SlideShare une entreprise Scribd logo
1  sur  21
Cache!!
강서구 자바 스터디
By Kingbbode
Cache
Web Server Application
Browser
(Client)
DB
API
Cache - Browser Cache
Browser
(Client)
브라우저 캐시
● Resource에 대한 Cache
Cache 기준 : URL
ex) cache.js !== cache.js?version=1.0
cache-ejajdfsij10dsflsjfs.js -> Hash 기법
cache.js?version=1.0 -> Parameter 기법
Cache - Browser Cache
Browser
(Client)
브라우저 캐시
● Resource에 대한 Cache
개발할 때 생각해야할 것
● 이 자원이 얼마나 자주 바뀌는가
○ Parameter 설정
○ Cache를 안하도록 설정
● 이 자원이 언제 바뀌는가
○ Hash 값
Cache - Browser Cache
Browser
(Client)
Web Server
Cache
X
Cache - Web Server Cache
Browser
(Client)
Web Server(httpd, nginx, tomcat) 캐시
- 응답에 대한 Cache
Web Server
사례 : http://jojoldu.tistory.com/60
Cache - Web Server Cache
Browser
(Client)
Web Server(httpd, nginx, tomcat) 캐시
- 응답에 대한 Cache
개발할 때 생각해야할 것
● 응답 값이 얼마나 자주 바뀌는가
● 응답 값이 언제 바뀌는가
● 어플리케이션에 해당 응답 값을 반환하는데 얼마나 많은 비용이 들어
● 브라우저 캐시는 어떻게 되고 있는가
Web Server
Cache - Web Server Cache
Browser
(Client)
Web Server Application
Browser
(Client)
X
Cache
Cache - Application Cache
Browser
(Client)
Application 캐시
- 데이터에 대한 캐시
개발할 때 생각해야 하는 것
● 데이터가 얼마나 자주 바뀌는가
● 데이터가 언제 바뀌는가
● 데이터를 가져오는데 어느정도의 비용이 드는가
● 사용자 체감 속도
Web ServerApplication
Cache - Application Cache
Browser
(Client)
Web Server Application
Browser
(Client)
Cache
DB
API
X
X
Cache - Application Cache
Browser
(Client)
1. Application Memory Cache
- 객체나 필드를 저장
Web ServerApplication
Cache - Application Cache
Browser
(Client)
2. Ehcache
● XML, Annotation 기반(프로그래밍 기반으로도 작성은 가
능)
Web ServerApplication
Cache - Application Cache
Browser
(Client)
2. Ehcache
● Cache Size 지정 가능
● Cache 만료 시간 지정 가능
● Cache Module 지정 가능
● Cache 방식 지정 가능
○ LRU(default)
■ Size가 꽉 찼을 때 사용한지 가장 오래된 캐시
를 버린다.
○ LFU
■ Size가 꽉 찼을 때 저장된지 제일 오래된 캐시
를 버린다.
Web ServerApplication
Cache - Application Cache
Browser
(Client)
2. Ehcache
● 분산 캐시를 지원
Web Server
Applicati
onCach
e
Applicati
onCach
e
Applicati
onCach
e
Applicati
onCach
e
동기화
Application
Cache - Application Cache
Browser
(Client)
3. LoadingCache(Guava, Java8)
● 대부분 기능은 Ehcache 유사
● 프로그래밍 기반
Web ServerApplication
Cache - Application Cache - 갱신방식
1. Schedule Push
● 일정 시간을 주기로 데이터를 보낸다
Application API
일정 시간마다 전
송
Cache - Application Cache - 갱신방식
2. Schedule Polling
● 일정 시간을 주기로 데이터를 가져온다
Application API
일정 시간마다 요
청
Cache - Application Cache - 갱신방식
3. Event Push
● 특정 이벤트가 발생하면 데이터를 보낸다
Application API Event
Admin or private API
Message Queue
(RabbitMQ, Kafka 등)
Cache - Application Cache - 갱신방식
4. Event Polling
● 특정 이벤트가 발생하면 데이터를 가져온다
Application APIEvent
Admin or private API
Message Queue
(RabbitMQ, Kafka 등)
Cache - Application Cache - 갱신방식
Event Queue 사용 장점
● 메시지 전송 이벤트에 대한 신뢰성 보장
● 메시지 이벤트 순서에 대한 보장
API Push 방식에 대한 단점
● API는 데이터를 요청하면 보내주는 일에만 집중해야 함.
● 데이터를 받아야하는 서버가 늘어나면 추가 작업 해줘야 함.
● Event Queue 사용 장점을 활용할 수 없다.(PUSH에 대한 신뢰성과 순서가 보장 안되
므로)
Cache - NoSql
Browser
(Client)
● 데이터를 가공하여, NoSql에 저장해놓고 Cache 용도로 사용
하기도 함.
● 데이터를 읽고 쓰는 속도가 RDBMS에 비해 빠름.
● 보통 실시간 데이터를 사용
○ ex) 좋아요 Count, 조회수Web ServerApplication

