GRAMA

12개의 바운디드 컨텍스트로 구성한 헥사고날 아키텍처와 DDD

강의, 진도, 평가, 분석, AI, 테넌시는 각각 다른 이유로 변경됩니다. 이를 모듈러 모놀리스 안의 바운디드 컨텍스트로 모델링하면 포트와 어댑터 뒤에서 도메인 로직이 Next.js와 Supabase로부터 독립적으로 유지되어, 마이크로서비스의 운영 비용 없이 각 컨텍스트를 따로 테스트하고 발전시킬 수 있습니다.

애플리케이션 코드만이 아닌 Row Level Security로 보장하는 멀티테넌시

여러 기관과 역할이 하나의 데이터베이스를 공유하면 WHERE 절 하나만 빠져도 테넌트 간에 데이터가 새어 나갈 수 있습니다. Row Level Security 정책은 호출자의 기관과 역할 밖에 있는 행을 PostgreSQL 자체가 거부하게 만들고, 모든 서버 액션은 클라이언트가 보낸 값을 믿지 않고 세션에서 역할을 다시 확인합니다. 스키마는 사용자 30,000명, 동시 접속 최대 8,000명 규모로 설계했고 k6 부하 테스트로 검증했습니다.

RAG 어시스턴트를 위해 같은 Postgres 인스턴스에서 pgvector 사용

별도의 벡터 데이터베이스를 쓰면 프로비저닝하고 보안을 관리하고 비용을 내야 하는 서비스가 하나 더 늘어납니다. 임베딩은 항상 수강 정보나 테넌트 같은 관계형 데이터와 함께 조회되므로, Postgres에 두면 어시스턴트가 유사도 검색과 권한 확인을 같은 RLS 정책 아래에서 하나의 쿼리로 처리할 수 있습니다.

PostgreSQL 집계와 RPC 기반 분석

기관별 대시보드는 많은 사용자의 이수 및 진도 데이터를 집계합니다. 이 집계를 데이터베이스 안에서 계산하고 RPC로 노출하면 원시 행을 서버로 보내지 않아도 되고, 무거운 쿼리를 데이터 가까이에서 플랫폼의 나머지 부분과 같은 접근 규칙 아래 실행할 수 있습니다.

읽기는 Server Components로, 클라이언트 상태는 꼭 필요한 곳에만

서버에서 이미 데이터를 가져온 상태로 페이지를 렌더링하면 로딩 폭포가 생기지 않아 교사들이 완성된 페이지를 바로 볼 수 있습니다. 클라이언트 상태는 퀴즈 제출, 진도 업데이트, 스트리밍 어시스턴트처럼 상호작용이 필요한 흐름에만 사용했습니다.