무언가를 배울 때 커리큘럼이 중요하다는 것은 누구나 알지만, 커리큘럼을 읽으며 이것을 배우면 실제로 무엇을 할 줄 알게 되는 것인지, 그 내용이 무슨 뜻인지 전부 알게 되기는 쉽지 않습니다.
특히 해당 직무를 아직 경험해 보지 않았다면, 커리큘럼에 적힌 단어들만으로는 실제 학습 내용을 떠올리기 더 어려운데요.
그래서 이 글에서는 커리큘럼 각 단계에서 무엇을 배우는지와 실제로 어떤 작업을 해보게 되는지를 최대한 구체적으로 풀어 설명했습니다. 이 트랙에서 어떤 경험을 하게 될지 궁금하다면, 아래 글을 읽어보세요.
단기 심화 Java 트랙은 개발 역량을 가지고 계신 분들을 대상으로, 한 단계 더 올라서기 위해 준비된 심화 과정입니다.
하나의 기능을 만들 때도 이걸 어떻게 빨리 만들지보다, 이 기능이 전체 시스템 안에서 어떤 역할을 맡아야 유지보수가 쉬워질지 그리고 구조상 어떤 방식으로 개발되는 것이 좋을지를 고민하고 판단할 줄 아는 능력을 성장시키는 방향으로 만들어졌어요.
도메인 설계, 계층 구조, 서비스 간 역할 분리, 데이터 흐름 설계까지, 실제 회사에서 시니어 개발자가 책임지는 관점으로 백엔드를 바라보도록 구성되어 있습니다. 개별 기능 구현을 넘어 서비스 구조를 그리는 사람의 시각을 자연스럽게 갖게 되는 것이 목표입니다.
요즘 많은 서비스가 추천, 요약, 자동 응답 같은 AI 기능을 품고 있죠. 심화 트랙에서는 생성형 AI를 실제 백엔드 서비스에 붙여 보는 경험을 합니다. API를 호출해 보는 것만이 아니라, 언제 어떤 데이터를 넘겨야 의미 있는 답을 얻을 수 있는지, 응답을 어떻게 가공해서 사용자 경험으로 연결할지까지 고민하게 되죠.
그 과정에서 AI가 마법처럼 다 해결해 준다는 게 아니라, AI를 잘 다룰 수 있는 백엔드 개발자가 어떤 결정을 내려야 하는지, 어디까지를 시스템이 책임지고 어디부터를 사람이 설계해야 하는지 밸런스를 배우게 됩니다.
현업 백엔드에서는 기능을 구현하는 것 못지않게 중요한 것이 문제가 생겼을 때 어떻게 찾고, 어떻게 고치는가입니다.
트래픽이 늘어났을 때 시스템이 어떤 지점에서 장애가 발생할 수 있는지, 장애가 발생했을 때 어디서부터 살펴봐야 하는지, 모니터링과 로그를 통해 원인을 추적하는 방법을 실습합니다. 이를 통해 실제 서비스 운영까지 고려하는 엔지니어의 마인드를 갖추는 것이 목표 중 하나에요.
마지막에는 실제 사용자에게 공개하는 수준의 MVP를 만들고, AWS에 배포하는 과정까지 경험합니다. 팀 단위로 서비스를 기획하고, 최소 기능을 명확히 정한 뒤, 정해진 기간 안에 작동하는 제품을 만들어 실제 유저가 사용할 수 있게 만들어 봅니다.
배포만 해 두고 끝나는 것이 아니라, 사용성 테스트를 통해 피드백을 받고, 그 결과를 반영해 기능과 구조를 다듬는 것까지 물론 포함이에요.
이 과정을 통해 포트폴리오용 프로젝트를 넘어, 실제 사용자 반응을 경험한 서비스 개발 경험을 손에 쥐고 과정을 마무리합니다.
Java와 Spring을 한 단계 더 깊게 다듬습니다. JPA와 QueryDSL을 활용해 데이터베이스를 다루는 방식, 복잡한 조회 조건을 깔끔하게 표현하는 방법, 도메인 중심 설계 관점에서 엔티티와 관계를 설계하는 방법 등을 다룹니다.