Contenu connexe

Tendances

구글의 공룡화
구글의 공룡화구글의 공룡화
구글의 공룡화
juhyun
 
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
SANG WON PARK
 
Memcached의 확장성 개선
Memcached의 확장성 개선Memcached의 확장성 개선
Memcached의 확장성 개선
NAVER D2
 
대용량 로그분석 Bigquery로 간단히 사용하기 20160930
대용량 로그분석 Bigquery로 간단히 사용하기 20160930대용량 로그분석 Bigquery로 간단히 사용하기 20160930
대용량 로그분석 Bigquery로 간단히 사용하기 20160930
Jaikwang Lee
 
대규모 서비스를 지탱하는 기술 Ch 4
대규모 서비스를 지탱하는 기술 Ch 4대규모 서비스를 지탱하는 기술 Ch 4
대규모 서비스를 지탱하는 기술 Ch 4
ukjinkwoun
 
대용량 로그분석 Bigquery로 간단히 사용하기
대용량 로그분석 Bigquery로 간단히 사용하기대용량 로그분석 Bigquery로 간단히 사용하기
대용량 로그분석 Bigquery로 간단히 사용하기
Jaikwang Lee
 

Tendances (20)

구글의 공룡화
구글의 공룡화구글의 공룡화
구글의 공룡화
 
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
 
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
카프카(kafka) 성능 테스트 환경 구축 (JMeter, ELK)
 
Tajo TPC-H Benchmark Test on AWS
Tajo TPC-H Benchmark Test on AWSTajo TPC-H Benchmark Test on AWS
Tajo TPC-H Benchmark Test on AWS
 
Understanding of Apache kafka metrics for monitoring
Understanding of Apache kafka metrics for monitoring Understanding of Apache kafka metrics for monitoring
Understanding of Apache kafka metrics for monitoring
 
다중성 확보, 시스템 안정화
다중성 확보, 시스템 안정화다중성 확보, 시스템 안정화
다중성 확보, 시스템 안정화
 
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
 
Apache kafka performance(latency)_benchmark_v0.3
Apache kafka performance(latency)_benchmark_v0.3Apache kafka performance(latency)_benchmark_v0.3
Apache kafka performance(latency)_benchmark_v0.3
 
Memcached의 확장성 개선
Memcached의 확장성 개선Memcached의 확장성 개선
Memcached의 확장성 개선
 
PostgreSQL 이야기
PostgreSQL 이야기PostgreSQL 이야기
PostgreSQL 이야기
 
Data pipeline and data lake
Data pipeline and data lakeData pipeline and data lake
Data pipeline and data lake
 
대용량 로그분석 Bigquery로 간단히 사용하기 20160930
대용량 로그분석 Bigquery로 간단히 사용하기 20160930대용량 로그분석 Bigquery로 간단히 사용하기 20160930
대용량 로그분석 Bigquery로 간단히 사용하기 20160930
 
[Pgday.Seoul 2019] AppOS 고성능 I/O 확장 모듈로 성능 10배 향상시키기
[Pgday.Seoul 2019] AppOS 고성능 I/O 확장 모듈로 성능 10배 향상시키기[Pgday.Seoul 2019] AppOS 고성능 I/O 확장 모듈로 성능 10배 향상시키기
[Pgday.Seoul 2019] AppOS 고성능 I/O 확장 모듈로 성능 10배 향상시키기
 
Big query at GDG Korea Cloud meetup
Big query at GDG Korea Cloud meetupBig query at GDG Korea Cloud meetup
Big query at GDG Korea Cloud meetup
 
대규모 서비스를 지탱하는 기술 Ch 4
대규모 서비스를 지탱하는 기술 Ch 4대규모 서비스를 지탱하는 기술 Ch 4
대규모 서비스를 지탱하는 기술 Ch 4
 
Introduction to Apache Tajo
Introduction to Apache TajoIntroduction to Apache Tajo
Introduction to Apache Tajo
 
