please_give_me_electro-brain_for_genious

RDB 설정 : SQL Mode

wannaDevelopIt — Mon, 6 Apr 2026 06:54:18 +0900

RDB에서 DB 서버가 SQL 구문을 어떻게 해석하고, 유효성 검사의 척도를 지정해줄수 있는 방법이다

1. 많이 사용하는 mode

1) STRICT_TRANS_TABELS

데이터 타입이 맞지 않거나 범위를 벗어난 값을 입력할 때 에러를 발생시킨다

- 꺼진 경우 : 숫자가 데이터 타입의 최대치를 벗어난 경우, 최대치만큼만 저장하고 경고한다

-> 해당 모드를 켜야 DB가 값 입력을 거부하고 rollback 한다

2) ONLY_FULL_GROUP_BY

Group by 절을 사용할 때 선택목록에 집계 함수나 Group by에 포함되지 않은 컬럼이 있는 경우 쿼리를 거부한다. SQL 표준 준수를 위한 모드

3) NO_ZERO_DATE / NO_ZERO_IN_DATE

0000-00-00 같은 유효하지 않은 날짜의 입력 허용 여부를 결정하는 모드. 일반적으로 금지하는 추세

4) ANSI_QUOTES

큰 따옴표(")를 문자열 리터럴이 아닌 테이블이나 컬럼명 같은 식별자로 인식하게 한다. SQL 표준 준수를 위한 모드

2. 관련 쿼리

DB 툴에서 해당 DB에 설정된 모드를 보기 위한 쿼리

SELECT @@sql_mode;

해당 세션에서 모드를 변경하는 쿼리

SET SESSION sql_mode = '설정하고 싶은 모드';

세션에서 변경하는 경우 그 세션이 종료되면 원래대로 변경된다. 영구적으로 변경을 원하는 경우 해당 DB 설정파일(my.cnf 등)을 수정해야 한다

+ 클라우드 DB 같은 PAAS를 사용하는 경우 해당 서비스에서 모드를 수정하는 페이지를 제공하고 있으므로 그 곳에서 수정해야 한다

03. 26 TIL : 도커의 편리함 깨닫기

wannaDevelopIt — Fri, 27 Mar 2026 06:02:30 +0900

쉘 스크립트를 사용해 배포하는 과정에서 온갖 시행착오를 겪었다.

너무 불편하고 신경쓸게 한 두개가 아니더라.

1) 리눅스에서 매번 권한설정하기 : sudo 지옥

2) VPC마다 다른 환경과 경로에 맞춰 설정해야 한다(그나마 단일 VPC 환경에서 작업해서 이 정도지, 여러 개로 늘리는 순간 개 헬일듯)

3) 실행 명령어에 환경 변수 설정이 빠졌는지를 매번 확인해야함

-> 도커는 도커파일 또는 compose.yaml에 적어두면 신경쓸 필요가 없다

4) 모든 실행 환경에 필요한 언어 등을 직접 설치해야함 : 말해 뭐해, 최악

도커의 단점은..

이미지의 용량이 크다는 것?

러닝 커브가 좀 있다는 것 정도인 것 같다. 정말 빡센 경험이다.

그래도 이런 경험을 해야하는 이유가 있다. 왜 좋다고 하는지를 몸소 깨달을 수 있다.

LLM 서비스를 위한 컨텍스트 관리 w. redis

wannaDevelopIt — Wed, 11 Feb 2026 19:58:30 +0900

FastApi 프레임워크를 기반으로 한 LLM 서비스를 구현하는 도중, LLM에 쿼리를 보내는 과정에 있어,

컨텍스트(대화 문맥, 흐름 ~ 여기서는 LLM이 기존에 사용자와 대화한 내용을 기억하기 위해 필요하다) 관리의 필요성을 느끼게 되었다

* 왜 Redis를 사용해야 할까?
1. 빠른 조회 속도 : Redis는 메모리 기반 데이터베이스로서, ms 단위 응답을 보장하기 때문에, 가볍고 빠르게 조회가 가능하다

