CJ올리브영 백엔드 개발자 직무 분석

2025년 9월 16일 15분 읽기

📚 이 글에서 다룰 내용

올리브영 기술 스택 개요
백엔드 개발 환경
클라우드 인프라
MSA 전환 현황
데이터베이스 및 스토리지
DevOps 및 운영 도구
성능 개선 사례
조직 문화 및 개발 환경
필수 역량 분석
취업 전략 가이드

CJ올리브영 백엔드 개발자로 취업하고 싶은데, 실제로 어떤 기술을 사용하고 있는지 궁금하신가요? 매출 4조 7,900억원, 앱 MAU 950만명을 뒷받침하는 올리브영의 기술 스택을 완전 분석해 드릴게요.

이 글에서는 올리브영 공식 기술 블로그와 컨퍼런스 발표 자료를 바탕으로, 실제 업무에서 사용하는 기술들과 조직 문화까지 상세히 정리했어요. 단순한 기술 나열이 아닌, 취업 준비에 실질적으로 도움이 되는 분석을 제공합니다.

올리브영 기술 스택 개요

🏗️ 기술 아키텍처 현황

아키텍처 전환: Monolithic → MSA (진행 중)
주력 언어: Kotlin + Spring Boot (코프링)
클라우드: AWS + Oracle Cloud + Google Cloud
데이터 처리: 일일 천만 건 이상 재고 변경 데이터
모니터링: Datadog (450개 이상 대시보드)

올리브영은 모든 유저에게 최적의 경험을 제공하기 위해 기술적으로 큰 변화를 겪고 있어요. 특히 MSA 전환과 멀티 클라우드 전략을 통해 확장성과 안정성을 동시에 추구하고 있습니다.

왜 이런 기술 스택을 선택했을까?

올리브영의 기술 선택에는 명확한 이유가 있어요:

확장성: 급성장하는 사용자 수 (MAU 950만명)에 대응
안정성: 24시간 중단 없는 서비스 운영 필요
성능: 대용량 데이터 실시간 처리 (재고 변경 등)
글로벌 대응: 미국, 일본 진출에 따른 인프라 요구

백엔드 개발 환경

메인 기술 스택: 코프링 (Kotlin + Spring Boot)

🎯 핵심 특징

올리브영 대부분 팀에서는 코프링(Kotlin + Spring Boot) 형태의 스켈레톤 프로젝트를 표준으로 사용하고 있어요. 오프라인 팀의 경우 팀원들의 기술 숙련도를 고려해 자프링(Java + Spring Boot)도 병행 사용합니다.

스켈레톤 프로젝트 구성

📦 기본 포함 기능

JPA: ORM 기본 설정
MyBatis: 복잡한 쿼리 처리
Swagger: API 문서화
Test Code: 테스트 환경 구축
DB Multi Datasource: 다중 DB 연결 설정
예시 API: 신규 개발자 온보딩용

프론트엔드 연동

프론트엔드는 Next.js를 표준으로 사용하며, Back-end/Front-end 분리 프로젝트로 운영하고 있어요. 이는 팀별 독립적인 개발과 배포를 가능하게 합니다.

🔄 언어 선택 기준

팀 유형	주 사용 언어	선택 이유
신규 프로젝트	Kotlin + Spring Boot	생산성, 안정성, 최신 기능
레거시 유지보수	Java + Spring Boot	기존 코드 호환성
오프라인 팀	Java + Spring Boot	팀원 숙련도 고려

클라우드 인프라

멀티 클라우드 전략

올리브영은 단일 클라우드가 아닌 멀티 클라우드 전략을 사용해요. 각 클라우드의 강점을 활용해 최적의 성능을 끌어내고 있습니다.

🔶 AWS (Amazon Web Services)

ECS Fargate: 컨테이너 서비스 운영
MSK: Apache Kafka 관리형 서비스
OpenSearch: 검색 및 로그 분석
Bedrock + Claude 3.5: AI 이미지 검수 시스템

성과: 이미지 검수 5초 이내 처리, 95% 정확도

🔴 Oracle Cloud Infrastructure

Oracle DB 서비스: 핵심 데이터베이스
Scale Up/Out: 유연한 자원 확장

성과: Heavy Query 50-200ms → 3-4ms (50배 개선)

