fos-blog/study
01 / 홈02 / 카테고리
01 / 홈02 / 카테고리

카테고리

  • AI 페이지로 이동
    • RAG 페이지로 이동
    • langgraph 페이지로 이동
    • agents.md
    • BMAD Method — AI 에이전트로 애자일 개발하는 방법론
    • Claude Code의 Skill 시스템 - 개발자를 위한 AI 자동화의 새로운 차원
    • Claude Code를 5주 더 쓴 결과 — 스킬·CLAUDE.md를 키워가는 방식
    • Claude Code를 11일 동안 쓴 결과 — 데이터로 본 나의 사용 패턴
    • Claude Code 멀티 에이전트 — Teams
    • AI 에이전트와 디자인의 새 컨벤션 — DESIGN.md, Google Stitch, Claude Design
    • 하네스 엔지니어링 실전 — 4인 에이전트 팀으로 코딩 파이프라인 구축하기
    • 하네스 엔지니어링 — 오래 실행되는 AI 에이전트를 위한 설계
    • 멀티모달 LLM (Multimodal Large Language Model)
    • AI 에이전트와 함께 MVP 만들기 — dooray-cli 사례
  • ai 페이지로 이동
    • agent 페이지로 이동
  • algorithm 페이지로 이동
    • live-coding 페이지로 이동
    • 분산 계산을 위한 알고리즘
  • architecture 페이지로 이동
    • [초안] 시니어 백엔드를 위한 API 설계 실전 스터디 팩 — REST · 멱등성 · 페이지네이션 · 버전 전략
    • [초안] API Versioning과 Backward Compatibility: 시니어 백엔드 관점 정리
    • 캐시 설계 전략 총정리
    • [초안] CJ푸드빌 커머스/F&B 도메인 설계 면접 대비 — 슬롯 경험을 주문·결제·쿠폰·매장 상태 설계로 번역하기
    • [초안] 커머스 Spring 서비스에 Clean/Hexagonal Architecture를 실용적으로 적용하기
    • [초안] 커머스 주문 상태와 데이터 정합성 기본기 — CJ푸드빌 면접 대비
    • [초안] 쿠폰/프로모션 동시성과 정합성 기본기 — 선착순·중복 사용 방지·발급/사용/복구
    • [초안] DDD와 도메인 모델링: 시니어 백엔드 관점의 전술/전략 패턴 실전 가이드
    • [초안] Decorator & Chain of Responsibility — 행동을 체인으로 조립하는 두 가지 방식
    • 디자인 패턴
    • [초안] 분산 아키텍처 완전 정복: Java 백엔드 시니어 인터뷰 대비 실전 가이드
    • [초안] 분산 트랜잭션과 Outbox 패턴 — 왜 2PC를 피하고 어떻게 대신할 것인가
    • 분산 트랜잭션
    • [초안] e-Commerce 주문·결제 도메인 모델링: 상태머신, 멱등성, Outbox/Saga 실전 정리
    • [초안] F&B 쿠폰·프로모션·멤버십·포인트 설계
    • [초안] F&B · e-Commerce 디지털 채널 도메인 한 장 정리 — CJ푸드빌 디지털 채널 백엔드 면접 대비
    • [초안] F&B 주문/매장/픽업 상태머신 설계 — CJ푸드빌 디지털 채널 백엔드 관점
    • [초안] F&B 이커머스 결제·환불·정산 운영 가이드
    • [초안] Hexagonal / Clean Architecture를 Spring 백엔드에 적용하기
    • [초안] 대규모 커머스 트래픽 처리 패턴 — 1,600만 고객과 올영세일을 버티는 설계
    • [초안] 레거시 JSP/jQuery 화면과 신규 API가 공존하는 백엔드 운영 전략
    • [초안] MSA 서비스 간 통신: Redis [Cache-Aside](../database/redis/cache-aside.md) × Kafka 이벤트 하이브리드 설계
    • [초안] Observability 입문: 시니어 백엔드가 장애를 탐지하고 대응하는 방식
    • [초안] Outbox / Inbox Pattern 심화 — 분산 메시징의 정합성 문제를 DB 트랜잭션으로 풀어내기
    • [초안] 결제 도메인 멱등성과 트랜잭션 재시도 기본기
    • [초안] 시니어 백엔드를 위한 Resilience 패턴 실전 가이드 — Timeout, Retry, Circuit Breaker, Bulkhead, Backpressure
    • [초안] REST API 버저닝과 모바일 앱 하위 호환성 — CJ푸드빌 디지털 채널 백엔드 관점
    • [초안] Strategy Pattern — 분기문을 없애는 설계, 시니어 백엔드 인터뷰 핵심 패턴
    • [초안] 시니어 백엔드를 위한 시스템 설계 입문 스터디 팩
    • [초안] 템플릿 메서드 패턴 - 백엔드 처리 골격을 강제하는 가장 오래되고 가장 위험한 패턴
    • [초안] 대규모 트래픽 중 무중단 마이그레이션 — Feature Flag + Shadow Mode 실전
  • database 페이지로 이동
    • mysql 페이지로 이동
    • opensearch 페이지로 이동
    • redis 페이지로 이동
    • 김영한의-실전-데이터베이스-설계 페이지로 이동
    • 커넥션 풀 크기는 얼마나 조정해야 할까?
    • 인덱스 - DB 성능 최적화의 핵심
    • [초안] JPA N+1과 커머스 조회 모델: 주문/메뉴/쿠폰 도메인에서 살아남기
    • [초안] MyBatis 기본기 — XML Mapper, resultMap, 동적 SQL, 운영 패턴 정리