즉, 기능은 돌아가지만 어딘가 엉켜 있는 코드를, 장기적으로 유지보수가 가능한 구조로 끌어올리는 연습을 하게 됩니다.
이 과정에서 JPA와 QueryDSL을 도메인 모델과 데이터베이스가 자연스럽게 연결되도록 도와주는 핵심 도구로 활용하는 방법에 대해 학습합니다.
실무에서 인증과 인가는 거의 모든 서비스에 필요합니다. 이 트랙에서는 JWT(Json Web Token)를 활용해 로그인, 토큰 발급, 토큰 갱신, 권한 체크까지 이어지는 흐름을 직접 구현합니다.
사용자가 누구인지 확인하는 인증, 그 사용자가 어떤 기능을 사용할 수 있는지 결정하는 인가를 명확히 분리해서 설계하면서, 각 과정을 어디에 위치시켜야 보안과 편의성의 균형이 맞는지 고민해 보게 됩니다.
이런 경험은 실제로 B2C, B2B 서비스 어디에서나 바로 활용할 수 있는 역량으로 이어집니다.
모놀리식 구조에서 출발해 점차 서비스를 나누어 가는 MSA(Microservices Architecture) 설계 전략을 학습합니다.
어떤 기준으로 서비스를 나눌지, 서비스 간 데이터는 어떻게 공유할지, 공통 기능은 어떤 방식으로 묶어야 할지 등, 조직과 서비스 규모에 따라 달라지는 설계 선택지를 함께 살펴봅니다.
단일 애플리케이션 안에서만 사고하던 방식에서 벗어나, 여러 서비스가 느슨하게 연결된 구조를 그려 보는 연습을 하게 되며, 이 과정에서 바꾸기 쉬운 구조를 만드는 원칙에 익숙해집니다.
Spring Cloud와 Eureka를 활용해 서비스 디스커버리, 라우팅, 설정 관리 등을 직접 구성해 봅니다. 각 서비스가 어디에 떠 있는지, 요청이 어떤 경로를 거쳐 전달되는지, 설정 변경이 여러 서비스에 어떻게 반영되는지 실습을 통해 체감하게 됩니다.
이를 통해 MSA를 책으로만 보는 것이 아니라, 실제로 여러 개의 백엔드 애플리케이션이 하나의 시스템처럼 동작하도록 만드는 경험을 쌓게 됩니다.
서비스가 여러 개로 나뉘어 있을수록, 보안 처리도 복잡해집니다. 분산 환경에서 인증 정보를 어떻게 안전하게 전달할지, 서비스 간 통신에서 어떤 보안 이슈가 생길 수 있는지, 토큰 관리와 권한 검증을 어디에서 담당해야 하는지 다룹니다.
이 경험을 통해 수강생은 보안을 별도의 기능이 아니라, 전체 아키텍처 설계의 일부로 보는 시각을 갖게 됩니다.
자바와 스프링에 어느 정도 익숙한 개발자라도, MSA와 분산 환경까지 고려한 설계 경험을 해 보기는 쉽지 않을 수 있죠. 바로 그 지점, 즉 서비스의 개발자에서 서비스를 설계하는 개발자로 넘어가는 관문 역량 개발의 역할을 합니다. 이런 경험은 중급 개발자로 성장할 때 매우 큰 차이를 만드는 부분입니다.
AI 서비스도 결국 데이터 위에서 돌아간다는 것을 너무나 잘 알고 계실 거예요. 이 단계에서는 JPA와 QueryDSL을 활용해 AI 기능에 필요한 데이터를 효율적으로 조회하고 가공하는 방법을 다룹니다.
필요 이상의 데이터를 불러와서 시스템을 무겁게 만드는 대신, 정확히 필요한 정보만 빠르게 가져올 수 있도록 쿼리를 최적화하는 연습을 하게 됩니다.
이 과정에서 성능과 가독성, 유지보수성을 함께 고려하는 데이터 접근 방식을 익힙니다.
앞에서 다룬 JWT 기반 인증·인가를 실제 AI 웹 서비스에 적용합니다. 예를 들어 로그인한 사용자마다 추천 결과를 다르게 보여주거나, 특정 권한을 가진 사용자에게만 고급 기능을 제공하는 등, 현실적인 서비스 시나리오를 다룹니다.