🔵 Google Cloud Platform

BigQuery: 통합 데이터 분석 플랫폼
데이터 파이프라인: 실시간 분석

성과: 데이터 수집/이동 시간 55% 단축

메시징 시스템: AWS MSK

📊 MSK 성능 지표

Peak Throughput: 605MB/s
P99 Latency: 5ms
메시지 유지: 기본 7일
데이터 일관성: 보장
비동기 통신: 지원

AI 기술 도입

🤖 AWS Bedrock + Claude 3.5 Sonnet

2024년 9월 구축한 자동 상품 이미지 검수 시스템이 정말 인상적이에요:

처리 시간: 이미지 업로드부터 검수 완료까지 5초 이내
정확도: 95% 이상의 가이드라인 준수 여부 판단
효율성: 기존 수동 검수 대비 대폭 개선

MSA 전환 현황

왜 MSA로 전환하고 있을까?

🏗️ Monolithic의 한계

Scale-out 어려움: 특정 부분만 확장하기 어려운 구조
구조 파악 어려움: 전체 시스템 이해도 저하
배포 리스크: 작은 변경도 전체 시스템 재배포
기술 스택 제약: 새로운 기술 도입 어려움

전환 완료 영역

2023년 10월 온라인몰 Home 영역이 신규 MSA 아키텍처로 전환 완료되었어요. 이를 통해 놀라운 성과를 거뒀습니다.

📈 Home 영역 MSA 전환 성과

평균 응답 속도: 99.5% 향상 (6월 대비 9월)
최대 응답 속도: 99.8% 향상
시스템 안정성: 대폭 개선
개발 생산성: 팀별 독립 배포 가능

데이터 서빙 전략

🎯 2-Tier 데이터 구조

Static Data

모든 유저에게 동일하게 제공되는 데이터

캐싱 데이터 조회 후 바로 서빙
빠른 응답 속도 확보
서버 리소스 효율적 사용

Personal Data

특정 유저에게 차별화되어 제공되는 데이터

비즈니스 로직 포함
여러 시스템간 디펜던시 고려
개인화 서비스 제공

데이터베이스 및 스토리지

다양한 DB 기술 활용

올리브영은 폴리글랏 퍼시스턴스 전략을 사용해요. 각 용도에 최적화된 데이터베이스를 선택해서 사용하고 있습니다.

🏛️ 관계형 데이터베이스

Oracle Database (OCI)

용도: 핵심 비즈니스 데이터
성능: Heavy Query 50-200ms → 3-4ms
장점: 유연한 Scale Up/Out

📄 NoSQL - MongoDB

용도: 전시 영역 콘텐츠 관리
특징: 유동적인 데이터 관리
전략: 데이터 버전화 관리

⚡ 캐시 - Redis

용도: 커뮤니티 서비스 '셔터'
활용: Sorted Set 기반 랭킹
역할: 고속 데이터 액세스

🔍 검색 - AWS OpenSearch

용도: 재고 변경 이력 관리
처리량: 일일 천만 건 이상
구성: EFK 스택 (ElasticSearch, FluentBit, Kibana)

데이터 압축 최적화

🗜️ Avro Format + AWS Glue Schema Registry

데이터 포맷	용량 (238만 건 기준)	압축률
JSON Format	12GB	-
Avro Format	538MB	24배 압축

DevOps 및 운영 도구

CI/CD: TeamCity

🔧 TeamCity 선택 이유

편리한 UI: 직관적인 사용자 인터페이스
Kotlin Script: CI/CD 파이프라인 커스터마이징
Container 친화적: Docker 환경 최적화
클라우드 통합: 자동화 파이프라인 구성

컨테이너 운영

Docker + ECS Fargate 환경에서 서비스를 운영하고 있어요. 이를 통해 확장성과 관리 효율성을 동시에 확보했습니다.

모니터링: Datadog

📊 Datadog 활용 현황

대시보드: 450개 이상 운영
적용 범위: 온라인몰부터 오프라인 매장까지
QA 활용: APM 로그, 성능 비교, 이슈 추적
AWS 연동: MSK Prometheus 메트릭 수집

🔍 QA에서의 Datadog 활용

APM 로그 확인: 실시간 성능 모니터링
간헐적 이슈 추적: 재현하기 어려운 버그 발견
배포 전후 성능 비교: 릴리스 영향도 분석
서비스 안정성 확보: 품질 관리 도구로 활용

성능 개선 사례

정말 놀라운 성과들이에요

올리브영의 기술팀이 달성한 성능 개선 사례들을 보면, 기술적 역량이 얼마나 뛰어난지 알 수 있어요.

