• 목차

  • 이벤트 기반 아키텍처 구현: 데이터 스트리밍으로 확장하는 MSA
  • 1. 이벤트 기반 아키텍처와 MSA의 개요
  • 2. 이벤트 기반 아키텍처의 핵심 원리 및 컴포넌트
  • 3. 데이터 스트리밍 기술을 활용한 확장 전략 및 사례
  • 4. 실제 구현 사례와 코드 예제: 이벤트 기반 아키텍처 구축 방법론

이벤트 기반 아키텍처 구현: 데이터 스트리밍으로 확장하는 MSA

1. 이벤트 기반 아키텍처와 MSA의 개요

현대 소프트웨어 개발 환경에서는 빠른 변화와 높은 확장성을 요구하는 서비스들이 등장하면서, 이를 지원할 수 있는 아키텍처 패러다임의 전환이 이루어졌습니다. 특히, 마이크로서비스 아키텍처(MSA)는 비즈니스 도메인을 작은 단위의 서비스로 분리하여 독립적으로 배포, 확장이 가능하도록 만들어 전체 시스템의 유연성을 극대화하였습니다. 이벤트 기반 아키텍처는 이러한 MSA의 단점을 보완하고, 더욱 효과적인 컴포넌트 간 통신 및 데이터 처리 패턴을 제공함으로써 시스템 간의 결합도를 낮추고 반응성을 높이는 방법론으로 주목받고 있습니다.

이벤트 기반 아키텍처(Event-driven Architecture, EDA)는 시스템 내의 다양한 서비스들이 서로 직접 호출하는 대신, 이벤트 메시지를 통해 간접적으로 통신하는 방식을 사용합니다. 서비스들은 특정 이벤트가 발생하면 이를 메시지 큐 또는 버스에 게시하고, 해당 이벤트를 구독한 다른 서비스들이 이를 비동기적으로 처리합니다. 이 과정은 시스템의 재사용성을 높이고, 장애 발생 시 전체 시스템의 영향 범위를 최소화하는 데 중요한 역할을 합니다.

MSA와 이벤트 기반 아키텍처를 결합하면, 각 서비스는 독립적인 모듈로 동작하면서도 실시간 데이터 처리와 유연한 확장이 가능해집니다. 예를 들어, 주문 처리 시스템에서 주문 생성 이벤트가 발생하면 이를 다양한 서비스(결제, 재고, 배송 등)가 동시에 구독하여 독립적으로 처리할 수 있습니다. 이와 같은 구조는 시스템 전반의 장애 허용성을 높이고, 특정 서비스의 부하가 다른 서비스에 영향을 주지 않도록 설계하는 데 큰 도움이 됩니다.

이러한 이벤트 기반 아키텍처는 초기 설계 단계부터 비동기 통신을 염두에 두고 설계되어야 하며, 이벤트 전달 보장, 데이터 일관성, 장애 복구와 같은 문제들을 면밀히 검토할 필요가 있습니다. 이를 위해 메시지 브로커나 데이터 스트리밍 플랫폼(예: Apache Kafka, RabbitMQ 등)을 활용하여 안정적이고 신뢰할 수 있는 통신 채널을 구현하는 것이 중요합니다.

또한, 이벤트 소싱(event sourcing) 패턴을 적용하면, 데이터의 상태를 단순히 현재 값으로만 관리하는 것이 아니라, 이벤트 로그를 통해 모든 변화 내역을 기록하고 재생함으로써 시스템의 상태를 복원할 수 있게 됩니다. 이는 장애 발생 시 데이터 복구뿐만 아니라, 비즈니스 로직의 감사(audit)와 분석에도 큰 도움이 됩니다.

최근 연구에 따르면, 이벤트 기반 아키텍처를 채택한 시스템은 전통적인 동기식 통신 방식을 사용하는 시스템보다 평균 응답 시간이 30% 이상 개선되었으며, 시스템 장애 발생 시 복구 시간이 40% 단축되는 결과가 보고되고 있습니다. 이러한 통계는 기업들이 이벤트 기반 아키텍처로의 전환을 고려하게 만드는 중요한 근거가 되고 있습니다.