2. TTL : Redis 자체적으로 제공하는 TTL 기능을 통해, 이력에 대해 일정 주기로 삭제를 진행해, 이력에 대한 용량 부담을 덜 수 있다

3. (추후 구현 해볼 예정) 벡터 DB 역할에 보다 특화되어, RAG를 위한 시맨틱 캐싱에 활용된다

* 비교해볼만한 다른 DB

1) PostgreSQL : 이력 데이터의 영구 저장과 벡터 DB 활용이 가능. 트랜젝션의 원자성을 보장한다. Redis보다 읽기/ 쓰기가 느리다

2) MongoDB : JSON 구조의 데이터를 그대로 저장할 때 유연하게 저장 가능. Redis와 비교해 지연시간이 발생한다

FAST API 기반 서비스에서 구현하기

0. main.py

@asynccontextmanager
async def lifespan(app: FastAPI):
    pool = aioredis.ConnectionPool.from_url(REDIS_URL, decode_responses=True)
    _redis = aioredis.Redis(connection_pool=pool)
    app.state.redis_client = _redis

    try:
        prompt_res = await api_client.get_prompt_list()

        if prompt_res:
            for prompt in prompt_res:
                role_key = f"{prompt['serviceType']}:role"
                await _redis.set(role_key, prompt['promptRole'])

                text_key = f"{prompt['serviceType']}:text"
                await _redis.set(text_key, prompt['promptText'])

        yield

    finally:
        await _redis.close()
        await pool.disconnect()

다른 DB에 저장되어 있는 프롬프트의 값을 가져와 redis에 저장한 후, 사용자 요청 시에 redis의 프롬프트를 가져와 사용하기 위한 초기 세팅 코드다

@asynccontextmanager

서비스의 생명주기에 동기화된 로직을 정의하기 위한 어노테이션이다. 이를 통해 서비스 기동시 해당 로직을 실행하고, 종료시 실행할 코드도 추가할 수 있다

app = FastAPI(
	lifespan= lifespan
)

이렇게 사용 가능하다

1. context에 활용

class class:
    def __init__(self, redis_client, api_client):
        self.redis_client = redis_client
        self.ttl = SESSION_TTL
        self.max_history = MAX_HISTORY

1-0) 프롬프트

async def get_prompt(self, service_type: str, prompt_key: str) -> str:
    return await self.redis_client.get(f"{service_type}:{prompt_key}") or ""

위와 같이 클래스에 redis를 연결해둔 다음, 밑에서 필요할때마다 호출하는 방식이다

1-1) 컨텍스트 관리

async def get_context_history(self, conversation_id: str) -> List[Any]:
    await self._ensure_redis_loaded(conversation_id)

    chat_key = f"{conversation_id}"
    raw_data = await self.redis_client.lrange(chat_key, 0, -1)

    if not raw_data:
        return []

    messages = self._parse_history(raw_data)

    return messages

sync def _ensure_redis_loaded(self, conversation_id: str) -> bool:
    """Redis에 데이터가 없으면 RDB에서 로드 + 캐싱. 데이터 존재 여부 반환"""
    chat_key = f"{conversation_id}"
    exists = await self.redis_client.llen(chat_key) > 0

    if exists:
        return True

    rdb_history = await self._fetch_history_from_rdb(conversation_id)
    if not rdb_history:
        return False

    await self._cache_history_to_redis(chat_key, rdb_history)
    return True

외부에서 컨텍스트를 조회하고 내부에서 컨텍스트 조회 및 캐싱하는 로직으로, _ensure_redis_loaded에 각 대화의 ID를 파라미터로 해 redis에 컨텍스트가 저장되어 있는지를 조회하고, 없는 경우엔 장기 저장된 DB에서 불러와 history의 연속성을 가져올 수 있게 구현했다

def build_user_prompt(self, context_history: List[dict], query: str) -> str:
    if not context_history:
        return query

    context_lines = []
    for msg in context_history:
        role = msg.get("role", "user")
        content = msg.get("content", "")

        label = "사용자" if role == "user" else "어시스턴트"
        context_lines.append(f"{label}: {content}")

    context_text = "\n".join(context_lines)
    return f"[이전 대화]\n{context_text}\n\n[현재 입력]\n{query}"

그렇게 가져온 컨텍스트와 새로 입력된 query를 가지고 사용자와 연속된 대화를 이어갈 수 있도록 만들어주는 로직이다

2. 마치며

이 구조를 통해 컨텍스트 관리를 빠르게 처리할 수 있다

LLM에 보낼 파일 전처리를 위한 Python 라이브러리 : markitdown

wannaDevelopIt — Tue, 10 Feb 2026 17:18:22 +0900

라이브러리 깃허브
https://github.com/microsoft/markitdown

GitHub - microsoft/markitdown: Python tool for converting files and office documents to Markdown.