🚀 응답 속도 개선

MSA 전환 (Home 영역)

평균 응답 속도: 99.5% 향상
최대 응답 속도: 99.8% 향상
기간: 6월 대비 9월 (3개월)

⚡ DB 쿼리 성능

OCI 이관 + 튜닝

Heavy Query: 50-200ms → 3-4ms
개선률: 약 50배 향상
방법: 물리 DB → 클라우드 DB

🗜️ 데이터 압축

Avro Format 도입

압축률: JSON 대비 24배
용량: 12GB → 538MB
데이터: 238만 건 기준

📈 데이터 처리

GCP BigQuery 도입

수집/이동 시간: 55% 단축
범위: 통합 데이터 분석
효과: 실시간 의사결정 가능

조직 문화 및 개발 환경

스쿼드 조직 구성

올리브영은 스쿼드 단위로 팀을 구성해 운영하고 있어요. 각 스쿼드는 독립적인 책임과 권한을 가지고 있습니다.

🏪 스토어전시 스쿼드

메인, 홈, 오특 등 GNB 영역
온라인몰 전시 서비스
고객 경험 최적화

📦 B2B 물류 스쿼드

오프라인 발주 시스템
물류 시스템 개발
MSA 전환 주도

📊 인벤토리 스쿼드

재고 관리 시스템
일일 천만 건 데이터 처리
실시간 재고 동기화

외부 커뮤니티 참여

🌟 2025년 주요 활동

SpringCamp 2025: 골드 후원사, 물류 시스템 개선기 발표
Let'Swift 2024: 플래티넘 후원, iOS 생태계 활성화
개발자 소통: 약 500명의 외부 개발자와 교류

내부 워크숍 및 교육

🎯 2024년 테크플랫폼센터 워크숍

참여자: 테크플랫폼센터 구성원 전원
프로그램: 아이디어톤 진행
주제: 올리브영 사용자 경험 개선
목표: 실행 가능한 해결책 도출

필수 역량 분석

기술적 역량

🎯 필수 기술 (Must Have)

Kotlin + Spring Boot: 주력 개발 스택
JPA & MyBatis: 데이터 액세스 레이어
Docker: 컨테이너화 필수
AWS 기본: ECS, MSK, OpenSearch 이해
MSA 이해: 마이크로서비스 아키텍처 경험

⭐ 우대 기술 (Nice to Have)

Kafka: 대용량 메시징 시스템 경험
MongoDB & Redis: NoSQL 데이터베이스 활용
Oracle Cloud: OCI 환경 경험
Datadog: 모니터링 도구 활용
TeamCity: CI/CD 파이프라인 구축

비즈니스 역량

💼 올리브영이 중요하게 보는 역량

대용량 데이터 처리: 일일 천만 건 이상 처리 경험
성능 최적화: 99% 이상 성능 개선 경험
시스템 안정성: 24/7 무중단 서비스 운영
글로벌 대응: 멀티 리전 서비스 구축 경험
레거시 전환: Monolithic → MSA 전환 경험
협업 능력: 스쿼드 단위 애자일 개발

소프트 스킬

🤝 중요한 소프트 스킬

문제 해결: 복잡한 기술적 이슈 해결 능력
학습 능력: 빠르게 변하는 기술 트렌드 따라가기
커뮤니케이션: 기술적 내용을 비개발자에게 설명
오너십: 프로젝트 책임감과 주도적 참여
창의성: 새로운 아이디어와 솔루션 제안

취업 전략 가이드

포트폴리오 준비 전략

🎯 올리브영 스타일 프로젝트 예시

1. 대용량 데이터 처리 프로젝트

주제: "실시간 재고 관리 시스템 구축"
기술: Kotlin + Spring Boot + Kafka + Redis
포인트: 일일 100만 건 이상 데이터 처리
성과: 응답 시간 90% 개선 등 구체적 수치

2. MSA 전환 프로젝트

주제: "모놀리식 → 마이크로서비스 리팩토링"
기술: Spring Boot + Docker + AWS ECS
포인트: 독립 배포 가능한 서비스 분리
성과: 배포 시간 단축, 장애 영향 범위 축소