업계에서는 다수의 사례 연구와 성공적인 도입 사례들이 나오고 있는데, 금융, 이커머스, 헬스케어 등 다양한 분야에서 이벤트 기반 아키텍처의 효과를 입증하고 있습니다. 예를 들어, 글로벌 전자 상거래 플랫폼에서는 주문 처리 및 재고 관리에 이벤트 기반 아키텍처를 도입하여, 트래픽 급증 시에도 안정적인 서비스를 제공하고, 장애 발생 시 빠르게 복구하는 시스템을 구현하였습니다.

한편, 이벤트 기반 시스템은 개발 초기부터 설계상의 복잡도를 내포하고 있으며, 이벤트의 순서 보장, 중복 처리, 메시지 유실 등의 문제가 발생할 수 있습니다. 따라서, 개발 단계에서는 이러한 문제들을 사전에 예측하고, 적절한 모니터링과 로깅, 추적 체계를 도입하여 문제 발생 시 빠르게 대응할 수 있는 환경을 조성해야 합니다.

결론적으로, 이벤트 기반 아키텍처와 MSA의 결합은 단순한 기술 트렌드를 넘어, 현대의 복잡하고 동적인 비즈니스 환경에서 시스템 확장성과 유연성을 극대화하는 강력한 접근 방식으로 평가받고 있습니다. 이 글에서는 이러한 접근 방식의 원리, 구현 전략, 실제 사례 및 코드 예제 등을 심도 있게 다루어, 독자들이 직접 시스템을 설계하고 구현할 수 있는 통찰을 제공하고자 합니다.

마지막으로, 이벤트 기반 아키텍처의 성공적인 도입 사례와 문제 해결 전략을 통해, 서비스 간 의존도 최소화, 데이터 처리 효율 증대, 장애 복구 능력 향상 등 다양한 부가 가치를 창출할 수 있음을 재차 강조하며, 본 글은 앞으로의 아키텍처 설계 및 구현에 새로운 관점을 제공할 것입니다.

2. 이벤트 기반 아키텍처의 핵심 원리 및 컴포넌트

이벤트 기반 아키텍처를 성공적으로 구현하기 위해서는 기본 원리를 명확히 이해하고, 핵심 컴포넌트를 효과적으로 설계하는 것이 필수적입니다. 본 섹션에서는 이벤트 기반 아키텍처의 주요 원칙과 함께 시스템 구성 요소인 이벤트 버스, 메시지 큐, 이벤트 스토어, 구독자 및 발행자 모델에 대해 상세히 다루어 보도록 하겠습니다.

가장 기본이 되는 이벤트 발행자(Publisher)와 구독자(Subscriber) 사이의 관계는 느슨한 결합(loose coupling)을 핵심으로 합니다. 발행자는 특정 이벤트가 발생했음을 외부에 알리고, 구독자는 이 이벤트에 반응합니다. 이러한 구조는 서비스 간 상호 의존도를 크게 낮추며, 각 서비스는 독립적으로 동작할 수 있는 기반을 마련합니다.

이벤트 버스(Event Bus)는 이러한 발행자와 구독자를 연결하는 중간 미들웨어로서, 이벤트의 전송과 분배를 담당합니다. 이벤트 버스를 통해 전달되는 데이터는 트랜잭션적으로 관리되며, 메시지의 순서 보장, 반복 처리 방지, 내결함성(fault tolerance) 등의 기능을 구현할 수 있습니다. 예를 들어, Apache Kafka와 같은 데이터 스트리밍 플랫폼은 높은 처리량과 안정성을 제공하며, 대규모 분산 시스템에서 핵심 역할을 수행하고 있습니다.

메시지 큐(Message Queue)는 이벤트를 임시 저장하는 역할을 하며, 이벤트 소비자가 준비되지 않은 경우에도 이벤트를 안정적으로 전달할 수 있도록 보장합니다. 메시지 큐는 메시지 유실과 중복 처리 문제를 해결하기 위해 수많은 내장 기능을 제공하며, 이를 통해 시스템의 신뢰성과 확장성을 보장할 수 있습니다. RabbitMQ, ActiveMQ 등 다양한 메시지 큐 솔루션을 통해 이러한 목표를 달성할 수 있습니다.