Python tool for converting files and office documents to Markdown. - microsoft/markitdown

github.com

LLM에게 파일을 읽게 하고자 할때, 기존에는 파일 형식에 따른 제약 사항이 매우 많았다. pandas나 기타 많은 라이브러리를 사용하더라도, 이들은 지정된 파일 형식에만 대응이 가능해 개발자가 고민해야되는 부분이 많았다

이때 활용 가능한 라이브러리가 markitdown이다. 전처리 작업 수행 시 파일 형식에 구애받지 않고 모든 지원가능한 파일(PPT, XLSX, 음성 파일도 지원한다고 한다)을 mark down 형식으로 변환시켜 LLM이 해당 데이터에 대한 처리를 수월하게 할 수 있도록 만들어준다

기본적으로 사용하기 위해서는, 파이썬 3.10+ 이상 버전부터 가능하다

사용을 위해 pip install부터 수행한다

pip install markitdown

이 기본 형태로, 이렇게만 설치해도 xlsx를 지원한다

*PDF 등, 기본 지원이 아닌 파일의 경우

pip install markitdown[pdf]

등의 구체적인 지정을 통한 추가 설치가 필요하다

이를 해결하는 방법은

pip install markitdown[all]

로 설치하면 markitdown의 모든 지원 파일을 한번에 사용가능하다(라이브러리의 용량 차이는 발생하게 된다)

이렇게 설치하고 나면,

md_converter = MarkItDown()

def methodA(file: UploadFile) ->
	file_content = await file.read()
    file_stream = io.BytesIO(file_content)

	respsonse = md_converter.convert_stream(file_stream, file_extension=file_extension)
	markdown_text = conversion_res.text_content

이 코드를 통해 markdown으로 변환된 파일을 볼 수 있다.
이후 LLM 호출부터는 자유롭게 진행하면 된다.

꼭 LLM 호출목적이 아니더라도 다양한 전처리에 활용가능할 듯 하다

@blocknote 호환 컨텐츠 자동 번역 기능 구현

wannaDevelopIt — Wed, 14 Jan 2026 18:29:06 +0900

BlockNote(React를 위해 구축된 오픈소스 기반의 블록 스타일 텍스트 에디터)를 사용하고 있는 상황이었다
링크 : https://www.blocknotejs.org/

번역 기능을 구현해야 했는데, 기존 브라우저에서 제공하는 번역 기능이

blockNote의 텍스트 블록을 텍스트로 취급하지 않아 번역이 되지 않는 문제가 있었다

그래서 블로그 작성 시 다국어 번역본을 자동으로 제공하기 위해 해당 에디터의 구조를 분석하고 번역 수행 로직을 구현했다

0. translation 진행 전 호출 위치 선정

요구사항에 따라 블로그 게시물을 생성이 완료된 후 번역 대상 컨텐츠에 대한 업데이트(번역 컨텐츠는 별도의 컬럼으로 관리한다)를 수행하고, 본 컨텐츠를 업데이트하는 경우사용자의 필요에 따른 번역 API를 호출하는 것으로 했다. 이는 간단한 flag 분기 처리를 통해 구분했다

1. 전처리

이번 작업을 수행하는 동안 JsonObject와 JsonArray를 정말 많이 활용했다(정리한 내용 : https://cdaosldk.tistory.com/373)

해당 타입으로 입력된 데이터를 번역에 적합하게 전처리했다

또한, 블록 단위로 구성된 텍스트 데이터의 구조를 이해하는게 매우 중요했다. 해당 에디터의 문서를 참조했다

https://www.blocknotejs.org/docs/foundations/document-structure

BlockNote - Document Structure

Learn how documents (the content of the rich text editor) are structured to make the most out of BlockNote.

www.blocknotejs.org

블록의 기본 구조는 다음과 같다 :

