDef client fill:#e1bee7,stroke:#7b1fa2,stroke-width:2px,color:#000
    classDef api fill:#b2dfdb,stroke:#00796b,stroke-width:2px,color:#000
    classDef mq fill:#bbdefb,stroke:#1976d2,stroke-width:2px,color:#000
    classDef worker fill:#fff9c4,stroke:#f9a825,stroke-width:2px,color:#000
    classDef external fill:#ffcc80,stroke:#e65100,stroke-width:2px,color:#000
    classDef streams fill:#ffccbc,stroke:#e64a19,stroke-width:2px,color:#000
    classDef db fill:#c8e6c9,stroke:#388e3c,stroke-width:2px,color:#000
    classDef scale fill:#b3e5fc,stroke:#0288d1,stroke-width:2px,color:#000

    class CL client
    class SA api
    class VQ,RQ,AQ,WQ mq
    class VW,RW,AW,WW worker
    class OAI external
    class RS streams
    class PG db
    class KD scale

📋 Sequence Diagram (상세 흐름)

sequenceDiagram
    participant Client
    participant ScanAPI as Scan API
    participant RabbitMQ
    participant KEDA
    participant VisionWorker as Vision Worker
    participant RuleWorker as Rule Worker
    participant AnswerWorker as Answer Worker
    participant RewardWorker as Reward Worker
    participant RedisStreams as Redis Streams
    participant PostgreSQL

    Client->>ScanAPI: POST /api/v1/scan
    ScanAPI->>RabbitMQ: Dispatch Chain (job_id)
    ScanAPI-->>Client: 202 Accepted {job_id}

    KEDA->>RabbitMQ: 큐 길이 모니터링
    KEDA->>VisionWorker: Scale Up (메시지 증가 시)

    RabbitMQ->>VisionWorker: scan.vision queue
    VisionWorker->>VisionWorker: GPT Vision 분석
    VisionWorker->>RedisStreams: XADD stage=vision
    VisionWorker->>RabbitMQ: Chain → scan.rule

    RabbitMQ->>RuleWorker: scan.rule queue
    RuleWorker->>RuleWorker: RAG 규정 검색
    RuleWorker->>RedisStreams: XADD stage=rule

    RuleWorker->>RabbitMQ: Chain → scan.answer
    RabbitMQ->>AnswerWorker: scan.answer queue
    AnswerWorker->>AnswerWorker: GPT 답변 생성
    AnswerWorker->>RedisStreams: XADD stage=answer

    AnswerWorker->>RabbitMQ: Chain → reward.character
    RabbitMQ->>RewardWorker: reward.character queue
    RewardWorker->>PostgreSQL (Batch): 보상 저장
    RewardWorker->>RedisStreams: XADD stage=done

컴포넌트	역할	Queue	스케일링
scan-worker	Vision 분석, RAG 검색, 답변 생성, 보상 판정	`scan.vision`, `scan.rule`, `scan.answer`, `scan.reward`	KEDA (큐 길이)
character-match-worker	캐릭터 매칭 처리	`character.match`	KEDA (큐 길이)
character-worker	캐릭터 소유권 저장 (batch)	`character.reward`	KEDA (큐 길이)
my-worker	마이페이지 캐릭터 동기화 (batch)	`my.reward`	KEDA (큐 길이)
celery-beat	DLQ 재처리 스케줄링 (5분 주기)	-	단일 인스턴스
RabbitMQ	AMQP 메시지 브로커	vhost: `eco2`	Quorum Queue

Logging Pipeline (EFK Stack)

flowchart LR
    subgraph Pods["Kubernetes Pods"]
        API["API Pods<br/>(auth, scan, chat...)"]
        Workers["Celery Workers<br/>(scan, character-match, character, my)"]
        Infra["Infra Pods<br/>(istio, argocd...)"]
    end

    subgraph FluentBit["Fluent Bit (DaemonSet)"]
        Tail["Tail Input<br/>(/var/log/containers/*.log)"]
        Parser["Parser<br/>(JSON, regex)"]
        Filter["Filter<br/>(kubernetes metadata)"]
        Output["Output<br/>(es plugin)"]
    end

    subgraph EFK["EFK Stack"]
        ES[("Elasticsearch<br/>(3 nodes)")]
        Kibana["Kibana<br/>(UI)"]
    end

    API -->|stdout/stderr| Tail
    Workers -->|stdout/stderr| Tail
    Infra -->|stdout/stderr| Tail

    Tail --> Parser
    Parser --> Filter
    Filter --> Output
    Output -->|HTTP/9200| ES

    ES --> Kibana

    classDef pods fill:#326CE5,stroke:#fff,color:white
    classDef fluent fill:#009688,stroke:#fff,color:white
    classDef efk fill:#FF9800,stroke:#fff,color:white

    class API,Workers,Infra pods
    class Tail,Parser,Filter,Output fluent
    class ES,Kibana efk