이 경험은 실제 유료 기능, 프리미엄 권한 등 비즈니스 모델과 연결되는 설계를 미리 경험해 보게 해 줍니다.
Google Gemini API를 활용해 추천 서비스나 자동화 기능을 설계합니다. 어떤 입력을 보내야 좋은 품질의 결과가 나오는지, 응답 데이터를 어떻게 가공해서 사용자에게 자연스럽게 보여줄지, 요청 빈도와 비용은 어떻게 관리할지 등을 고민합니다.
이를 통해 AI 기능이 들어간 서비스의 구조를 이해하고, AI를 단독으로 사용하는 대신 백엔드, 데이터, 인증 구조와 함께 설계하는 방법에 대해 배웁니다.
AI 기능까지 포함된 서비스를 안정적으로 운영하기 위해, 테스트와 배포 과정을 자동화하는 CI/CD 파이프라인을 설계합니다. 코드가 변경될 때마다 어떤 테스트를 돌리고, 어떤 조건을 만족해야 배포할지, 롤백 전략은 어떻게 가져갈지 등을 팀과 함께 정리합니다.
이 흐름을 경험하면 로컬에서만 잘 되는 코드가 아니라, 언제든지 수정하고 다시 배포할 수 있는 서비스를 만드는 것이 얼마나 중요한지 알게 되고, 이후 어떤 회사에 가더라도 빠르게 개발 파이프라인에 적응할 수 있는 기반이 됩니다.
AI를 활용하는 서비스는 앞으로 더 많아질 수밖에 없습니다. AI를 개별 기술이 아니라, 웹 서비스 안에서 자연스럽게 녹여 내는 법을 배울 수 있는 부분입니다. 동시에 CI/CD까지 함께 다루기 때문에, 아이디어 단계의 AI 실험을 실제 서비스 수준으로 끌어올리는 경험을 할 수 있어요.
사용자가 늘어나면, 데이터베이스에 모든 요청이 몰리는 구조로는 버티기 어려운 순간이 찾아옵니다. 이때 중요한 개념이 캐싱입니다. 이 모듈에서는 어떤 데이터를 캐싱해야 효과가 있는지, 캐시를 잘못 쓰면 어떤 문제가 발생하는지, 캐시와 원본 데이터의 일관성을 어떻게 관리해야 하는지 다룹니다.
대규모 시스템에서 캐싱 전략은 성능과 비용, 복잡도 사이에서 균형을 잡는 작업이기 때문에, 실제 사례를 통해 여러 선택지를 비교해 보게 됩니다.
Redis를 사용해 인메모리 데이터를 관리하고, 로그인 세션, 토큰, 자주 조회되는 데이터, 랭킹과 같은 기능을 구현해 봅니다. 이를 통해 캐시를 이론이 아니라, 실제 코드와 서비스 구조 안에서 이해할 수 있습니다.
Redis를 사용하는 패턴을 익히면, 이후 다른 인메모리 저장소나 캐시 솔루션을 다룰 때도 빠르게 적응할 수 있는 공통된 감각을 갖게 됩니다.
이 구간에서는 GitLab과 AWS ECS를 활용해, 컨테이너 기반 배포 파이프라인을 설계하고 구현합니다. 코드가 저장소에 올라가는 순간부터, 빌드, 테스트, 도커 이미지 생성, ECS에 배포되는 흐름을 하나의 파이프로 연결해 봅니다.
이를 통해 팀이 함께 작업하면서도 안정적으로 배포할 수 있는 환경을 경험하게 되고, 실제 DevOps 문화에 가까운 방식으로 개발을 경험하게 됩니다.
서비스와 데이터베이스가 여러 개로 나뉜 환경에서는, 하나의 기능이 여러 시스템을 동시에 건드리는 상황이 자주 발생합니다. 이때 데이터가 섞여 버리지 않도록 관리하는 것이 분산 트랜잭션입니다.
여기서는 분산 트랜잭션이 왜 어려운 주제인지, 어떤 패턴과 전략으로 문제를 완화할 수 있는지, 어떤 부분을 포기하고 어떤 부분을 보장하는지 등 현실적인 선택지를 함께 다룹니다.