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
SQL-on-Hadoop with Apache Tajo,  and application case of SK TelecomSQL-on-Hadoop with Apache Tajo,  and application case of SK Telecom
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
 
대용량 로그분석 Bigquery로 간단히 사용하기
대용량 로그분석 Bigquery로 간단히 사용하기대용량 로그분석 Bigquery로 간단히 사용하기
대용량 로그분석 Bigquery로 간단히 사용하기
 
AWS의 하둡 관련 서비스 - EMR/S3
AWS의 하둡 관련 서비스 - EMR/S3AWS의 하둡 관련 서비스 - EMR/S3
AWS의 하둡 관련 서비스 - EMR/S3
 
빅데이터 구축 사례
빅데이터 구축 사례빅데이터 구축 사례
빅데이터 구축 사례
 

Similaire à 강서구 자바 스터디

113 deview2013 varnish-day1_track1_session3_1013
113 deview2013 varnish-day1_track1_session3_1013113 deview2013 varnish-day1_track1_session3_1013
113 deview2013 varnish-day1_track1_session3_1013
NAVER D2
 
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
VMware Tanzu Korea
 

Similaire à 강서구 자바 스터디 (20)

Lablupconf session4 "스토리지 솔루션 입출력 파이프라인 가속화와 개발 범위 간의 균형 잡기"
Lablupconf session4 "스토리지 솔루션 입출력 파이프라인 가속화와 개발 범위 간의 균형 잡기"Lablupconf session4 "스토리지 솔루션 입출력 파이프라인 가속화와 개발 범위 간의 균형 잡기"
Lablupconf session4 "스토리지 솔루션 입출력 파이프라인 가속화와 개발 범위 간의 균형 잡기"
 
200.마이크로서비스에 적합한 오픈소스 WAS는 무엇?
200.마이크로서비스에 적합한 오픈소스 WAS는 무엇?200.마이크로서비스에 적합한 오픈소스 WAS는 무엇?
200.마이크로서비스에 적합한 오픈소스 WAS는 무엇?
 
Dropbox와 같은 시스템은 파일을 어떻게 저장할까?
Dropbox와 같은 시스템은 파일을 어떻게 저장할까?Dropbox와 같은 시스템은 파일을 어떻게 저장할까?
Dropbox와 같은 시스템은 파일을 어떻게 저장할까?
 
113 deview2013 varnish-day1_track1_session3_1013
113 deview2013 varnish-day1_track1_session3_1013113 deview2013 varnish-day1_track1_session3_1013
113 deview2013 varnish-day1_track1_session3_1013
 
Restful web service
Restful web serviceRestful web service
Restful web service
 
XE 오픈 세미나(2014-02-22) - XE 서버 성능 개선
XE 오픈 세미나(2014-02-22) - XE 서버 성능 개선XE 오픈 세미나(2014-02-22) - XE 서버 성능 개선
XE 오픈 세미나(2014-02-22) - XE 서버 성능 개선
 
CloudWatch 성능 모니터링과 신속한 대응을 위한 노하우 - 박선용 솔루션즈 아키텍트:: AWS Cloud Track 3 Gaming
CloudWatch 성능 모니터링과 신속한 대응을 위한 노하우 - 박선용 솔루션즈 아키텍트:: AWS Cloud Track 3 GamingCloudWatch 성능 모니터링과 신속한 대응을 위한 노하우 - 박선용 솔루션즈 아키텍트:: AWS Cloud Track 3 Gaming
CloudWatch 성능 모니터링과 신속한 대응을 위한 노하우 - 박선용 솔루션즈 아키텍트:: AWS Cloud Track 3 Gaming
 
확장가능한 웹 아키텍쳐 구축 방안
확장가능한 웹 아키텍쳐 구축 방안 확장가능한 웹 아키텍쳐 구축 방안
확장가능한 웹 아키텍쳐 구축 방안
 
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
 
ARCUS offline meeting 2015. 05. 20 1회
ARCUS offline meeting 2015. 05. 20 1회ARCUS offline meeting 2015. 05. 20 1회
ARCUS offline meeting 2015. 05. 20 1회
 
REST with Spring
REST with SpringREST with Spring
REST with Spring
 
지금 핫한 Real-time In-memory Stream Processing 이야기
지금 핫한 Real-time In-memory Stream Processing 이야기지금 핫한 Real-time In-memory Stream Processing 이야기
지금 핫한 Real-time In-memory Stream Processing 이야기
 