1) id : 해당 블록의 아이디를 의미. 해당 값이 없으면 스타일을 유지한 텍스트 번역이 불가능하다

2) type : 블록의 유형, 테이블(표)인지, 링크인지, 일반 텍스트인지 등을 알려준다

3) props : 블록의 특징을 정리해둔 키/값 집합

4) content : 해당 블록의 텍스트

5) children : 블록 안에 다른 블록(인라인 블록)의 경우 이 안에서 지금 설명된 것과 같은 블록 객체가 들어있다

이러한 블록이 배열 형태로 저장되기 때문에, 이 배열을 먼저 JsonArray로 파싱했다

....

JsonElement element = JsonParser.parseString(jsonString);
    if (element.isJsonNull()) {
        return new JsonArray();
    }
    if (element.isJsonPrimitive()) {
        String realJsonContent = element.getAsString();
        JsonElement arrayElement = JsonParser.parseString(realJsonContent);

...

해당 로직을 통해 파싱한 후, 핵심 전처리 로직을 수행한다

private void addTextPropertiesFromContent(... {
...

String currentIndex = parentIndex.isEmpty() ? String.valueOf(i) : parentIndex + "_" + i;

...
if (contentItem.has(TEXT_FIELD) && !contentItem.get(TEXT_FIELD).getAsString().isEmpty()) {
	translationItem.addProperty(TEXT_FIELD + "_" + currentIndex, contentItem.get(TEXT_FIELD).getAsString());
} else if ("link".equals(contentItem.get(TYPE_FIELD).getAsString())) {
    JsonElement linkContentElement = contentItem.get(CONTENT_FIELD);
    if (linkContentElement != null && linkContentElement.isJsonArray()) {
        // 링크 내부의 텍스트 처리 로직 재사용
        addTextPropertiesFromContent(linkContentElement.getAsJsonArray(), translationItem, currentIndex);
    }
...

핵심적인 로직은 인덱스와 함께 배열에 담는 것이다. 가장 상위엔 상위 블럭의 id가 있고, 그 밑에 "text_0_1" 형태로 값을 담는다.
부모 인덱스와 자식 인덱스 개념이 로직에 반영되어 있어야한다. link 등의 경우, 내부의 다른 블록으로 들어가야 하므로 메서드의 재귀호출로 이를 구현헀다

2. 번역

GPT를 활용한 번역을 수행했으며, 내부 로직에 따라 오류나 잘못된 결과를 반환한 경우, 재시도하는 로직을 구현헀다. 추후 시멘틱 캐싱의 개념을 더 이해하고 도입할 수 있다면, 토큰 비용을 절감할 수 있을것으로 기대한다

3. 후처리

"text_0_1" 등의 키에 매핑되어 번역된 결과물을, 원본 blcoknote 배열에 매핑을 해야한다. 애초에 불필요한 원본 배열을 번역 로직에 추가하지 않기 위해 전처리 로직이 필요했다. 큰 흐름은 전처리 로직의 역순으로 볼 수 볼 수 있다. 그렇게 번역까지 진행된 blocknote 배열은 원본 데이터와 함께 저장된다.

4. 조회

이후 클라이언트의 헤더에서 어떤 언어로 접속한지 보내는 값에 따라, SELECT 쿼리에서 이를 반영한 CHOOSE 문법을 통해 해당 데이터를 조회하는 것으로 번역 작업은 완료된다

마치며.

구조화된 데이터, 특히 그 구조가 반복되는 데이터의 처리를 다루며 배우게 된 점이 많다. 반복 작업에 대해 캡슐화를 통한 재귀 호출을 구현하게 된 점이 좋았고, 처리 성능을 최적화하는게 매우 중요하다는 것을 다시 깨달았다

CICD : Github Action + AWS IAM + AWS S3 + AWS EC2 + AWS Code Deploy

wannaDevelopIt — Fri, 12 Dec 2025 15:36:14 +0900

0. 사전

기술 스택 : Github Action, AWS EC2, AWS Code Deploy, AWS S3, Docker

1. appspec.yml

permission을 작성할 때

-object 부분에 경로를 정확하게 작성해야 한다

-owner, group의 경우 EC2 내부의 사용자, 그룹을 의미하고 별도로 생성하지 않는 한 ubuntu EC2의 경우 ubuntu가 기본값이다

