지금까지 인텔리제이 프로파일러를 사용하여 성능을 분석해 본 결과 중복확인의 과정이 가장 많은 트래픽을 차지하였음.
그래서 해당 부분을 줄이기 위해서는 캐시를 사용하는 방법을 생각해 봤고, Redis를 사용하지 않고 스프링 내부에서 캐시를 활용하여 하는 방법을 선택하였음
또한 그 다음으로 오래 걸리는 곳이 티켓을 잡은 유저를 테이블에 저장하는 것이었는데 하나의 테이블에 너무 많은 쓰기 요청이 들어가기 때문에 문제가 생긴다고 판단하였다. 그래서 락의 충돌이 증가하고 그게 트래픽의 증가로 이어진다고 생각하였고 이 부분을 분산적으로 테이블을 나누어서 처리하면 쓰기 경합이 더 적게 일어날 것이라고 생각하여 이를 아래의 방법으로 진행하여 속도를 향상시킬 수 있었다.
In-Memory 캐시 (TicketSoldOutCache)
→ 티켓이 매진인지 여부를 빠르게 확인하기 위해, DB 대신 메모리에서 조회.
Sharding 기반 테이블 분산 저장 (UserTicketShardingRepository)
→ 유저 ID 기반 테이블 분산 저장으로 단일 테이블 병목 해소 및 쓰기/조회 속도 향상.
DB를 거치지 않고 티켓의 매진 여부를 빠르게 확인 → 낭비되는 트랜잭션 방지, 처리량 증가
if (ticketSoldOutCache.isSoldOut(ticketId)) {
throw new IllegalStateException("이미 매진된 티켓입니다.");
}
ConcurrentHashMap<Long, Boolean>을 사용해 매진된 ticketId를 키로 저장.