3. 성능 최적화 프로젝트

주제: "DB 쿼리 성능 최적화"
기술: JPA + MyBatis + Redis 캐싱
포인트: 인덱스 튜닝, 캐시 전략
성과: 응답 시간 50배 개선 (올리브영과 유사)

자소서 작성 포인트

✅ 강조해야 할 경험

🔥 기술적 성과 어필

"기존 50ms 응답 시간을 3ms로 개선" (구체적 수치)
"일일 100만 건 데이터 실시간 처리 시스템 구축"
"모놀리식 구조를 MSA로 전환하여 배포 효율성 300% 향상"

🎯 비즈니스 임팩트 연결

"시스템 안정성 향상으로 고객 만족도 개선에 기여"
"성능 최적화를 통한 서버 비용 30% 절감"
"자동화 도입으로 개발팀 생산성 2배 향상"

🌟 올리브영 가치 연결

"고객 경험 개선을 위한 기술적 솔루션 제안"
"글로벌 서비스 확장을 고려한 아키텍처 설계"
"팀 내 기술 공유와 협업 문화 조성"

면접 준비 전략

🎤 예상 질문 및 답변 가이드

기술 면접 예상 질문

Q: "Kotlin을 선택한 이유는?"
A: "Null Safety, 간결한 문법, Java 100% 호환성으로 생산성과 안정성을 동시에..."

Q: "MSA 전환 시 가장 어려운 점은?"
A: "서비스 간 데이터 일관성과 분산 트랜잭션 관리. Saga 패턴으로 해결..."

Q: "대용량 데이터 처리 경험은?"
A: "Kafka를 이용한 스트리밍 처리와 배치 처리 조합으로 일일 천만 건..."

문화 적합성 질문

Q: "올리브영에서 어떤 기여를 하고 싶나?"
A: "K-뷰티 글로벌 확산에 기술적으로 기여하고, 950만 MAU가 더 편리한..."

Q: "기술적 도전에 대한 생각은?"
A: "끊임없는 학습과 실험을 통해 고객 가치를 창출하는 것이 개발자의..."

학습 로드맵

📚 단계별 학습 계획

1단계: 기본기 다지기 (3개월)

Kotlin 마스터: Java 대비 Kotlin 장점 이해
Spring Boot 심화: JPA, Security, Test 코드
Docker 기초: 컨테이너화 개념과 실습
AWS 기본: EC2, RDS, S3 등 기본 서비스

2단계: 실전 프로젝트 (3개월)

Kafka 프로젝트: 메시징 시스템 구축 경험
Redis 캐싱: 성능 최적화 프로젝트
MSA 설계: 서비스 분리와 API Gateway
모니터링 구축: 로그 수집과 대시보드

3단계: 심화 역량 (3개월)

성능 튜닝: 프로파일링과 최적화
대용량 처리: 배치 처리와 스트리밍
클라우드 아키텍처: 멀티 클라우드 전략
DevOps: CI/CD 파이프라인 자동화

🎯 당장 시작할 수 있는 액션 플랜

올리브영 기술 블로그 팔로우: 최신 기술 동향 파악
Kotlin + Spring Boot 토이 프로젝트: 기본기 다지기
외부 컨퍼런스 참여: SpringCamp, Let'Swift 등 참석
오픈소스 기여: GitHub 활동으로 코드 품질 어필
기술 블로그 운영: 학습 과정과 프로젝트 경험 공유

마치며

CJ올리브영은 단순한 이커머스 회사가 아니라, 대용량 트래픽을 처리하는 글로벌 기술 기업으로 진화하고 있어요. 일일 천만 건 이상의 데이터를 처리하고, 950만 MAU를 지원하는 기술력은 정말 인상적입니다.

특히 MSA 전환과 멀티 클라우드 전략, 그리고 99% 이상의 성능 개선 사례들을 보면, 기술적으로 매우 도전적이고 성장할 수 있는 환경이라는 걸 알 수 있어요.

🎯 마지막 조언

올리브영 백엔드 개발자가 되고 싶다면, Kotlin + Spring Boot 기반의 대용량 처리 경험을 쌓는 것이 가장 중요해요. 단순히 기술을 아는 것보다는, 실제 비즈니스 문제를 해결하고 성과를 낸 경험을 어필하세요.

그리고 올리브영의 비전인 "K-뷰티 글로벌 플랫폼"에 기술적으로 어떻게 기여할 수 있는지를 구체적으로 제시한다면, 면접에서 큰 어필 포인트가 될 거예요.