대량의 작업을 한 번에 처리하기 위해서는, 요청을 바로 처리하기보다 메세지 큐에 쌓아 두고 여러 작업자가 나누어 처리하는 구조가 필요할 때가 많습니다. 이 파트에서는 메시지 큐 시스템을 활용해, 대규모 데이터를 안정적으로 처리하는 방식을 실습합니다.
이를 통해 요청이 몰릴 때 서버가 버티지 못하는 상황을 어떻게 완화할 수 있는지, 비동기 처리 구조를 어떻게 설계해야 하는지 감을 잡게 됩니다.
실제로 규모가 있는 서비스를 운영하는 회사에서 매일 고민하는 주제를 다룹니다. 캐시, 인메모리 저장소, 메시지 큐, 분산 트랜잭션, CI/CD는 직접 구성해 본 경험이 있는 사람과 그렇지 않은 사람의 이해 깊이는 크게 다릅니다.
이 프로젝트에서는 Google Gemini 등 AI 프롬프트 엔진을 중심에 두고, 반복 업무를 자동화하거나 개인화된 정보를 제공하는 시스템을 설계합니다. 어떤 데이터를 입력으로 넘기고, 어떤 형식의 응답을 받아야 서비스에 자연스럽게 녹일 수 있는지, 프롬프트 설계부터 응답 후처리까지 전체 흐름을 설계해 보는거죠.
이를 통해 AI 기능이 서비스의 한 부분으로 들어갈 때, 어디까지를 시스템이 책임져야 하는지, 사용자의 기대와 비즈니스 목표를 어떻게 조율해야 하는지 고민해 보게 됩니다.
앞서 배운 MSA 관련 내용을 실제 AI 시스템에 적용합니다. 모델 호출을 담당하는 서비스, 사용자 요청을 관리하는 서비스, 로그와 통계를 담당하는 서비스 등 역할을 나누고, Spring Cloud와 Eureka를 이용해 전체 구조를 구현해 봅니다.
이 과정에서 AI 기능이 특정 서비스에만 묶이지 않고, 여러 기능에서 재사용될 수 있도록 설계하는 방법을 함께 고민하게 됩니다.
AI 서비스는 로그, 피드백, 추천 히스토리 등 많은 데이터를 쌓게 됩니다. 이 데이터를 여러 서비스와 저장소에 나누어 보관하고 활용하는 과정에서, 분산 트랜잭션과 대규모 데이터 처리 전략이 다시 중요해집니다.
프로젝트에서는 이 부분을 실제 설계와 구현 단계에서 다루며, 단지 이론으로만 공부했던 개념을 현실적인 선택으로 바꾸어 보는 경험을 합니다.
대규모 AI 시스템 설계 프로젝트는, 앞으로 더 늘어날 AI를 중심에 둔 서비스에서 쓰이는 경험입니다. 물론 이 프로젝트 한 번으로 모든 것을 완벽히 마스터할 수는 없지만, 적어도 AI, MSA, 대용량 데이터라는 키워드를 하나의 그림으로 바라볼 수 있게 도와드릴게요.
서비스가 커질수록 지금 시스템이 어떤 상태인지를 명확하게 판단하고 모니터링하는 일이 중요해집니다. Prometheus와 Grafana를 활용해 서버 자원 사용량, 요청 처리 시간, 에러 비율 등을 모니터링하고, 시각화된 대시보드를 구성해 보는 실습을 합니다.
이 경험을 통해 문제를 사용자가 먼저 느끼기 전에, 지표 변화를 통해 미리 발견하고 대응하는 방법을 배우게 됩니다.
보안 취약점은 서비스 초기에는 잘 드러나지 않다가, 어느 순간 크게 문제를 일으키기도 합니다. SQL Injection, XSS, CSRF, CORS 등 웹 서비스에서 자주 등장하는 보안 이슈와, 동시성 제어와 관련된 문제들을 정리합니다.
각 취약점이 어떤 방식으로 악용될 수 있는지, 이를 예방하기 위해 코드와 설정에서 어떤 부분을 신경 써야 하는지, 실습과 함께 다루게 됩니다.
