UMC 7기 해커톤 대상작

☕ LastCoffee_Backend ☕

👶🏼 Backend Members 👶🏼

김지민	정원희	이호준
팀장 👑	팀원 👨🏻‍💻	팀원 👨🏻‍💻

---

🌟 프로젝트 소개

LastCoffee_Backend는 사용자에게 카페인 섭취를 관리하고 음료 추천을 제공하는 기능을 제공합니다. 사용자 친화적인 인터페이스를 통해 기록 관리와 추천 시스템을 활용하여 카페인을 보다 효율적으로 섭취할 수 있도록 도와줍니다.

주요 기능

1. 회원가입 및 로그인

   • 닉네임 및 이메일 기반 회원가입 (닉네임 및 이메일 중복 확인 포함)
   • Access Token 기반 인증 (JWT 사용)
   • 로그인 및 로그아웃 기능 제공
   • 비밀번호 변경 및 계정 탈퇴 지원
   • 액세스 토큰 만료 시 Refresh Token을 이용한 자동 갱신

2. 음료 추천 시스템

   • 사용자의 목표 취침 시간을 설정하면 최적의 음료 추천
   • 카페인 농도를 고려하여 음료 정렬 및 랜덤 추천 기능
   • 사용자의 음료 섭취 이력 기반 맞춤형 추천 기능 추가
   • 섭취 후 카페인 효과 지속 시간을 고려한 추천 알고리즘 적용
   • 최근 추천받은 음료 목록 저장 및 추천 이력 조회 기능 제공

3. 인기 메뉴 제공

   • 사용자 데이터 분석 기반 인기 메뉴 5개 제공
   • 인기 순위 반영 로직 개선 → 최근 7일간 가장 많이 섭취된 음료 순으로 업데이트
   • 브랜드별 인기 메뉴 필터링 기능 추가
   • 상세 정보 제공:
     • 📷 음료 사진
     • 🏷 브랜드명 및 음료명
     • ⚡ 카페인 함량, 🍭 당류, 🔥 칼로리, 🥚 단백질 함량 등

4. 기록 관리

   • 음료 섭취 기록을 최신순으로 관리 및 검색 기능 제공
   • 후기 작성 기능 추가 (최대 200자 제한)
   • 마신 메뉴와 후기 기록 저장 → 개인화 추천 데이터로 활용
   • 특정 기록 삭제 기능 지원
   • 사용자의 음료 섭취 패턴 분석 기능 추가 (향후 과다 섭취 경고 시스템 연동 예정)
   • 최근 5개의 섭취 기록을 빠르게 확인하는 기능 추가

5. 보안 및 HTTPS 적용

   • 모든 API 요청을 HTTPS를 통해 암호화하여 전송 (보안 강화)
   • AWS Route 53 및 SSL 인증서(ACM) 적용을 통한 HTTPS 지원
   • 로그인 및 비밀번호 변경 시 데이터 암호화 적용
   • 클라이언트-서버 간 데이터 암호화를 통해 안전한 정보 전송

6. CI/CD 및 배포 자동화

   • GitHub Actions를 활용한 CI/CD 파이프라인 구축
   • 테스트 자동화 및 빌드, 배포 자동화 적용
   • AWS EC2 및 S3를 활용한 무중단 배포
   • Docker & Nginx를 활용한 컨테이너 기반 배포 환경 구성
   • 배포 단계에서 보안 강화를 위한 환경 변수 관리 및 접근 제한 적용

---

🛠️ 기술 스택

• Backend: Spring Boot(Java)
• Database: RDS(MySQL), Redis
• Cloud: AWS (EC2, VPC)
• API Documentation: Swagger, Notion
• Version Control: GitHub

---

🖥️ 프로젝트 구조

ERD

인프라 구성도

---

📄 주요 기능 설명

카페인 섭취 시간 계산

우리 프로젝트는 카페인 농도의 변화 공식을 기반으로 합니다. 이는 연구 논문과 임상 데이터를 참고하여 정확도를 높였습니다.

연구 자료

1. Bennett WA, 1990: Clinical Pharmacology of caffeine

   • 카페인이 체내에서 반감기(half-life)를 기준으로 감소한다는 사실을 기반으로 계산.

2. Rogers PJ, 2007: Caffeine: Pharmacology and effects on performance and mood

   • 카페인 섭취 후 체내에서의 반감기 데이터를 사용하여 추천 음료의 적합성을 계산.

공식

public static double calculateTime(double C0, double T, double target) {
    if (C0 <= 0 || target <= 0 || T <= 0) {
        throw new IllegalArgumentException("C0, T, target 값은 0보다 커야 합니다.");
    }
    return T * (Math.log(target / C0) / Math.log(0.5));
}

• 초기 농도(C0), 반감기(T), 목표 농도(target)을 입력받아 카페인 농도가 목표치 이하가 되는 시간을 계산합니다.

예시 데이터

카페인 농도	시간
200 mg	8 시간
150 mg	6.4 시간
120 mg	5.04 시간
100 mg	4 시간
0 mg	0 시간

---

음료 추천 알고리즘

• 사용자가 설정한 목표 취침 시간(t)에 따라 카페인 함량에 기반하여 음료를 추천합니다.
• 적합한 음료가 여러 개일 경우, 랜덤으로 5개를 선택하여 표시합니다.

카페인 변화 공식

C(t) = C₀ × (1/2)^(t/T)

• C₀: 초기 카페인 농도 (mg)
• T: 카페인의 반감기 (시간)
• t: 경과 시간 (시간)

---

🌟 프로젝트 배경 및 아이디어

프로젝트 기본 아이디어

1. 문제: 카페인 섭취량 관리와 음료 선택은 많은 사용자들에게 번거롭고 어렵습니다.
2. 목표: 사용자들이 간편하게 목표 취침 시간에 맞는 음료를 선택하고, 카페인 농도를 예측할 수 있도록 합니다.
3. 해결책: 과학적인 데이터를 바탕으로 카페인 농도 변화와 음료 정보를 결합하여 사용자 친화적인 서비스를 제공합니다.

---

📊 데이터 기준

카페인 (mg)	200	150	120	100
시간 (시간)	8	6.5	5.0	4.0

---

🌐 API 명세서