LGCMS

Learning & GenAI-based Content Management System

강의 제작·업로드·스트리밍·학습 관리·결제 전 과정에 GenAI 기반 진단과 피드백을 결합한 차세대 LCMS 플랫폼

Organization · Frontend · Infrastructure

프로젝트 소개 · 화면 미리보기 · 핵심 기능 · 기술 흐름 · 아키텍처 · 팀

LGCMS는 기존 온라인 학습 환경에서 반복적으로 발생하는 세 가지 문제를 해결하기 위해 개발했습니다.

단순히 AI 기능만 추가한 것이 아니라, 강의 등록 → 원본 업로드 → HLS 인코딩 → CDN 스트리밍 → 학습 진도 관리 → 결제 → 분석과 피드백까지 이어지는 LCMS 전체 파이프라인을 구현했습니다.

README에서 제품의 실제 완성도를 빠르게 확인할 수 있도록 주요 프론트엔드 화면을 사용자 여정 순서로 구성했습니다.

강의 탐색 — 검색, 기술 태그, 강의 카드와 사용자 메뉴를 한 화면에 구성

강의 시청 — 차시 목록, 영상 재생, 해상도 전환과 학습 도구를 통합

1. 사용자가 기술 카테고리를 선택합니다.
2. 하 3문제, 중 4문제, 상 3문제로 구성된 10개 서술형 문제를 풉니다.
3. 비동기 채점 완료 후 점수, 개념별 이해도, 강점·약점, 종합 피드백과 다음 학습 추천을 확인합니다.

레벨 테스트 개별 화면 보기

강의를 벗어나지 않는 학습 Q&A 강사가 등록한 PDF 자료를 임베딩하고, 현재 강의 ID 범위에서 관련 청크를 검색합니다. 수강생은 영상을 시청하면서 별도 페이지 이동 없이 질문하고, 강의 내용에 근거한 답변을 받을 수 있습니다. 강의 PDF → Kafka → pgvector → RAG → Tutor Response

정량 분석 — 수익 분포, 강의 완강률, 수강률 구간별 학생 수와 시계열 지표

정성 분석 — 수강평과 질문 데이터를 기반으로 장점·단점·개선 방향 생성

강사는 강의 기본 정보와 강좌 구성을 입력하고 영상·PDF 자료를 업로드할 수 있습니다. 업로드된 영상은 비동기 인코딩 파이프라인을 거쳐 HLS 콘텐츠로 제공되며, PDF는 AI Tutor 검색 문서로 사용됩니다.

• Google 로그인, JWT 인증, 역할 기반 사용자 관리
• 강의 검색·상세·등록·수정과 강좌 구성
• 강의 수강 신청, 진도 저장, 메모와 퀴즈
• 학생 질문·강사 답변, 수강평과 별점
• 장바구니, 단건·묶음 결제, 구매 상태 관리
• Kafka 이벤트와 SSE 기반 실시간 알림
• FFmpeg 기반 HLS 다중 비트레이트 인코딩과 CDN 스트리밍

프론트엔드는 학생·강사·시스템 기능을 하나의 애플리케이션에서 제공하되, 도메인별 상태와 화면 책임을 분리하는 방향으로 구성했습니다.

• 메인·검색·강의 상세·강의 시청
• 강사 강의·강좌 등록과 콘텐츠 관리
• 로그인·회원가입·학생 수강 화면
• AI 레벨 테스트와 결과 리포트
• 수강평·Q&A·장바구니·결제
• 가이드 봇·AI Tutor·SSE 알림 UI
• 강사 대시보드와 AI 강사 리포트

사용자가 답안을 제출하면 HTTP 요청을 장시간 점유하지 않고 즉시 응답한 뒤, 백그라운드에서 채점과 리포트 생성을 수행합니다.

답변 저장
→ 문항별 LLM 채점
→ 핵심 개념 이해도 분석
→ 강점·약점·추천 학습 방향 생성
→ 종합 리포트 저장
→ Kafka 완료 이벤트 발행
→ SSE 사용자 알림

LLM 출력은 그대로 저장하지 않고 점수 범위와 응답 구조를 애플리케이션 레벨에서 검증해 비정상 응답으로 인한 리포트 생성 실패를 방지했습니다.

강의 PDF 업로드
→ S3 / CloudFront 저장
→ Kafka 임베딩 이벤트
→ PDF 파싱·청크 분할
→ Titan Text Embeddings v2
→ PostgreSQL pgvector 저장
→ 강의 ID 기반 유사도 검색
→ Claude 3 Haiku 응답
→ Valkey 대화 히스토리 저장

• 강의 ID를 검색 조건에 포함해 다른 강의의 자료가 검색 결과에 섞이지 않도록 분리했습니다.
• pgvector의 HNSW 인덱스와 Cosine Distance를 사용합니다.
• 사용자·강의별 대화 기록을 Valkey에 보관해 멀티턴 질의응답을 지원합니다.