+ 설정하는 방법

sudo adduser 사용할사용자이름

* (ubuntu) 사용자 이름에 대문자를 사용하고 싶은 경우:

sudo adduser --force-badname 사용할사용자이름

*After Install 설정을 통해 deploy.sh를 지정하여 code deploy가 해당 쉘 스크립트를 시작하도록 지정한다

2. workflow

1. 도커 허브에 접속

private docker repository에 접근하기 위해서는 로그인 정보가 필요하다

2. 올리고자 하는 이미지 빌드 및 푸시

이미지로 올리려는 서비스의 경로를 지정한다. 또한 푸시하는 경로를 정확하게 지정해 pull에서 오류가 없게 한다

3. AWS 접속

일반 로그인 방식과 OIDC 방식이 있으며, 보안상으로 OIDC(쉽게 이해한 바로는 일회용 키 발급) 방식이 더 안전하다.

IAM ROLE에서 ARN을 사용해 키 발급 역할을 만들고, AWS IAM 사용자에게 해당 역할을 부여하면 OIDC 방식의 AWS 접속이 가능하다

4. .env 파일(Spring에서 application.properties 또는 application.yml와 동일 개념) 생성 :

환경변수와 설정이 담긴 파일을 workflow에서 생성하는 방식도 가능하다.

이렇게 하면 별도로 해당 파일을 관리할 필요가 없어 유지보수에 효율적이다. 다만 실제 값이 파일에 남은 채로 EC2에도 업로드 되기 떄문에 다음과 같은 보안이 필수다

1) 값을 git hub secret에 저장

2) .env 파일을 암호화 : 추천 방식 - GPG

+ 런타임에 주입하는 방식도 가능하며, 대표적으로 AWS Secret Manager가 있다

5. 도커 접근용 파일 생성 .deploy_secrets

도커에서 이미지를 내려받기 위해 해당 파일에 로그인 정보를 담는다. 이 파일에 대한 암호화도 권장되며, 또한 위와 같이 런타임 주입도 가능하다

6. 배포 아티팩트 생성

위의 작업을 통해 만들어진 파일 및 appspec.yml, 배포 스크립트, docker.yml을 모아 아티팩트로 생성한다. S3에 아티팩트를 업로드에 관리하게 하며 유지보수 효율을 증가시킬수 있다

7. Code deploy에 작업 요청

3. AWS

배포를 위해 작업할 내용

1) IAM

- 사용자를 생성하고 해당 사용자에 필요한 역할을 부여해야 한다

- 정책을 부여해 AWS 내부 서비스 접근 권한을 설정해야 한다

- ID 제공업체 설정을 통해 ARN 값을 설정해야 한다

2) S3

- Github secret에 설정한 버킷 이름과 동일한 버킷을 생성해두어야 한다

3) EC2

3-1) 탄력적 IP 부여를 통해 DNS 세팅을 준비한다

3-2) 키 페어 관리를 통해 SSH 접속 보안을 강화한다

3-3) IAM의 Code deploy 역할을 부여해 code deploy 작업이 가능하게 설정한다

3-4) 보안 그룹을 설정하고 인바운드 규칙을 통해 방화벽 허용 포트를 설정한다

3-5) docker와 AWS Code Deploy agent가 설치한다

4. Code deploy

- 배포 전략 설정

- 배포 그룹 생성 : ARN 역할 부여 필요

- 어플리케이션 생성 후 해당 어플리케이션을 배포 그룹에 종속시킨다

단일 인덱스 vs 복합 인덱스 vs 인덱스 머지(Index Merge)

wannaDevelopIt — Tue, 25 Nov 2025 10:59:53 +0900

1. 단순 인덱스

장점 :

- 관리 편함

- 쓰기 성능 향상

- 저장공간 절약

단점 :

- 단일 인덱스만으로 이뤄진 여러 검색 조건의 조회 쿼리 수행 시 하나의 인덱스만 사용하거나 인덱스 머지를 수행

- 정렬이 필요한 경우 별도의 정렬 수행해야 한다

2. 복합 인덱스 : 생성 순서와 사용 컬럼이 정해진 여러 인덱스 키를 가진 하나의 인덱스

장점 :

