Name	Part	What I do	branch
정용훈	BE AI	추천 시스템 및 OCR 파이프라인, 추천 관련 API 및 Redis 캐싱, DevOps
유진	BE	OAuth 회원가입, 지원이력, 피드백 생성, 공고 검색 및 필터 기능 구현
육세현	DATA	크롤링, 필터링, 데이터 시각화 구현
위의종	FE	프론트엔드 및 UX/UI

• 뱃지를 눌러 각 개발 브랜치로 이동할 수 있습니다.

goodJob은 구직자가 PDF 형식의 이력서(CV)를 업로드하기만 하면
이력서 내용을 분석하여 맞춤 채용 공고를 추천하고
지원 현황을 통합 관리할 수 있도록 돕는 통합 플랫폼입니다.

사용자가 업로드한 CV를 기반으로 크롤링된 채용 공고들과의 텍스트 및
임베딩 유사도 점수를 계산하여 가장 적합한 공고를 자동 추천하는 화면입니다.

• 좌측: 추천 공고 리스트 (유사도 점수 기반 정렬)
• 우측: 선택한 공고의 상세 정보, 매칭 점수, 피드백, 지원 기능 제공

관심 있는 채용 공고를 북마크하여 저장하고
한눈에 비교하거나 추후 지원을 관리할 수 있는 화면입니다.

• 카드형 UI로 공고들을 간결하게 정리
• 상세 보기 및 상태 확인이 용이

resume-job 데이터셋에서 한국어에 강한 임베딩 모델과 전처리 및 다층 점수(Hierarchical Score)를 적용한 점수 기반 추천 방식을 통해 기존 CF, Graph 기반 모델보다 우수한 추천 성능

1. DB Isolation: 기능 단위 데이터베이스 분리 사용자, 공고, 추천, 이력서 등 도메인별로 데이터베이스를 분리해 충돌을 방지하고 모듈별 독립 배포와 스키마 변경 시 영향 최소화를 가능하게 했습니다. 데이터 통합은 API 레벨에서 수행됩니다.

2. 확장성과 비동기 처리: 추천 연산은 FastAPI 서버에서 처리되며 ECS 기반 Auto Scaling을 통해 트래픽에 유연하게 대응합니다. RabbitMQ로 요청을 비동기 처리하고 Redis 캐싱으로 응답 속도와 안정성을 확보했습니다.

3. 모듈화와 책임 분리: 프론트엔드, 백엔드, 추천 서버, 모니터링, 데이터베이스는 모두 컨테이너 단위로 분리되어 구성되며 각 컴포넌트는 독립적으로 운영되어 유지보수와 장애 대응이 용이합니다.

• Spring 기반 메인 서버를 중심으로 통신 구조 통합
• FastAPI 서버는 ECS에 배포되어 Auto Scaling 지원
• Redis, RabbitMQ를 통한 데이터 처리 안정성 확보
• Docker 및 GitHub Actions로 CI/CD 자동화
• Prometheus + Grafana로 로그 및 상태 실시간 모니터링
• 프론트엔드는 S3 + CloudFront + Route53으로 정적 배포
• Redis 캐싱으로 추천 결과 응답 속도 약 60% 개선

• 1단계: URL 수집 및 큐 등록

  • Crawler는 초기 단계에서 약 5만 개 이상의 URL을 자동 수집합니다.
  • 수집된 URL의 접근 가능 여부(HTTP 상태 코드, 차단 여부 등)를 판단합니다.
  • 방문해야 할 URL 목록을 Redis에 저장하거나, RabbitMQ 큐에 푸시하여 비동기 작업을 준비합니다.

• 2단계: 페이지 방문 및 콘텐츠 수집

  • Headless 브라우저 기반의 Crawler가 URL을 방문하며 다음 작업을 수행합니다:
  • get href link: 페이지 내의 서브 링크 추출
  • onclick: 자바스크립트 기반 동적 콘텐츠 트리거링
  • get Text: 실제 채용 공고 텍스트 정보 수집
  • 수집된 데이터는 visitResult 객체로 정리되어 다음 단계로 전달됩니다.

• 3단계: 공고 여부 판별 및 정제

  • 수집된 visitResult는 Gemini LLM에 전달되어 다음 작업을 수행합니다:
  • 채용 공고 여부 분류 (잡담/뉴스/회사소개 등은 제거)
  • 중요 정보 추출 및 구조화 (회사명, 포지션, 지역, 경력 조건, 요구 스택 등)
  • 결과는 필터링과 정제 과정을 거쳐 updater filter 모듈로 전달됩니다.

• 4단계: 최종 저장 및 검색 최적화

  • 정제된 공고 데이터는 MySQL 기반의 main Jobs Database에 저장됩니다.
  • 저장된 데이터는 이후 검색 엔진(예: Elasticsearch)이나 추천 시스템에서 활용 가능하도록 구성됩니다.

• 비동기 및 안정성 구성

  • RabbitMQ는 전체 과정의 중간 큐 역할을 하며, 작업 간 비동기 메시지 전달을 담당합니다.
  • Redis는 URL deduplication, 작업 상태 추적, 중간 결과 캐싱 등의 속도 최적화와 상태 관리에 사용됩니다.

FrontEnd

BackEnd

DB & Infra

Monitoring

외부 API

Utilities & Collaboration

• 컴포넌트별로 나뉜 백엔드, 프론트엔드, 데이터베이스 환경에서 안전하고 명확한 CI/CD 운영
• 실수를 방지하기 위한 배포 브랜치와 개인 작업 브랜치의 분리
• main 브랜치는 코드 통합 및 구조 확인용으로만 사용

• 각 브랜치는 다음 파일들을 포함합니다:
  • Dockerfile
  • docker-compose.yml
  • .github/workflows/deploy.yml
• CI/CD는 해당 브랜치에서만 동작하며, 다른 브랜치에 영향을 주지 않습니다.

• 각자의 실험 및 기능 개발은 이 브랜치에서 자유롭게 진행합니다.
• 완성 후 dev_{part} 브랜치로 Pull Request를 생성합니다.
• 개인 작업 브랜치에서는 GitHub Actions가 실행되지 않습니다.

• 서비스 통합 구조 확인 및 문서화를 위한 브랜치입니다.
• 실제 배포는 이루어지지 않으며, .github/workflows 디렉토리도 존재하지 않습니다.

root/
├── spring/       # dev_spring에서 병합
├── crawl/        # dev_crawl에서 병합
├── front/        # dev_front에서 병합
├── rdb/          # dev_RDB에서 병합
├── es/           # dev_ES에서 병합
└── README.md     # 통합 문서

• 각 dev_{part} 브랜치에 존재하는 .github/workflows/deploy.yml을 통해 자동 배포가 이루어집니다.

on:
  push:
    branches:
      - dev_spring
    paths:
      - '**'