    • [초안] MyBatis와 JPA/Hibernate 트레이드오프 — 레거시 백엔드를 다루는 시니어 관점
    • 역정규화 (Denormalization)
    • 데이터 베이스 정규화
  • devops 페이지로 이동
    • docker 페이지로 이동
    • k8s 페이지로 이동
    • k8s-in-action 페이지로 이동
    • observability 페이지로 이동
    • [초안] 커머스/F&B 채널 장애 첫 5분과 관측성 기본기
    • Envoy Proxy
    • [초안] F&B / e-Commerce 운영 장애 대응과 모니터링 — 백엔드 관점 정리
    • Graceful Shutdown
  • finance 페이지로 이동
    • industry-cycle 페이지로 이동
    • investing 페이지로 이동
    • stock-notes 페이지로 이동
  • http 페이지로 이동
    • HTTP Connection Pool
  • interview 페이지로 이동
    • [초안] AI 서비스 팀 경험 기반 시니어 백엔드 면접 질문 뱅크 — Spring Batch RAG / gRPC graceful shutdown / 전략 패턴 / 12일 AI 웹툰 MVP
    • [초안] CJ푸드빌 디지털 채널 Back-end 개발자 직무 분석
    • [초안] CJ푸드빌 디지털 채널 Back-end 면접 답변집 — 슬롯 도메인 경험을 커머스/F&B 설계로 번역하기
    • [초안] F&B / e-Commerce 운영 모니터링과 장애 대응 인터뷰 정리
    • Observability — 면접 답변 프레임
    • [초안] 시니어 Java 백엔드 면접 마스터 플레이북 — 김병태
    • [초안] NSC 슬롯팀 경험 기반 질문 은행 — 도메인 모델링·동시성·성능·AI 협업
  • java 페이지로 이동
    • concurrency 페이지로 이동
    • jdbc 페이지로 이동
    • opentelemetry 페이지로 이동
    • spring 페이지로 이동
    • spring-batch 페이지로 이동
    • 더_자바_코드를_조작하는_다양한_방법 페이지로 이동
    • [초안] Java 동시성 락 정리 — 커머스 메뉴/프로모션 정책 캐시 갱신 관점
    • [초안] JVM 튜닝 실전: 메모리 구조부터 Virtual Threads, GC 튜닝, 프로파일링까지
    • Java의 로깅 환경
    • MDC (Mapped Diagnostic Context)
    • Java StampedLock — 읽기 폭주에도 쓰기가 밀리지 않는 락
    • Virtual Thread와 Project Loom
  • javascript 페이지로 이동
    • typescript 페이지로 이동
    • AbortController
    • Async Iterator와 제너레이터
    • CommonJS와 ECMAScript Modules
    • 제너레이터(Generator)
    • Http Client
    • Node 백엔드 운영 패턴 — Streams 백프레셔, pipe/pipeline, 멱등성 vs 분산 락
    • Node.js
    • npm vs pnpm — 어떤 기준으로 선택했나
    • `setImmediate()`
  • kafka 페이지로 이동
    • [초안] Kafka 기본 개념 — 토픽, 파티션, 오프셋, 복제
    • Kafka를 사용하여 **데이터 정합성**은 어떻게 유지해야 할까?
    • [초안] Kafka 실전 설계: 파티션 전략, 컨슈머 그룹, 전달 보장, 재시도, 순서 보장 트레이드오프
    • 메시지 전송 신뢰성
  • linux 페이지로 이동
    • fsync — 리눅스 파일 동기화 시스템 콜
    • tmux — Terminal Multiplexer
  • network 페이지로 이동
    • L2(스위치)와 L3(라우터)의 역할 차이
    • L4와 VIP(Virtual IP Address)
    • IP Subnet
  • rabbitmq 페이지로 이동
    • [초안] RabbitMQ Basics — 실전 백엔드 관점에서 정리하는 메시지 브로커 기본기
    • [초안] RabbitMQ vs Kafka — 백엔드 메시징 선택 기준과 실전 운영 관점
  • security 페이지로 이동
    • [초안] 시니어 백엔드를 위한 보안 / 인증 스터디 팩 — Spring Security, JWT, OAuth2, OWASP Top 10
  • task 페이지로 이동
    • ai-service-team 페이지로 이동
    • nsc-slot 페이지로 이동
    • sb-dev-team 페이지로 이동
    • the-future-company 페이지로 이동
  • testing 페이지로 이동
    • [초안] 시니어 Java 백엔드를 위한 테스트 전략 완전 정리 — 피라미드부터 TestContainers, 마이크로벤치, Contract까지
  • travel 페이지로 이동
    • 오사카 3박 4일 일정표: 우메다 쇼핑, USJ, 난바·도톤보리, 오사카성
  • web 페이지로 이동
    • [초안] HTTP / Cookie / Session / Token 인증 기본기 — 레거시 JSP와 모바일 API가 공존하는 백엔드 관점
FOS-BLOG · FOOTERall systems normal·v0.1 · 2026.04.27·seoul, kr
Ffos-blog/study