컴포넌트	역할	설정
Fluent Bit	로그 수집 및 포워딩 (DaemonSet)	`/var/log/containers/*.log` 수집, JSON 파싱
Elasticsearch	로그 저장 및 인덱싱	3-node cluster, 인덱스: `logstash-YYYY.MM.DD`
Kibana	로그 검색 및 시각화	Discover, Dashboard, Alerting

로그 포맷 (JSON 구조화)

{
  "timestamp": "2025-12-22T10:30:00.000Z",
  "level": "INFO",
  "logger": "scan.vision_task",
  "message": "Vision analysis completed",
  "task_id": "550e8400-e29b-41d4-a716-446655440000",
  "user_id": "123e4567-e89b-12d3-a456-426614174000",
  "duration_ms": 2340,
  "kubernetes": {
    "namespace": "scan",
    "pod_name": "scan-worker-5d8f9b7c4-x2k9p",
    "container_name": "scan-worker"
  }
}

Bootstrap Overview

Cluster   : kubeadm Self-Managed (21 Nodes)
GitOps    :
  Layer0 - Terraform (AWS 인프라)
  Layer1 - Ansible (kubeadm, CNI)
  Layer2 - ArgoCD App-of-Apps Sync-wave + Kustomize/Helm
  Layer3 - GitHub Actions + Docker Hub
Architecture :
  Edge Layer        - Route 53, AWS ALB, Istio Ingress Gateway
  Service Layer     - auth, users, my, scan, character, location, chat
  Integration Layer :
    - Event Relay   - Redis Streams + Pub/Sub + State KV, Event Router, SSE Gateway
    - Worker (Storage) - auth-worker, auth-relay, users-worker, character-worker, my-worker
    - Worker (AI)   - scan-worker (Vision→Rule→Answer→Reward)
    - KEDA (Event-driven Autoscaling)
  Persistence Layer - PostgreSQL, Redis (Blacklist/State/Streams/Pub-Sub/Cache 분리)
  Platform Layer    - ArgoCD, Istiod, KEDA, Observability (Prometheus, Grafana, EFK, Jaeger)
Network   : Calico CNI + Istio Service Mesh (mTLS)
Node Isolation :
  - worker-storage  - Taint: domain=worker-storage:NoSchedule (Persistence 접근 Worker 전용)
  - worker-ai       - Taint: domain=worker-ai:NoSchedule (AI/OpenAI API 호출 Worker 전용)

Terraform으로 AWS 인프라를 구축합니다.
Ansible로 구축된 AWS 인프라를 엮어 K8s 클러스터를 구성하고, ArgoCD root-app을 설치합니다.
모든 컴포넌트는 ArgoCD root-app과 sync된 상태이며, root-app은 develop 브랜치를 바라봅니다.
develop 브랜치에 push가 발생하면 CI 파이프라인을 거쳐 테스트, 도커 이미지 패키징, 허브 업로드까지 수행합니다.
ArgoCD root-app은 develop 브랜치의 변경사항이 감지되면 해당 파트를 업데이트해 코드 변경이 클러스터로 반영됩니다.

GitOps Architecture

ArgoCD App-of-Apps 패턴 기반 GitOps. 모든 리소스는 sync-wave로 의존성 순서 보장.

Wave	레이어	리소스
0-10	플랫폼	CRD, Namespace, RBAC, Istio, NetworkPolicy, Secrets
15-32	인프라	ALB, Monitoring, PostgreSQL, Redis, RabbitMQ
35-50	애플리케이션	KEDA, APIs, Workers, Event Router, Routing

App-of-Apps: 루트 앱 → ApplicationSet 생성 → sync-wave 값으로 배포 순서 강제
Sync Hook: PostSync Job으로 DB 마이그레이션 자동 실행
CI/CD: 코드 변경 → GitHub Actions → Docker Hub → ArgoCD Auto-Sync

Release Summary (v1.0.7)

Event Relay Layer + AI 파이프라인 ✅
- Redis Streams(내구성) + Pub/Sub(실시간) + State KV(복구) 3-tier 이벤트 아키텍처 구현
- Event Router: Consumer Group(XREADGROUP)으로 Streams 소비, Pub/Sub Fan-out, 멱등성 보장
- SSE Gateway: Pub/Sub 구독 기반 실시간 전달, State 복구, Streams Catch-up
- Celery Chain(Vision→Rule→Answer→Reward): GPT 5.1 Vision + GPT 5.1-mini 조합
- gevent pool (100 greenlets) + httpx connection pooling, 단일 요청 ≈ 12초
- 부하 테스트 결과 (단일 노드 기준, 이전 Celery Events 대비 2.8배 향상)

VU	요청 수	완료율	Throughput	E2E p95	Scan p95	상태
50	685	99.7%	198 req/m	17.7초	93ms	✅ 여유
200	1,649	99.8%	367 req/m	33.2초	83ms	✅ 안정
250	1,754	99.9%	418 req/m	40.5초	78ms	⭐ SLA 기준
300	1,732	99.9%	402 req/m	48.5초	83ms	⚠️ 포화 시작
400	1,901	98.9%	422 req/m	62.2초	207ms	⚠️ 한계 근접
500	1,990	94.0%	438 req/m	76.4초	154ms	❌ 단일 노드 한계

