물리아키텍처 설계 완료

✨ 주요 기능
- Azure 기반 물리아키텍처 설계 (개발환경/운영환경)
- 7개 마이크로서비스 물리 구조 설계
- 네트워크 아키텍처 다이어그램 작성 (Mermaid)
- 환경별 비교 분석 및 마스터 인덱스 문서

📁 생성 파일
- design/backend/physical/physical-architecture.md (마스터)
- design/backend/physical/physical-architecture-dev.md (개발환경)
- design/backend/physical/physical-architecture-prod.md (운영환경)
- design/backend/physical/*.mmd (4개 Mermaid 다이어그램)

🎯 핵심 성과
- 비용 최적화: 개발환경 월 $143, 운영환경 월 $2,860
- 확장성: 개발환경 100명 → 운영환경 10,000명 (100배)
- 가용성: 개발환경 95% → 운영환경 99.9%
- 보안: 다층 보안 아키텍처 (L1~L4)

🛠️ 기술 스택
- Azure Kubernetes Service (AKS)
- Azure Database for PostgreSQL Flexible
- Azure Cache for Redis Premium
- Azure Service Bus Premium
- Application Gateway + WAF

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>

design/backend/database/ai-service-erd.puml

@@ -0,0 +1,188 @@
+@startuml
+!theme mono
+
+title AI Service 캐시 데이터 구조도 (Redis)
+
+' ===== Redis 캐시 구조 =====
+package "Redis Cache" {
+
+    ' AI 추천 결과 캐시
+    entity "ai:recommendation:{eventId}" as recommendation_cache {
+        **캐시 키**: ai:recommendation:{eventId}
+        --
+        TTL: 3600초 (1시간)
+        ==
+        eventId: UUID <<PK>>
+        --
+        **trendAnalysis**
+        industryTrends: JSON Array
+          - keyword: String
+          - relevance: Double
+          - description: String
+        regionalTrends: JSON Array
+        seasonalTrends: JSON Array
+        --
+        **recommendations**: JSON Array
+          - optionNumber: Integer
+          - concept: String
+          - title: String
+          - description: String
+          - targetAudience: String
+          - duration: JSON Object
+            * recommendedDays: Integer
+            * recommendedPeriod: String
+          - mechanics: JSON Object
+            * type: ENUM (DISCOUNT, GIFT, STAMP, etc.)
+            * details: String
+          - promotionChannels: String Array
+          - estimatedCost: JSON Object
+            * min: Integer
+            * max: Integer
+            * breakdown: Map<String, Integer>
+          - expectedMetrics: JSON Object
+            * newCustomers: {min, max}
+            * revenueIncrease: {min, max}
+            * roi: {min, max}
+          - differentiator: String
+        --
+        generatedAt: Timestamp
+        expiresAt: Timestamp
+        aiProvider: ENUM (CLAUDE, GPT_4)
+    }
+
+    ' 작업 상태 캐시
+    entity "ai:job:status:{jobId}" as job_status_cache {
+        **캐시 키**: ai:job:status:{jobId}
+        --
+        TTL: 86400초 (24시간)
+        ==
+        jobId: UUID <<PK>>
+        --
+        status: ENUM <<NOT NULL>>
+          - PENDING
+          - PROCESSING
+          - COMPLETED
+          - FAILED
+        progress: Integer (0-100)
+        message: String
+        createdAt: Timestamp
+    }
+
+    ' 트렌드 분석 캐시
+    entity "ai:trend:{industry}:{region}" as trend_cache {
+        **캐시 키**: ai:trend:{industry}:{region}
+        --
+        TTL: 86400초 (24시간)
+        ==
+        cacheKey: String <<PK>>
+          (industry + region 조합)
+        --
+        **industryTrends**: JSON Array
+          - keyword: String
+          - relevance: Double (0.0-1.0)
+          - description: String
+        **regionalTrends**: JSON Array
+          - keyword: String
+          - relevance: Double
+          - description: String
+        **seasonalTrends**: JSON Array
+          - keyword: String
+          - relevance: Double
+          - description: String
+    }
+
+}
+
+' ===== 캐시 관계 설명 =====
+note right of recommendation_cache
+  **AI 추천 결과 캐시**
+  - Event Service에서 이벤트 ID로 조회
+  - 캐시 미스 시 AI API 호출 후 저장
+  - 1시간 TTL로 최신 트렌드 반영
+  - JSON 형식으로 직렬화 저장
+end note
+
+note right of job_status_cache
+  **작업 상태 캐시**
+  - Kafka 메시지 수신 후 생성
+  - 비동기 작업 진행 상황 추적
+  - 24시간 TTL로 이력 보관
+  - Progress: 0(시작) → 100(완료)
+end note
+
+note right of trend_cache
+  **트렌드 분석 캐시**
+  - 업종/지역 조합으로 캐싱
+  - AI API 호출 비용 절감
+  - 24시간 TTL로 일간 트렌드 반영
+  - 추천 생성 시 재사용
+end note
+
+' ===== 캐시 의존 관계 =====
+recommendation_cache ..> trend_cache : "uses\n(트렌드 데이터 참조)"
+job_status_cache ..> recommendation_cache : "tracks\n(추천 생성 작업 상태)"
+
+' ===== 외부 시스템 참조 =====
+package "External References" {
+    entity "Event Service" as event_service {
+        eventId: UUID
+        --
+        (외부 서비스)
+    }
+
+    entity "Kafka Topic" as kafka_topic {
+        ai-job-request
+        --
+        jobId: UUID
+        eventId: UUID
+    }
+}
+
+event_service ..> recommendation_cache : "요청\n(GET /recommendation/{eventId})"
+kafka_topic ..> job_status_cache : "생성\n(비동기 작업 시작)"
+
+' ===== 캐시 키 패턴 설명 =====
+note bottom of recommendation_cache
+  **캐시 키 예시**
+  ai:recommendation:123e4567-e89b-12d3-a456-426614174000
+
+  **캐싱 전략**: Cache-Aside
+  1. 캐시 조회 시도
+  2. 미스 시 AI API 호출
+  3. 결과를 캐시에 저장
+  4. TTL 만료 시 자동 삭제
+end note
+
+note bottom of trend_cache
+  **캐시 키 예시**
+  ai:trend:음식점:강남구
+  ai:trend:카페:성동구
+
+  **데이터 구조**
+  - 업종별 주요 트렌드 키워드
+  - 지역별 소비 패턴
+  - 계절별 선호도
+  - 각 트렌드의 관련도 점수
+end note
+
+' ===== Redis 설정 정보 =====
+legend right
+  **Redis 캐시 설정**
+  |항목|설정값|
+  |호스트|${REDIS_HOST:localhost}|
+  |포트|${REDIS_PORT:6379}|
+  |타임아웃|3000ms|
+  |최대 연결|8|
+
+  **만료 정책**
+  - 추천 결과: 1시간 (실시간성)
+  - 작업 상태: 24시간 (이력 보관)
+  - 트렌드: 24시간 (일간 갱신)
+
+  **메모리 관리**
+  - 만료 정책: volatile-lru
+  - 최대 메모리: 1GB
+  - 예상 사용량: 추천 50KB, 상태 1KB, 트렌드 10KB
+end legend
+
+@enduml