개발 학습 기록을 정리하는 블로그입니다. 공부하면서 기록하고, 기록하면서 다시 배웁니다.

visitors
01site
  • Home↗
  • Posts↗
  • Categories↗
  • About↗
02policy
  • 소개/about
  • 개인정보처리방침/privacy
  • 연락처/contact
03categories
  • AI↗
  • Algorithm↗
  • DB↗
  • DevOps↗
  • Java/Spring↗
  • JS/TS↗
  • React↗
  • Next.js↗
  • System↗
04connect
  • GitHub@jon890↗
  • Source repositoryjon890/fos-study↗
  • RSS feed/rss.xml↗
  • Newsletter매주 1 회 · 한 편의 글→
© 2026 FOS Study. All posts MIT-licensed.
built with·Next.js·Tailwind v4·Geist·Pretendard·oklch
fos-blog/task/RCC (RTP Cache Control) …
system

RCC (RTP Cache Control) 시스템 설계 및 구축

진행 기간: 2025.07 2025.10 --- 슬롯 게임에서 RTP(Return to Player) 는 유저가 베팅한 금액 대비 돌려받는 비율이다. 법적·서비스적으로 일정 RTP를 보장해야 하는데, 순수 확률 기반 슬롯은 짧은 세션에서 RTP 편차가 크다. 운이 나쁜 유저는 오랫동안 보상을 못 받을 수 있다. RCC(RTP Cache Control) 는...

