k6 Update README.md

[DGAZA-max]

k6 사진 추가

[github-actions]

🤖 AI 코드리뷰

리더보드 — 현재 4위 (리뷰 109건) | 전체 8개 팀 참여 중
업데이트 확인 — 리뷰가 질문을 던지다 — 생각해보기

안녕하세요! k6 부하 테스트 결과를 README에 업데이트하신 PR 잘 확인했습니다. 문서화 작업은 프로젝트의 가치를 보여주는 매우 중요한 과정입니다. 코드 리뷰 진행하겠습니다.

📋 과제 요구사항 준수 여부

• 도전 기능 - K6 부하 테스트: VU 50명, 30초 조건으로 테스트가 잘 수행되었습니다. TPS, 평균 응답 시간, 포화 지점(추가 지표인 p95 포함)을 측정하여 한눈에 보기 쉽게 정리해주셨습니다. 👍

🟢 잘된 점

1. 정량적이고 직관적인 결과 정리: 단순히 "빨라졌습니다"가 아니라 89.8% 향상, 76.3% 향상 등 구체적인 수치와 개선율을 표(Table)로 작성하여 캐시 도입의 효과를 명확하게 증명해주신 점이 훌륭합니다.
2. 풍부한 시각 자료 제공: 수치 데이터인 표와 함께 실제 그래프 이미지를 캡처하여 첨부해주신 점이 가독성을 크게 높여줍니다. 백엔드 개발자로서 성능 최적화 결과를 시각적으로 어필하는 능력은 매우 중요합니다.

🔴 필수 수정

• 특이사항 없음

🟡 권장 개선

문서화 수준이 매우 훌륭하여 권장 사항은 거의 없습니다. 다만, 독자(동료 개발자, 면접관 등)의 이해를 돕기 위해 테스트 환경에 대한 약간의 맥락 추가를 제안합니다.

개선 제안: 테스트 환경 명시

• 이유: 동일한 코드라도 데이터베이스의 데이터량, 서버의 스펙 등에 따라 TPS와 응답 시간이 크게 달라집니다. 따라서 이 수치가 나온 **환경(DB 데이터 약 n만 건, 로컬 환경/AWS 배포 환경 등)**을 표 위에 한 줄로 명시해 주시면 결과의 신뢰도가 훨씬 높아집니다.

# AS-IS
**테스트 조건:** VU 50명, 30초, 동일 키워드(`apple`) 반복 요청

# TO-BE
**테스트 환경:** 로컬(Mac M1), DB 약 5만 건 데이터 (Dummy 데이터 적재 상태)
**테스트 조건:** VU 50명, 30초, 동일 키워드(`apple`) 반복 요청

💡 학습 포인트

1. p95 응답 시간 (Percentile): 평균 응답 시간의 함계(이상치에 취약함)를 벗어나기 위해 사용하는 지표입니다. "전체 요청의 95%가 이 시간 내에 처리되었다"는 의미로, 실제 운영 환경에서 사용자 경험을 파악할 때 평균보다 훨씬 유용한 지표입니다.
2. Cache Hit Ratio (캐시 적중률): 89.8%라는 압도적인 성능 향상은 동일한 키워드(apple)로 반복 요청했기 때문에 가능했습니다. 실무에서는 캐시 적중률을 모니터링하여 캐시가 실제로 얼마나 효율적으로 동작하고 있는지 확인합니다.

🤔 생각해보기

현재 테스트는 50명의 사용자가 동일한 키워드(apple) 로만 검색을 진행했습니다. 만약 50명의 사용자가 모두 다른 키워드(예: 각자 자신이 원하는 검색어)로 검색하게 되면, 캐시 적중률(Cache Hit Ratio)이 급격히 떨어질 것입니다.

"실제 커머스 서비스 환경에서는 사용자들이 다양한 키워드로 검색합니다. 이때 Local Cache(현재 적용한 Caffeine)의 maximumSize를 너무 작게 설정하면 어떤 문제가 발생할까요?"

💬 이 질문에 대해 궁금한 점이 있으면 코멘트에 @sparta 를 남겨보세요!
예: @sparta maximumSize가 가득 찼을 때 Caffeine은 어떤 기준으로 캐시를 삭제하나요? (Eviction 정책)

🔄 이전 피드백 반영 여부

• 이전 리뷰 피드백이 제공되지 않아 이 섹션은 생략합니다.

---

AI 리뷰는 참고용입니다. 최종 판단은 팀원이 직접 합니다.