AWS를 활용한 글로벌 아키텍처 운용 전략 - 김상필 솔루션즈 아키텍트:: AWS Cloud Track 2 Advanced
AWS를 활용한 글로벌 아키텍처 운용 전략 - 김상필 솔루션즈 아키텍트:: AWS Cloud Track 2 AdvancedAWS를 활용한 글로벌 아키텍처 운용 전략 - 김상필 솔루션즈 아키텍트:: AWS Cloud Track 2 Advanced
AWS를 활용한 글로벌 아키텍처 운용 전략 - 김상필 솔루션즈 아키텍트:: AWS Cloud Track 2 Advanced
 
Scalable web architecture and distributed systems
Scalable web architecture and distributed systemsScalable web architecture and distributed systems
Scalable web architecture and distributed systems
 
Scalable web architecture and distributed systems
Scalable web architecture and distributed systemsScalable web architecture and distributed systems
Scalable web architecture and distributed systems
 
Warp
WarpWarp
Warp
 
L4교육자료
L4교육자료L4교육자료
L4교육자료
 
HTTP/3 시대의 웹 성능 최적화 기술 이해하기
HTTP/3 시대의 웹 성능 최적화 기술 이해하기HTTP/3 시대의 웹 성능 최적화 기술 이해하기
HTTP/3 시대의 웹 성능 최적화 기술 이해하기
 
Web server
Web serverWeb server
Web server
 
AWS Cloud 환경으로​ DB Migration 전략 수립하기
AWS Cloud 환경으로​ DB Migration 전략 수립하기AWS Cloud 환경으로​ DB Migration 전략 수립하기
AWS Cloud 환경으로​ DB Migration 전략 수립하기
 

Plus de 용근 권 (6)

우아한테크세미나-우아한멀티모듈
우아한테크세미나-우아한멀티모듈우아한테크세미나-우아한멀티모듈
우아한테크세미나-우아한멀티모듈
 
KSUG 스프링캠프 2019 발표자료 - "무엇을 테스트할 것인가, 어떻게 테스트할 것인가"
KSUG 스프링캠프 2019 발표자료 - "무엇을 테스트할 것인가, 어떻게 테스트할 것인가"KSUG 스프링캠프 2019 발표자료 - "무엇을 테스트할 것인가, 어떻게 테스트할 것인가"
KSUG 스프링캠프 2019 발표자료 - "무엇을 테스트할 것인가, 어떻게 테스트할 것인가"
 
KSUG 스프링캠프 2017 발표자료
KSUG 스프링캠프 2017 발표자료KSUG 스프링캠프 2017 발표자료
KSUG 스프링캠프 2017 발표자료
 
Java Build Tool
Java Build ToolJava Build Tool
Java Build Tool
 
울트론 개발 가이드 V3.0
울트론 개발 가이드 V3.0울트론 개발 가이드 V3.0
울트론 개발 가이드 V3.0
 
개발자 1.5배 즐기기
개발자 1.5배 즐기기개발자 1.5배 즐기기
개발자 1.5배 즐기기
 

Dernier

Dernier (8)

(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
(독서광) 인간이 초대한 대형 참사 - 대형 참사가 일어날 때까지 사람들은 무엇을 하고 있었는가?
 
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
실험 설계의 평가 방법: Custom Design을 중심으로 반응인자 최적화 및 Criteria 해석
 
공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화공학 관점에서 바라본 JMP 머신러닝 최적화
공학 관점에서 바라본 JMP 머신러닝 최적화
 
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement MethodologyJMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
JMP를 활용한 전자/반도체 산업 Yield Enhancement Methodology
 
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
JMP 기능의 확장 및 내재화의 핵심 JMP-Python 소개
 
데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법데이터 분석 문제 해결을 위한 나의 JMP 활용법
데이터 분석 문제 해결을 위한 나의 JMP 활용법
 
JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!JMP가 걸어온 여정, 새로운 도약 JMP 18!
JMP가 걸어온 여정, 새로운 도약 JMP 18!
 
JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례JMP를 활용한 가속열화 분석 사례
JMP를 활용한 가속열화 분석 사례
 

강서구 자바 스터디

  • 3. Cache - Browser Cache Browser (Client) 브라우저 캐시 ● Resource에 대한 Cache Cache 기준 : URL ex) cache.js !== cache.js?version=1.0 cache-ejajdfsij10dsflsjfs.js -> Hash 기법 cache.js?version=1.0 -> Parameter 기법
  • 4. Cache - Browser Cache Browser (Client) 브라우저 캐시 ● Resource에 대한 Cache 개발할 때 생각해야할 것 ● 이 자원이 얼마나 자주 바뀌는가 ○ Parameter 설정 ○ Cache를 안하도록 설정 ● 이 자원이 언제 바뀌는가 ○ Hash 값
  • 5. Cache - Browser Cache Browser (Client) Web Server Cache X
  • 6. Cache - Web Server Cache Browser (Client) Web Server(httpd, nginx, tomcat) 캐시 - 응답에 대한 Cache Web Server 사례 : http://jojoldu.tistory.com/60
  • 7. Cache - Web Server Cache Browser (Client) Web Server(httpd, nginx, tomcat) 캐시 - 응답에 대한 Cache 개발할 때 생각해야할 것 ● 응답 값이 얼마나 자주 바뀌는가 ● 응답 값이 언제 바뀌는가 ● 어플리케이션에 해당 응답 값을 반환하는데 얼마나 많은 비용이 들어 ● 브라우저 캐시는 어떻게 되고 있는가 Web Server
  • 8. Cache - Web Server Cache Browser (Client) Web Server Application Browser (Client) X Cache
  • 9. Cache - Application Cache Browser (Client) Application 캐시 - 데이터에 대한 캐시 개발할 때 생각해야 하는 것 ● 데이터가 얼마나 자주 바뀌는가 ● 데이터가 언제 바뀌는가 ● 데이터를 가져오는데 어느정도의 비용이 드는가 ● 사용자 체감 속도 Web ServerApplication
  • 10. Cache - Application Cache Browser (Client) Web Server Application Browser (Client) Cache DB API X X
  • 11. Cache - Application Cache Browser (Client) 1. Application Memory Cache - 객체나 필드를 저장 Web ServerApplication
  • 12. Cache - Application Cache Browser (Client) 2. Ehcache ● XML, Annotation 기반(프로그래밍 기반으로도 작성은 가 능) Web ServerApplication
  • 13. Cache - Application Cache Browser (Client) 2. Ehcache ● Cache Size 지정 가능 ● Cache 만료 시간 지정 가능 ● Cache Module 지정 가능 ● Cache 방식 지정 가능 ○ LRU(default) ■ Size가 꽉 찼을 때 사용한지 가장 오래된 캐시 를 버린다. ○ LFU ■ Size가 꽉 찼을 때 저장된지 제일 오래된 캐시 를 버린다. Web ServerApplication
  • 14. Cache - Application Cache Browser (Client) 2. Ehcache ● 분산 캐시를 지원 Web Server Applicati onCach e Applicati onCach e Applicati onCach e Applicati onCach e 동기화 Application
  • 15. Cache - Application Cache Browser (Client) 3. LoadingCache(Guava, Java8) ● 대부분 기능은 Ehcache 유사 ● 프로그래밍 기반 Web ServerApplication
  • 16. Cache - Application Cache - 갱신방식 1. Schedule Push ● 일정 시간을 주기로 데이터를 보낸다 Application API 일정 시간마다 전 송
  • 17. Cache - Application Cache - 갱신방식 2. Schedule Polling ● 일정 시간을 주기로 데이터를 가져온다 Application API 일정 시간마다 요 청
  • 18. Cache - Application Cache - 갱신방식 3. Event Push ● 특정 이벤트가 발생하면 데이터를 보낸다 Application API Event Admin or private API Message Queue (RabbitMQ, Kafka 등)
  • 19. Cache - Application Cache - 갱신방식 4. Event Polling ● 특정 이벤트가 발생하면 데이터를 가져온다 Application APIEvent Admin or private API Message Queue (RabbitMQ, Kafka 등)
  • 20. Cache - Application Cache - 갱신방식 Event Queue 사용 장점 ● 메시지 전송 이벤트에 대한 신뢰성 보장 ● 메시지 이벤트 순서에 대한 보장 API Push 방식에 대한 단점 ● API는 데이터를 요청하면 보내주는 일에만 집중해야 함. ● 데이터를 받아야하는 서버가 늘어나면 추가 작업 해줘야 함. ● Event Queue 사용 장점을 활용할 수 없다.(PUSH에 대한 신뢰성과 순서가 보장 안되 므로)
  • 21. Cache - NoSql Browser (Client) ● 데이터를 가공하여, NoSql에 저장해놓고 Cache 용도로 사용 하기도 함. ● 데이터를 읽고 쓰는 속도가 RDBMS에 비해 빠름. ● 보통 실시간 데이터를 사용 ○ ex) 좋아요 Count, 조회수Web ServerApplication