2026.03.22·4 min read·70 views

진행 기간: 2025.07 ~ 2025.10


어떤 시스템인가

슬롯 게임에서 RTP(Return to Player) 는 유저가 베팅한 금액 대비 돌려받는 비율이다. 법적·서비스적으로 일정 RTP를 보장해야 하는데, 순수 확률 기반 슬롯은 짧은 세션에서 RTP 편차가 크다. 운이 나쁜 유저는 오랫동안 보상을 못 받을 수 있다.

RCC(RTP Cache Control) 는 이 문제를 해결하기 위해 설계한 시스템이다. 핵심 아이디어는 다음과 같다.

백그라운드에서 "좋은 결과"를 미리 생성해서 DB에 캐시해두고, 유저가 RTP 보장이 필요한 시점에 캐시에서 꺼내 제공한다.

유저 입장에서는 일반 스핀과 완전히 동일하게 보인다.


전체 흐름

plaintext
유저 스핀 요청
     │
     ▼
RccHandler
     ├─ [튜토리얼/치트 스핀] → 패스 (RCC 발동 안 함)
     ├─ [시뮬레이터 실행 중] → 패스
     │
     ├─ [일반 스핀, 캐시 있음] → 캐시된 결과 반환
     │                               └─ 비동기: 다음 캐시 생성 트리거
     │
     └─ [일반 스핀, 캐시 없음] → 일반 스핀 결과 반환
                                   └─ 비동기: 캐시 생성 트리거
 
RccCacheGenerator (백그라운드)
     ├─ RccSpinResultAnalyzer → 어떤 결과를 캐시할지 판단
     └─ 스핀 시뮬레이션 → 조건 충족 결과만 DB 저장

패키지 구조

plaintext
com.nhn.slot.rcc/
├── application/
│   ├── RccCacheGenerator.java          # 캐시 생성 담당
│   └── RccCacheQueryService.java       # 캐시 조회/사용
├── domain/
│   ├── RccSpinResult.java              # 캐시된 스핀 결과 도메인 객체
│   ├── RccCacheType.java               # 캐시 타입 열거형
│   └── RccSpinResultAnalyzer.java      # 슬롯별 캐시 조건 판단 (인터페이스)
└── infrastructure/
    ├── RccCacheQueryRepository.java    # 캐시 조회 + 소비
    └── RccCacheManagementRepository.java # 캐시 저장/관리

슬롯별로 어떤 결과를 캐시할지 기준이 다르기 때문에 RccSpinResultAnalyzer를 인터페이스로 추상화했다. 슬롯마다 구현체를 만들어 주입한다.


슬롯별 대응

슬롯 내부 구조가 달라서 일괄 적용이 안 됐다. 하나씩 확인하면서 붙여야 했다.

슬롯특이사항
3, 22번가장 먼저 대응. 표준 구조라 기준이 됐다
8, 25번구조는 동일, 설정값 차이만 있었다
2, 7번특수 개인화 데이터 구조를 써서 캐시 생성 시 개인화 데이터 접근 방식을 별도 처리했다
33번개인화 데이터 슬롯이라 RccSpinResultAnalyzer 구현체를 따로 만들었다

설계에서 어려웠던 것들

잭팟 처리

RCC 스핀 중 잭팟이 당첨되는 케이스를 처음엔 고려하지 못했다.

캐시된 스핀 결과를 사용할 때 잭팟 당첨이 포함되어 있으면, 어떤 잭팟 서비스를 써야 하는지가 문제였다. 게임 모드(일반/특수 등)마다 다른 잭팟 서비스를 써야 했다.

plaintext
캐시 사용 시: GameMode에 맞는 JackpotService를 가져와서 처리
→ EPIC_WIN이 쌓이지 않는 슬롯: NoOpJackpotService 사용

NoOpJackpotService는 잭팟 처리를 아무것도 하지 않는 구현체다. 처음에는 이게 필요한 슬롯이 있다는 걸 몰라서 예외가 났다.

