🔥 불타는 씨니어, 불씨

AI 기반 시니어 데이팅 앱 - 서버(Backend & AI)

AI 영상 분석을 통해 시니어의 자기소개를 프로필로 자동 완성하고,
맞춤형 상대를 지능적으로 추천해주는 데이팅 앱 프로젝트의 백엔드 & AI 서버 레포지토리입니다.

---

🌟 주요 기능 (Key Features)

1. AI 기반 자동 프로필 생성

• 사용자가 30초 자기소개 영상 업로드 시, AI가 영상을 분석하여
  • 이름 / 나이 / 성별 / 취미 / 한 줄 소개 / 등 을 자동 추출 → 프로필 완성

2. 비동기 처리 시스템

• STT(Speech-to-Text) & NLP 분석을 백그라운드에서 실행
• 실시간 대기 없음 — 가입 절차 즉시 완료, 추후 프로필 자동 업데이트

3. 지능형 추천 알고리즘

• 단순 거리 기반 X
• 성별이 다르고, 취미·나이가 비슷한 상대 우선 추천
• 추천 제외 규칙:
  1. 본인
  2. 오늘 이미 추천받은 사람
  3. 현재 채팅 중인 사람

4. 자연스러운 채팅 시작

• 추천받은 상대와 연락하기 시도 시 채팅방 자동 생성 후
  → 첫 메시지로 내 자기소개 영상 자동 전송

---

🧑‍💻 팀원 및 역할 (Team & Roles)

이름	역할	담당 파트
@김하빈	PM	사업 기획, 프로젝트 총괄, 백엔드 지원
@김민정	디자이너	UI/UX 디자인
@이영주	개발자	프론트엔드 (React Native)
@김은혜	개발자	프론트엔드 (React Native)
@은지우	개발자	백엔드 (Spring Boot), AI 서버 (FastAPI), 인프라 (AWS)

---

🏗️ 시스템 아키텍처 (System Architecture)

본 프로젝트는 메인 백엔드 서버와 AI 서버의 2-tier 구조이며,
Docker Compose로 AWS EC2 인스턴스에서 통합 운영됩니다.

[React Native App] → [Spring Boot Backend] ↔ [FastAPI AI Server]

📌 구성

1. 메인 백엔드 서버 (Spring Boot / Java)

   • 사용자 인증, DB 관리, 비즈니스 로직
   • AI 서버에 분석 요청 → 결과 polling → DB 업데이트

2. AI 서버 (FastAPI / Python)

   • STT(Whisper), LLM(Gemini) 기반 프로필 생성
   • 백그라운드 작업 처리, task_id 기반 조회 API 제공

3. 인프라

   • AWS EC2 t3.medium
   • RDS(MySQL)
   • Docker & Docker Compose

---

🛠 기술 스택 (Technology Stack)

Backend Server

• Spring Boot 3.x (Java 21)
• MySQL (AWS RDS)
• Spring Data JPA, RestTemplate

AI Server

• FastAPI (Python 3.11)
• STT: OpenAI Whisper (small)
• LLM: Google Gemini (gemini-1.5-flash)

Infra

• AWS EC2 (t3.medium)
• Docker, Docker Compose

---

💡 기술적 도전과 해결

문제	원인	해결
AI 분석 시간으로 인한 UX 저하	Whisper & Gemini 분석 30초 소요	FastAPI BackgroundTasks + Spring @Async로 비동기 처리, 가입 즉시 완료
AI 서버 OOM(메모리 부족)	Whisper 모델 로드 시 메모리 초과	EC2 → t3.medium 업그레이드(4GB RAM), 서버 시작 시 모델 사전 로드
서버 간 통신 실패	컨테이너 시작 순서 문제	Docker healthcheck + depends_on: service_healthy 설정
JPA 지연 로딩과 JSON 변환 충돌	JPA의 Lazy Loading 기능으로 인한 JSON 직렬화 문제	DTO를 통한 데이터 전달 설계, @Transactional이 보장된 상태에서 필요한 모든 데이터를 조회 -> 추가로 @JsonIgnore로 순환 참조 차단, Hibernate5Module 등록으로 초기화된 프록시만 노출, 서비스 계층에서 엔티티를 완전히 초기화하거나 fetch join 사용 등 고려 가능

---

📜 API 명세 (Endpoints)

📍 Backend Server (:8080)

Method	Endpoint	설명
POST	/users/onboarding	온보딩(가입) 요청
GET	/users/me	내 정보 조회
GET	/recommendations	오늘의 추천 목록
POST	/recommendations/additional	포인트로 추가 추천
POST	/chat/create/{targetUserId}	채팅방 생성 + 첫영상 전송
GET	/chat/rooms	내 채팅방 목록
GET	/chat/rooms/{roomId}/messages	채팅방 메시지 내역

📍 AI Server (:8000)

Method	Endpoint	설명
POST	/process-video	영상 분석 요청(백그라운드)
GET	/tasks/{task_id}	작업 상태/결과 조회
GET	/health	상태 확인

---

🚀 설치 및 실행 방법 (Setup & Run)

1. EC2 준비

• Amazon Linux 2023, t3.medium 인스턴스
• Docker & Docker Compose 설치

2. 프로젝트 클론

git clone <repo_url> cd project_folder

3. 환경 변수 설정

• ai_server/.env 에 GOOGLE_API_KEY 추가
• docker-compose.yml environment 섹션에 RDS 접속 정보 입력

4. 백엔드 빌드 & 업로드

./gradlew bootJar scp build/libs/backend.jar ec2-user@<EC2_IP>:/home/ec2-user/backend/

5. 서버 실행

sudo docker-compose up -d

6. 로그 확인

sudo docker-compose logs -f

---

📌 아키텍처 다이어그램

[사용자]

↓ (영상 업로드)

[백엔드 서버] → DB 저장(상태: PROCESSING) → AI 서버에 분석 요청

↓ (즉시 가입 완료 응답)

[AI 서버] - Whisper(음성→텍스트) → Gemini(프로필 추출)

↓ 결과 저장

[백엔드 서버] 결과 polling 후 DB 업데이트 → 마이페이지 반영

---

🏷 License

이 프로젝트는 팀 내부 포트폴리오 용도로 제작되었습니다.