merge: temp to main

be/TechREADME/Content-Package-Tech.md

@@ -0,0 +1,95 @@
+# Content 패키지 기술 문서
+
+## 개요
+Content 패키지는 캠퍼스 게시글 관리의 핵심 기능을 담당하며, 일반 CRUD를 넘어 다양한 고급 기술들을 활용하여 사용자 경험을 향상시킵니다.
+
+## 주요 기술적 특징
+
+### 1. Redis 기반 HOT 게시글 시스템 ⭐
+
+**기술 스택**: Redis, Scheduler, Real-time Processing
+
+**핵심 구현**:
+```java
+// ContentHotService.java:36-73
+@Transactional
+public void updateHotContent() {
+    // 기존 좋아요 데이터를 Redis로 마이그레이션
+    contentHotTrackingService.migrateExistingLikesToRedis();
+
+    // Redis에서 상위 10개 HOT 컨텐츠 가져오기
+    Set<Object> hotContentIds = contentHotTrackingService.getTop10HotContent();
+
+    // 24시간 기준 좋아요 수 집계로 HOT 점수 계산
+    for (Object contentIdObj : hotContentIds) {
+        Long contentId = Long.valueOf(contentIdObj.toString());
+        long hotScore = contentHotTrackingService.getLike24hCount(contentId);
+
+        if (hotScore >= 5) { // 최소 임계값 5개
+            // ContentHot 엔티티 생성 및 저장
+        }
+    }
+}
+```
+
+**기술적 특징**:
+- **실시간 집계**: Redis Sorted Set을 활용한 24시간 슬라이딩 윈도우
+- **배치 처리**: 스케줄러를 통한 주기적 HOT 게시글 업데이트
+- **캐시 효율**: 자주 조회되는 인기 게시글을 메모리에 캐싱
+
+### 2. 05시 기준 캠퍼스 사이클 시스템
+
+**핵심 로직**:
+```java
+// ContentHotService.java:142-153
+private LocalDateTime getCurrentCycleStart() {
+    LocalDateTime now = LocalDateTime.now();
+    LocalTime fiveAm = LocalTime.of(5, 0);
+
+    if (now.toLocalTime().isBefore(fiveAm)) {
+        return now.minusDays(1).with(fiveAm); // 전날 05:00부터
+    } else {
+        return now.with(fiveAm); // 당일 05:00부터
+    }
+}
+```
+
+**기술적 목적**: 캠퍼스 생활 패턴에 맞춘 게시글 라이프사이클 관리
+
+### 3. 썸네일 자동 생성 시스템
+
+**기술 스택**: AWS S3, 이미지 처리, 비동기 처리
+
+**핵심 기능**:
+- **자동 리사이징**: 업로드된 이미지의 썸네일 자동 생성
+- **S3 통합**: 원본과 썸네일을 분리된 경로에 저장
+- **메타데이터 관리**: Content와 Attachment 엔티티 간 연관관계 관리
+
+### 4. 파일 검증 및 보안
+
+**구현된 검증**:
+- **파일 크기 제한**: FileSizeValidationService를 통한 용량 검증
+- **MIME 타입 검증**: 허용된 파일 형식만 업로드 가능
+- **보안 스캔**: 악성 파일 업로드 방지
+
+### 5. 검색 최적화
+
+**기술적 구현**:
+- **Full-Text Search**: 제목, 내용, 건물명 통합 검색
+- **필터링**: 감정, 날짜, 건물별 다중 필터 지원
+- **페이징**: 대용량 데이터 효율적 조회
+
+## 성능 최적화 포인트
+
+1. **Redis 캐싱**: HOT 게시글 조회 성능 향상
+2. **배치 처리**: 실시간이 아닌 스케줄링을 통한 부하 분산
+3. **썸네일 캐싱**: CDN과 연동하여 이미지 로딩 속도 최적화
+4. **인덱싱**: 검색 쿼리 최적화를 위한 DB 인덱스 활용
+
+## 확장성 고려사항
+
+- **샤딩 준비**: 대용량 게시글 처리를 위한 DB 분할 고려
+- **CDN 연동**: 전역 썸네일 배포를 위한 CloudFront 활용 가능
+- **캐시 전략**: Redis 외 추가 캐시 레이어 도입 가능
+
+이러한 기술들을 통해 단순한 게시글 시스템을 넘어 실시간 인기도 반영, 효율적인 미디어 처리, 고성능 검색이 가능한 플랫폼으로 발전시켰습니다.