- 해당 순서에 맞는 전체 또는 일부 검색을 수행할 경우, 단일 인덱스와 인덱스 머지보다 빠른 성능으로 조회 가능

- 커버링 인덱스 : 검색조건이 모두 복합 인덱스인 경우 테이블을 읽지 않고 인덱스만 읽고 반환하기 때문에 성능 향상

- 인덱스 생성 순서와 쿼리 정렬 순서가 일치할 경우 별도의 정렬 작업을 수행할 필요 없음

단점 :

- 순서에 맞지않는 검색조건은 인덱스를 타지 못함

ex) 복합 인덱스 a : 컬럼 b, 컬럼 c, 컬럼 d로 구성되어 있을때,

컬럼 b, b - c, b - c - d는 가능하나 c - d 또는 d 등의 순서가 맞지 않는 경우 인덱스를 타지 않는다

- 인덱스 키의 크기가 커지므로 쓰기 성능 저하

-저장 공간 용량 증가

3. 인덱스 머지

종류 :

1) 인덱스 교집합 : 인덱스 사용하는 검색조건이 서로 AND인 경우

-> 단일 인덱스로 조회를 2번 이상 수행 후 교집합 작업

2) 인덱스 합집합 : OR 인 경우 조회 수 합집합

장점 :

- 저장공간 절약

- OR 조건 쿼리에서 풀스캔을 피할 수 있다

- 새로운 복합 인덱스를 생성할 필요가 없다

단점 :

- 병합 오버헤드 발생 : 교집합 또는 합집합을 수행하며 추가 메모리 사용

- 복합 인덱스보다 성능이 느리다

- 머지 사용 여부를 옵티마이저가 선택할 때, 풀스캔이 더 빠르다고 판단하면 풀스캔으로 수행한다(머지가 항상 사용되지 않는다)

-> 쿼리에 옵티마이저 힌트, 또는 설정을 통해 인덱스 머지를 강제할 수 있다

11.25 TIL : Mybatis 조건문 관련

wannaDevelopIt — Tue, 25 Nov 2025 09:05:26 +0900

동적 쿼리를 작성할때 많이 사용하는 패턴으로

<if test= 조건></if>에

if test ="a != null and a != ''"를 사용하곤 하는데,

이 조건문에 값 0이 들어갈 경우, mybatis는 이를 false로 판단한다

그래서 해당 조건문이 생략된다

주의할것

10.21 TIL : SQL 필터를 통한 데이터 정제

wannaDevelopIt — Wed, 22 Oct 2025 06:51:28 +0900

DB에서 varchar로 저장된 json String에 대해 한글인 경우의 데이터를 추출해야 했다. 다만, 한글이어도 상관없는 키와 한글 데이터가 같이 섞여있기 때문에, 이를 제외하는 것이 중요했다

완성된 쿼리 :

WITH W1 AS (
    -- 1. 본 테이블에서 한글이 포함된 모든 데이터 조회
    SELECT
        sequence,
        content
    FROM
        board b
    WHERE
        b.content RLIKE '[가-힣]'
),
W2 AS (
    SELECT
    	sequence,
    	REGEXP_SUBSTR(
        	b.content
        	-- 패턴: "key":" 뒤에 오며, 한글을 포함하고, 닫는 따옴표 직전까지의 내용을 캡처
        	'(?<="key":")([^"]*[가-힣]+[^"]*)' 
    	) AS Extracted_Korean_Content,
    	b.content
	FROM
    	board b
	WHERE
    	-- content에 "key" 속성 값 중 한글이 포함된 블록이 없는 행을 조회
    	b.content NOT REGEXP '("key1":"|"key2":"|"key3":"|"key4":")[^"]*[가-힣]+'
)
SELECT
W1.*, W2.Extracted_Korean_Content
FROM W1 INNER JOIN W2 ON W1.sequence = W2.sequence
ORDER BY W1.sequence DESC