서비스 FAQ와 안내 데이터 임베딩
→ 사용자 질문 Query Expansion
→ 벡터 유사도 검색
→ Re-ranking
→ 안내 답변 + 관련 이미지 + 이동 URL 반환

일반적인 생성형 답변이 아니라 실제 서비스 이용 흐름을 안내하는 것이 목적이므로, 답변과 함께 관련 화면 이미지와 페이지 URL을 반환하도록 구성했습니다.

flowchart LR
    A[Lecturer Upload] --> B[Upload Service]
    B --> C[(S3 Original File)]
    B --> D[Kafka Encoding Event]
    D --> E[Streaming Service]
    E --> F[FFmpeg Transcoding]
    F --> G[HLS Master Playlist]
    F --> H[Multi-bitrate Segments]
    G --> I[(S3 Encoded Content)]
    H --> I
    I --> J[CloudFront CDN]
    J --> K[Adaptive Streaming Player]

FFmpeg로 영상을 여러 비트레이트의 HLS .m3u8 플레이리스트와 세그먼트로 변환합니다. 플레이어는 네트워크 상태에 따라 화질을 전환하고, CloudFront는 세그먼트를 캐싱해 원본 서버 부하를 줄입니다.

Airflow Daily DAG
→ Spring Batch 통계 집계
→ 강의별 집계 테이블 저장
→ 대시보드 조회
→ 리뷰·질문 데이터 분석 요청
→ Bedrock 강의 개선 리포트 생성

• Airflow가 매일 자정 통계 집계 Job을 실행합니다.
• Spring Batch가 수익 분포, 완강률, 수강률 구간별 학생 수를 미리 계산합니다.
• Java 21 Virtual Threads와 Batch Writer 최적화로 대량 집계 처리 시간을 단축했습니다.
• 리포트 생성에 약 20~40초가 걸리는 구간에는 Redisson 분산 락을 적용해 동일 요청의 중복 LLM 호출과 토큰 낭비를 방지했습니다.

1. Route 53이 서비스 도메인을 관리합니다.
2. 정적·미디어 콘텐츠는 S3와 CloudFront를 통해 전달합니다.
3. API 트래픽은 ALB와 Istio Ingress Gateway를 거쳐 EKS의 도메인 서비스로 전달됩니다.
4. 서비스 데이터는 PostgreSQL·pgvector, Valkey, Kafka에 분산 저장·처리됩니다.
5. 생성형 AI와 임베딩은 Amazon Bedrock을 통해 호출합니다.
6. 애플리케이션 배포는 Helm과 Argo CD 기반 GitOps로 관리합니다.
7. Prometheus·Grafana·Loki·Tempo·OpenTelemetry·Kiali로 메트릭, 로그와 트레이스를 관찰합니다.

• AWS ap-northeast-2 리전에 VPC를 구성했습니다.
• Public Subnet에는 외부 진입점과 운영 접근용 리소스를 배치했습니다.
• Private Subnet에는 EKS 워커, PostgreSQL, Valkey, Kafka 등 내부 리소스를 배치했습니다.
• Bastion Server를 통해 내부 자원에 제한적으로 접근합니다.
• Terraform과 Terragrunt로 인프라 구성을 코드화했습니다.

• Gateway / VirtualService: 외부 API 진입과 경로·가중치 기반 트래픽 라우팅
• RequestAuthentication: JWT 검증과 Claim 추출
• AuthorizationPolicy: 역할과 Claim에 따른 접근 제어
• DestinationRule: 서비스 Subset과 로드밸런싱 정책 정의
• Telemetry: Envoy 사이드카의 네트워크 메트릭과 트레이스 수집

운영 도구를 단순 도입 목록으로만 제시하지 않고, 실제 파이프라인과 관측 화면을 함께 남겼습니다.

최종 산출물 기준으로 GitHub Actions는 저장소 테스트, Jenkins는 통합·딜리버리, ECR은 컨테이너 이미지 저장, Helm·Argo CD는 배포를 담당합니다. 일부 서비스 저장소에는 GitHub Actions·GHCR 기반 워크플로도 병행되어 있습니다.

Team 교육저기다. · Mentor 정상덕

• 요구사항 정의서: 13개 도메인, 91개 기능 요구사항
• WBS: 구현 태스크 263개 완료
• 서비스 아키텍처 및 시퀀스 다이어그램
• AWS 인프라 구성도
• Terraform·Terragrunt IaC
• Custom Helm Chart와 환경별 Values
• 최종 발표 자료와 시연 영상
• GitHub Issues, Pull Requests, Jira 기반 협업 이력