모니터링 지표와 로그를 활용해 장애 상황을 식별하고, 원인을 좁혀 나가며, 긴급 대응과 후속 조치, 재발 방지 대책을 정리하는 흐름까지 경험합니다. 이 과정에서는 장애가 났을 때 누구를 탓할까가 아니라, 어떻게 하면 같은 일이 다시 일어나지 않게 할지를 고민하는 태도 또한 중요하게 다룹니다.
동시성 제어에서 자주 등장하는 비관적 락, 낙관적 락, 데드락 등의 개념을 실제 예제와 함께 다룹니다. 어떤 상황에서 어떤 방식의 락이 어울리는지, 잘못 사용했을 때 어떤 장애가 발생하는지 경험해 보면서, 데이터 일관성과 성능 사이에서 균형을 잡는 법을 익힙니다.
이 부분에서 다루는 내용은 개발 커리어 후반으로 갈수록 비중이 점점 더 커지는 주제들입니다. 특정 기능을 구현해 본 경험만으로는 설명하기 어려운, 소위 서비스의 건강 상태를 관리하는 역량이 여기에 담겨 있습니다. 장애 대응과 시큐어 코딩을 깊이 있게 경험해 본 개발자는, 팀에서 신뢰받는 엔지니어로 성장할 가능성이 훨씬 높습니다.
이 프로젝트는 실제 회사(실무)에서의 제품 개발 사이클을 최대한 가깝게 옮겨 놓은 과정입니다. 팀이 함께 서비스를 기획하고, 핵심 기능만으로 MVP를 만든 뒤, 중간 발표에서 피드백을 받고, 실제 사용자를 대상으로 사용성 테스트를 진행합니다.
사용자의 행동과 피드백을 토대로 기능과 구조를 보완하고, 최종 발표에서 어떤 문제를 발견했고, 어떻게 개선했고, 그 결과가 어땠는지까지 스토리로 정리해 공유하는데요. 이 경험은 면접에서 프로젝트를 설명할 때도 큰 힘이 됩니다.
앞서 경험한 MSA 구조를 AWS 환경에 실제로 배포하고, 모니터링 시스템과 연결합니다. 서비스 여러 개가 동시에 돌아가고 있을 때, 어떤 지표를 중심으로 상태를 확인해야 하는지, 각 서비스가 서로에게 어떤 영향을 주는지 관찰하면서 운영 감각을 기릅니다.
마지막으로, 완성된 프로젝트를 대상으로 대규모 부하 테스트를 수행합니다. 요청 수를 점점 늘려 가며 시스템이 언제부터 느려지는지, 어느 구간에서 병목이 발생하는지, 데이터베이스와 캐시, 메시지 큐가 각각 어떤 반응을 보이는지 확인합니다.
이 과정을 통해 대용량 트래픽이라는 말이 단순한 숫자가 아니라, 실제로 시스템의 어떤 부분을 흔드는지 몸으로 느끼게 됩니다.
실제 대규모 트래픽을 경험해 보고, 그 과정에서 나오는 지표와 로그를 분석해 보는 것은 이력서에 적은 한 줄 이상의 의미를 가집니다. 백엔드 심화 과정의 마무리이자, 실무로 나가는 데 있어 큰 자신감이 될 수 있는 지점입니다.
단기 심화 Java 트랙은 이렇게 설계와 구조, AI, MSA, 대용량 트래픽, 모니터링과 보안, 실사용자 대상 프로젝트까지 이어지는 강도 높은 심화 커리큘럼입니다.
빠르게 변하는 환경 속에서도 흔들리지 않는 기본기와, 바로 적용 가능한 실무 감각을 함께 키울 수 있도록 교육을 설계하고 운영하고 있어요.
진짜 실무에 집중해 현업에 어울리는 역량으로 성장하고 싶다면, 지금 바로 내일배움캠프를 조금 더 자세히 알아보세요.
내 상황에 맞게, 최선의 결정을 내릴 수 있도록 도와드립니다. 아래 버튼을 눌러 바로 상담을 받아보실 수 있습니다.
무료 1:1 취업 직무 상담 EVENT
누적 상담 1,500건 이상의 경험을 가진 전문가의 직무 상담을 제공해 드립니다.
