대학교 3학년 시절 교내 동아리 학사 관리 플랫폼을 개발하며 동시 접속자 1,200명 상황에서 심각한 데이터베이스 병목 현상을 마주했습니다. 당시 느린 쿼리 실행 로그(Slow Query Log)와 APM 지표를 직접 프로파일링하여 N+1 문제를 발견했고, Spring Data JPA의 Fetch Join과 Redis 캐싱 레이어를 도입하여 평균 응답 지연 시간을 820ms에서 45ms로 94% 개선했습니다.

이러한 실무형 튜닝 경험을 통해 백엔드 엔지니어링의 본질은 무조건적인 신기술 도입이 아닌 병목 지점에 대한 집요한 관측과 논리적 문제 해결에 있음을 체득했습니다.

네이버클라우드의 HyperCLOVA X 서빙 플랫폼은 초당 수만 건의 비동기 요청을 안정적으로 처리해야 하는 대한민국 최고 난도의 초거대 AI 분산 시스템입니다. 저는 학부 연구실에서 프로젝트로 학습한 OS 스레드 풀링 모델과 Kafka 파티셔닝 구조에 대한 깊은 이해를 바탕으로, 대규모 트래픽 인프라에서 발생하는 메모리 누수와 네트워크 오버헤드를 극소화하는 견고한 분산 캐시 파이프라인 구축에 기여하고 싶습니다.