캐시 생성 개수 판단 쿼리

"지금 얼마나 더 캐시를 만들어야 하는가"를 판단하는 쿼리가 인덱스를 타지 않고 있었다.

sql
-- 문제: game_id, bet_index, cache_type 복합 조건인데 인덱스 없음
SELECT COUNT(*) FROM rcc_cache WHERE game_id = ? AND bet_index = ? AND cache_type = ? AND used = false

쿼리를 다듬고 복합 인덱스를 추가했다. 캐시 생성은 백그라운드에서 계속 돌기 때문에 이 쿼리가 느리면 CPU를 잡아먹는다.

시뮬레이터에서 캐시가 쌓이는 문제

시뮬레이터를 돌릴 때 RCC 캐시가 같이 생성되고 있었다. 시뮬레이터는 수만 번 스핀을 돌리는데, 그동안 쓸모없는 캐시가 계속 쌓였다.

RccHandler에 시뮬레이터 실행 여부를 판단하는 분기를 추가했다.

FREE_ENTRY 캐시 조건

보너스 스테이지로 진입하는 결과를 어떤 조건으로 캐시할지가 명확하지 않았다.

결국 winLevel에 해당하는 캐시 중 다음 상태가 BASE인 것이라는 조건으로 정리했다. 보너스에서 보너스로 이어지는 결과는 캐시하지 않는다.

RTP-FREE 상태 중 치환 요청

RTP-FREE 진행 중에 다른 타입으로 치환 요청이 오면 RTP-FREE 상태를 유지해야 한다. 이 케이스를 처음에 놓쳐서 버그가 났다. 상태 전이 조건에 분기를 추가했다.


로그와 통계

log_slot_play 테이블에 RCC 관련 컬럼을 추가해서 어떤 스핀이 캐시를 사용했는지 추적할 수 있게 했다.

RccCacheStatisticsService를 만들어 캐시 부족이 발생하는 슬롯/베팅 인덱스 조합을 모니터링할 수 있게 했다. 캐시 생성 속도가 소진 속도를 못 따라가는 상황을 감지하기 위해서다.


배운 것

비동기 설계가 핵심이다. 캐시 생성을 동기로 하면 스핀 응답 시간에 직접 영향을 준다. 백그라운드 비동기 생성이어야 유저 경험에 영향 없이 캐시를 미리 준비할 수 있다.

슬롯별 추상화는 나중에 하면 늦다. RccSpinResultAnalyzer를 처음부터 인터페이스로 만들어둔 덕분에 슬롯마다 다른 로직을 조건 분기 없이 깔끔하게 처리할 수 있었다.

동시성은 DB로 막는다. 캐시 생성이 여러 인스턴스에서 동시에 일어날 수 있다. 낙관적 락을 고려했지만, 생성 빈도 특성상 충돌이 드물어 DB 유니크 키 + 예외 처리 조합으로 충분했다.


사용 기술

  • 언어/프레임워크: Java 17, Spring Boot 3.x
  • DB: MySQL 8.x (JPA + QueryDSL)
  • 비동기: Spring @Async, 스레드풀 설정
  • 테스트: JUnit 5
on this page
  • 01어떤 시스템인가
  • 02전체 흐름
  • 03패키지 구조
  • 04슬롯별 대응
  • 05설계에서 어려웠던 것들
  • 잭팟 처리
  • 캐시 생성 개수 판단 쿼리
  • 시뮬레이터에서 캐시가 쌓이는 문제
  • FREE_ENTRY 캐시 조건
  • RTP-FREE 상태 중 치환 요청
  • 06로그와 통계
  • 07배운 것
  • 08사용 기술

댓글 (0)