KEDA 이벤트 드리븐 오토스케일링 ✅
- scan-worker: RabbitMQ 큐 길이 기반 자동 스케일링 (1-3 replicas)
- event-router: Redis Streams pending 메시지 기반 스케일링
- character-match-worker: RabbitMQ character.match 큐 기반 스케일링
- Prometheus Adapter 연동으로 커스텀 메트릭 기반 HPA 구현
부하 테스트 및 스케일링 검증 ✅
- 21-Node 클러스터: Event Router, Redis Pub/Sub 전용 노드 추가
- Redis 인스턴스 분리: Streams(내구성) / Pub/Sub(실시간) / Cache(LRU)
- 부하 테스트 검증: 50/200/250/300/400/500 VU 테스트 완료
  - 단일 노드(k8s-worker-ai, 2 cores) 기준 250 VU SLA, 500 VU 한계점 도출
  - KEDA 자동 스케일링 검증: scan-worker 1→3 pods, scan-api 1→3 pods

Article

📝 이코에코(Eco²) 백엔드/인프라 개발 블로그

Status

v1.0.7 - Event Relay & KEDA

✅ Redis Streams + Pub/Sub + State KV 기반 Event Relay Layer 완료
✅ Event Router, SSE Gateway 컴포넌트 개발 완료
✅ KEDA 이벤트 드리븐 오토스케일링 적용 (scan-worker, event-router, character-match-worker)
✅ Celery 비동기 AI 파이프라인 완료 (Vision→Rule→Answer→Reward)
✅ 부하 테스트 완료: 50/200/250/300/400/500 VU 검증
- 250 VU (SLA): 99.9% 완료율, 418 req/m, E2E p95 40초
- 500 VU: 단일 노드 한계점 (94% 완료율, E2E p95 76초)

v1.0.6 - Observability

✅ EFK 로깅 파이프라인 (Fluent Bit → Elasticsearch → Kibana)
✅ 분산 트레이싱 (Jaeger + OpenTelemetry + Kiali)
✅ Alertmanager 알림 시스템 (Slack)

v1.0.5 - Service Mesh & Auth Offloading

✅ Istio Service Mesh Migration 완료
✅ gRPC 내부 통신 Migration 완료
✅ Auth-Offloading 완료, 도메인별 독립성 확보
✅ ext-authz 성능 튜닝 (Grafana: VU 2500, RPS 1200, p99 200-300ms)

v1.0.0 - Initial Release

✅ Terraform · Ansible bootstrap · ArgoCD Sync-wave
✅ GitOps Sync-Wave 재정렬 (00~70) + upstream Helm/CRD 분리
✅ Docker Hub 이미지 파이프라인 + External Secrets 운영
✅ API 개발 완료, 프론트-백-AI 연동 완료

Name		Name	Last commit message	Last commit date
Latest commit History 1,695 Commits
.cursor		.cursor
.github		.github
ansible		ansible
clusters		clusters
domains		domains
e2e-tests		e2e-tests
scripts		scripts
terraform		terraform
workloads		workloads
.codeclimate.yml		.codeclimate.yml
.cursorrules		.cursorrules
.flake8		.flake8
.gitignore		.gitignore
.pre-commit-config.yaml		.pre-commit-config.yaml
.pylintrc		.pylintrc
CHANGELOG.md		CHANGELOG.md
LICENSE		LICENSE
README.md		README.md
VERSION		VERSION
pyproject.toml		pyproject.toml
sonar-project.properties		sonar-project.properties

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

Eco² Backend

Service Architecture

Services Snapshot

Celery Workers ✅

Auth Workers (Clean Architecture) ✅

Event Relay Components ✅

AI Domain Progress

Event Relay Layer ✅

Async Task Pipeline (Celery) ✅

Logging Pipeline (EFK Stack)

로그 포맷 (JSON 구조화)

Bootstrap Overview

GitOps Architecture

Release Summary (v1.0.7)

Article

Status

v1.0.7 - Event Relay & KEDA

v1.0.6 - Observability

v1.0.5 - Service Mesh & Auth Offloading

v1.0.0 - Initial Release

About

Uh oh!

Releases 6

Packages

Contributors 5

Uh oh!

Languages

License

eco2-team/backend

Folders and files

Latest commit

History

Repository files navigation

Eco² Backend

Service Architecture

Services Snapshot

Celery Workers ✅

Auth Workers (Clean Architecture) ✅

Event Relay Components ✅

AI Domain Progress

Event Relay Layer ✅

Async Task Pipeline (Celery) ✅

Logging Pipeline (EFK Stack)

로그 포맷 (JSON 구조화)

Bootstrap Overview

GitOps Architecture

Release Summary (v1.0.7)

Article

Status

v1.0.7 - Event Relay & KEDA

v1.0.6 - Observability

v1.0.5 - Service Mesh & Auth Offloading

v1.0.0 - Initial Release

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases 6

Packages 0

Contributors 5

Uh oh!

Languages

Packages