*REGXP_SUBSTR() 메서드에서 패턴이 있는 값을 추출한다

W1 테이블은 한글이 포함된 모든 데이터를 조회하고,

W2 테이블에서 특정 키 뒤에 한글이 오는 경우를 제외 한 후

이너 조인을 통해 내가 원하는 키에 한글이 있는 경우만 추출할 수 있다

09. 25 TIL : Gson 라이브러리의 JsonObject 객체 활용 시 주의할 점

wannaDevelopIt — Thu, 25 Sep 2025 18:00:50 +0900

0. 문제 상황

-> JsonObject에서 String인 값을 toString() 메서드를 활용해 값을 참조했지만, 왜인지 \"A\" 의 형태로 문자열 안에 따옴표까지 추가된 형태로 데이터를 반환하고 있었다

1. 공부한 내용

JsonObject.get(memberName).toString() 메서드를 활용할 때 주의할 사항

가장 기본인 Object의 toString() 메서드는

public String toString() {
    return getClass().getName() + "@" + Integer.toHexString(hashCode());
}

로직을 가지고 있다

이 로직을 통해 호출할 경우, 해당 객체의 "주소"를 문자열로 반환받을 수 있다

이와 다르게 JsonObject의 경우,

상위 객체인 JsonElement에서 재정의한 toString() 메서드를 사용한다

@Override
  public String toString() {
    try {
      StringWriter stringWriter = new StringWriter();
      JsonWriter jsonWriter = new JsonWriter(stringWriter);
      jsonWriter.setLenient(true);
      Streams.write(this, jsonWriter);
      return stringWriter.toString();
    } catch (IOException e) {
      throw new AssertionError(e);
    }
  }

1) StringWriter 클래스인 stringWriter 객체 생성 : java.io 라이브러리의 클래스로, 내부에서 StringBuffer 클래스를 사용한 데이터 쓰기 작업을 한다

2) JsonWriter : stringWriter 객체를 매개변수로 한 새로운 JsonWrter 객체를 생성한다.

  public JsonWriter(Writer out) {
    this.out = Objects.requireNonNull(out, "out == null");
  }

-> null 체크를 수행한 후 해당 객체를 주입한다

3) jsonWriter.setLenient(true) :

해당 객체가 json 표준 양식을 엄격하게 준수할 것인지 여부를 설정한다. true로 설정되므로, 형식에 맞지않는 데이터가 입력될 경우 JsonParseException 등의 오류가 발생한다

4) Streams.write(this, jsonWriter) :

public static void write(JsonElement element, JsonWriter writer) throws IOException {
    TypeAdapters.JSON_ELEMENT.write(writer, element);
  }

해당 메서드 안에서 호출하는 write 메서드는 추상 메서드로,
TypeAdapters 클래스에서 재정의하고 있다

@Override public void write(JsonWriter out, JsonElement value) throws IOException {
      if (value == null || value.isJsonNull()) {
        out.nullValue();
      } else if (value.isJsonPrimitive()) {
        JsonPrimitive primitive = value.getAsJsonPrimitive();
        if (primitive.isNumber()) {
          out.value(primitive.getAsNumber());
        } else if (primitive.isBoolean()) {
          out.value(primitive.getAsBoolean());
        } else {
          out.value(primitive.getAsString());
        }

      } else if (value.isJsonArray()) {
        out.beginArray();
        for (JsonElement e : value.getAsJsonArray()) {
          write(out, e);
        }
        out.endArray();

      } else if (value.isJsonObject()) {
        out.beginObject();
        for (Map.Entry<String, JsonElement> e : value.getAsJsonObject().entrySet()) {
          out.name(e.getKey());
          write(out, e.getValue());
        }
        out.endObject();

      } else {
        throw new IllegalArgumentException("Couldn't write " + value.getClass());
      }
    }
  };

JsonObject의 경우, 기존 JsonElement의 entrySet()를 순환하면서 jsonWriter 객체를 활용 value(JsonElement)의 key는 out.name() 메서드로, value는 write() 재귀 호출로 올바르게 JSON 문자열로 변환하는 과정을 통해 직렬화한다

-> ** 이 과정에서 jsonWriter 객체는 JSON 표준규격을 준수해야 하므로, 기존 데이터에 따옴표를 추가한다

즉, JsonObejct.get(memberName).toString()은 따옴표를 한번 더 씌우는 것이다

그렇기 때문에, 원하는 값을 위해선

JsonObejct.get(memberName).getAsString(); 메서드를 사용해야 한다