be/TechREADME/Emotion-Package-Tech.md

@@ -0,0 +1,181 @@
+# Emotion 패키지 기술 문서
+
+## 개요
+Emotion 패키지는 캠퍼스 게시글의 감정을 AI로 분석하여 실시간 캠퍼스 온도를 계산하고, 게시글 활동도를 함께 반영하여 동적으로 관리하는 고도화된 시스템입니다.
+
+## 주요 기술적 특징
+
+### 1. GPT-5 기반 배치 감정 분석 시스템 ⭐
+
+**기술 스택**: OpenAI GPT-5, Batch Processing, Orchestration Pattern
+
+**핵심 구현**:
+```java
+// PostBatchProcessor.java:24-34
+public Map<String, Integer> processBatchEmotions(List<PostData> posts, BatchEmotionAnalyzer analyzer) {
+    if (posts.size() <= MAX_BATCH_SIZE) {
+        return analyzer.analyzeSingleBatch(posts);
+    }
+    return processInChunks(posts, analyzer); // 30개씩 청크 분할
+}
+
+// EmotionAnalysisService.java:28-35
+public Map<String, Integer> analyzeBatchEmotions(List<PostData> posts) {
+    Map<String, Integer> result = batchProcessor.processBatchEmotions(posts, this);
+    return result; // 6가지 감정: 우울함, 밝음, 신남, 화남, 슬픔, 흥분된
+}
+```
+
+**기술적 특징**:
+- **배치 분할 처리**: 30개씩 청크로 나누어 API 호출 최적화
+- **오케스트레이션 패턴**: 다양한 전문 서비스들을 조합하여 복잡한 감정 분석 프로세스 관리
+- **Strategy Pattern**: BatchEmotionAnalyzer 인터페이스를 통한 분석 로직 추상화
+
+### 2. 동적 캠퍼스 온도 관리 시스템 ⭐
+
+**핵심 알고리즘**:
+```java
+// CampusTemperatureManager.java:71-95
+private double calculateBidirectionalAdjustment(double currentTemp, int postCount, int hour) {
+    // 1. 게시글 활동도 분석
+    PostActivityLevel activityLevel = postActivityAnalyzer.analyzeCurrentActivity(postCount);
+
+    // 2. 온도 보호 계수 적용 (극한 온도 방지)
+    double protectionFactor = getTemperatureProtectionFactor(currentTemp, activityLevel.isIncreasing());
+
+    // 3. 시간대별 활동 패턴 반영
+    double timeMultiplier = guideline.getIncreaseMultiplier() : guideline.getDecreaseMultiplier();
+
+    // 4. 최종 조정률 계산
+    double finalRate = baseAdjustmentRate * protectionFactor * timeMultiplier;
+}
+```
+
+**고급 보호 메커니즘**:
+```java
+// CampusTemperatureManager.java:100-118
+private double getTemperatureProtectionFactor(double currentTemp, boolean isIncreasing) {
+    if (isIncreasing) {
+        // 95도 이상: 95% 억제, 90도 이상: 80% 억제
+        if (currentTemp >= 95.0) return 0.05;
+        if (currentTemp >= 90.0) return 0.2;
+    } else {
+        // 2도 이하: 95% 억제, 5도 이하: 80% 억제
+        if (currentTemp <= 2.0) return 0.05;
+        if (currentTemp <= 5.0) return 0.2;
+    }
+}
+```
+
+### 3. 고급 스케줄러 시스템
+
+**통합 스케줄링 전략**:
+```java
+// EmotionAnalysisScheduler.java:27-38
+@Scheduled(cron = "0 0 * * * *") // 매시간 정각
+public void executeHourlyTasks() {
+    // 1. 감정 분석 (감정 기반 온도 계산)
+    campusEmotionService.analyzeHourlyEmotions();
+
+    // 2. 게시글 활동 기반 온도 조정
+    temperatureManager.adjustHourlyTemperature();
+}
+
+@Scheduled(cron = "0 30 * * * *") // 매시간 30분
+public void naturalTemperatureStabilization() {
+    temperatureManager.naturalTemperatureRecovery(); // 자연적 온도 회복
+}
+```
+
+**예측 및 보정 시스템**:
+```java
+// EmotionAnalysisScheduler.java:57-64
+@Scheduled(cron = "0 0 22 * * *") // 매일 밤 10시
+public void preventiveTemperatureAdjustment() {
+    temperatureManager.predictAndAdjustForMorning(); // 다음날 아침 온도 예측
+}
+
+@Scheduled(cron = "0 0 6 * * *") // 매일 오전 6시
+public void ensureMorningTemperature() {
+    temperatureManager.ensureMinimumMorningTemperature(); // 최저 온도 보장
+}
+```
+
+### 4. 실시간 온도 예측 알고리즘
+
+**예측 모델**:
+```java
+// CampusTemperatureManager.java:298-327
+private double predictMorningTemperature() {
+    // 현재 시간부터 다음날 6시까지의 예상 변화 계산
+    for (int h = currentHour + 1; h <= 24 + 6; h++) {
+        int expectedPosts = postActivityAnalyzer.getExpectedPostsForHour(hour);
+
+        if (expectedPosts <= expectedAverage * 0.5) {
+            // 활동도 감소 시 온도 하락 예측
+            double reductionRate = level.getAdjustmentRate() * guideline.getDecreaseMultiplier();
+            predictedTemp *= (1 + reductionRate);
+        }
+
+        // 자연 회복 반영 (7-22시)
+        if (hour >= 7 && hour <= 22) {
+            predictedTemp += guidelineConfig.getNaturalRecoveryRate(hour) * 0.3;
+        }
+    }
+}
+```
+
+### 5. Redis 기반 실시간 캐싱 전략
+
+**다층 캐시 구조**:
+```java
+// CampusTemperatureManager.java:37-42
+private static final String CURRENT_TEMP_KEY = "campus:temperature:current";
+private static final String BASE_EMOTION_TEMP_KEY = "campus:temperature:base_emotion";
+private static final String TODAY_MAX_TEMP_KEY = "campus:temperature:today_max";
+private static final String TODAY_MIN_TEMP_KEY = "campus:temperature:today_min";
+
+// 실시간 최고/최저 온도 업데이트
+private void updateTodayMinMaxTemperature(double newTemp) {
+    // 현재 최고/최저 온도와 비교하여 실시간 갱신
+}
+```
+
+### 6. 데이터 영속화 및 통계
+
+**일일 통계 저장**:
+```java
+// CampusTemperatureManager.java:352-394
+public void saveDailyCampusData() {
+    // 어제 온도 통계 계산
+    Object[] minMaxTemp = temperatureRepository.findMaxMinTemperatureByDate(startTime);
+
+    // 어제 게시글 통계
+    int totalPosts = contentRepository.countByCreatedAtBetween(startTime, endTime);
+
+    // DailyCampus 저장
+    DailyCampus dailyCampus = DailyCampus.builder()
+            .date(yesterday)
+            .finalTemperature(finalTemp)
+            .totalPostCount(totalPosts)
+            .maxTemperature(maxTemp)
+            .minTemperature(minTemp)
+            .build();
+}
+```
+
+## 성능 최적화 포인트
+
+1. **배치 처리 최적화**: 30개 단위 청크로 API 호출 효율화
+2. **Redis 캐싱**: 실시간 온도 데이터 30분 TTL 캐싱
+3. **스케줄링 분산**: 다양한 시간대별 작업 분산으로 서버 부하 최소화
+4. **예측 알고리즘**: 사전 온도 조정으로 극단적 온도 변화 방지
+
+## 확장성 고려사항
+
+- **다중 캠퍼스 지원**: 캠퍼스별 독립적인 온도 관리 시스템 확장 가능
+- **머신러닝 통합**: 과거 데이터를 활용한 예측 모델 고도화
+- **실시간 알림**: WebSocket을 통한 온도 변화 실시간 알림
+- **외부 API 연동**: 실제 날씨 데이터와의 융합 분석
+
+이 시스템을 통해 단순한 감정 분석을 넘어 **실시간 캠퍼스 분위기의 온도화**와 **예측 기반 동적 관리**를 구현했습니다.