이벤트 스토어(Event Store)는 발생한 이벤트를 지속적으로 기록하는 저장소로, 시스템 상태의 변화를 완벽하게 추적할 수 있게 합니다. 이벤트 소싱(Event Sourcing) 패턴을 활용하면, 단순히 현재의 데이터 상태를 저장하는 것이 아니라, 모든 상태 변경 이벤트를 로그로 저장하여 필요 시 과거의 상태를 재현할 수 있습니다. 이는 감사(audit), 디버깅, 분석 등의 측면에서 매우 유용한 패턴입니다.

한편, 이벤트 필터링과 변환, 라우팅 등의 기능은 이벤트를 필요한 구독자에게만 전달하고, 불필요한 데이터의 전파를 최소화하는 데 중요한 역할을 합니다. 이를 위해 ETL(Extract, Transform, Load) 도구와 통합하거나, 중간 레이어에서 이벤트의 가공 작업을 수행함으로써 데이터의 품질과 일관성을 유지할 수 있습니다.

최근 연구에서는 이벤트 기반 아키텍처의 성능을 높이기 위해 스트림 프로세싱 기술과 결합하는 방안을 적극적으로 모색하고 있습니다. 복잡한 데이터 흐름을 실시간으로 분석하고 처리할 수 있는 Apache Flink, Spark Streaming 등의 기술은 대규모 데이터 스트림 환경에서 이벤트의 실시간 처리를 가능하게 하여, 시스템의 응답성과 예측 가능성을 크게 향상시키고 있습니다.

더욱이, 이벤트 기반 아키텍처는 장애 발생 시 재처리 메커니즘(retry mechanism)과 보상 트랜잭션(compensating transaction) 설계가 필수적입니다. 이벤트 전달 중 오류나 네트워크 장애가 발생할 경우, 해당 이벤트를 재처리하거나 별도의 로그 메커니즘을 통해 안전하게 복원하는 절차가 마련되어 있어야만 합니다. 이러한 설계 전략은 시스템의 내구성과 안정성을 유지하는 핵심 요소로 작용합니다.

아울러, 이벤트 기반 통신은 보안 측면에서도 고려되어야 합니다. 각 이벤트에 대한 인증, 암호화, 접근 제어 등을 통해 민감한 데이터가 외부로 유출되지 않도록 보장하는 체계가 필요합니다. 특히, 금융 및 의료와 같이 보안 수준이 엄격한 시스템에서는 이벤트 암호화 및 무결성 검증이 필수적입니다.

마지막으로, 이벤트 기반 아키텍처를 도입함에 있어 중요한 점은 시스템 전체의 모니터링과 로깅입니다. 이벤트의 흐름과 처리 결과를 지속적으로 모니터링함으로써, 예상치 못한 장애나 성능 저하 문제를 사전에 감지하고, 신속한 대응을 통해 전체 시스템의 안정성을 보장할 수 있습니다. 이러한 종합적인 접근 방식은 궁극적으로 기업의 비즈니스 연속성을 확보하는 핵심 전략입니다.

요약하면, 이벤트 기반 아키텍처는 발행자와 구독자 간의 느슨한 결합, 이벤트 버스 및 메시지 큐를 통한 안정적 데이터 전송, 이벤트 스토어를 통한 완벽한 이력 관리 등 여러 핵심 컴포넌트와 원리를 기반으로 합니다. 실제 산업 현장에서는 이러한 원칙에 따라 고가용성과 고성능 시스템을 구축함으로써, 사용자 경험과 서비스 안정성을 모두 확보하는 사례들이 다수 보고되고 있습니다.

3. 데이터 스트리밍 기술을 활용한 확장 전략 및 사례

데이터 스트리밍은 실시간 데이터 처리를 가능하게 하는 중요한 기술로, 이벤트 기반 아키텍처와 결합될 때 MSA 환경에서의 확장성과 유연성을 극대화하는 핵심 수단으로 작용합니다. 이 섹션에서는 데이터 스트리밍 기술의 기본 개념부터 이를 활용한 확장 전략, 그리고 실제 사례 및 적용 결과에 이르기까지 심도 있게 논의하고자 합니다.

데이터 스트리밍이란, 데이터가 생성되는 즉시 연속적으로 처리하는 기술을 의미합니다. 과거의 배치 처리 방식은 대량의 데이터를 모아서 주기적으로 처리하는 한계가 있었지만, 스트리밍 기술을 사용하면 실시간 데이터 처리가 가능해지며, 이를 통해 즉각적인 의사 결정과 빠른 데이터 반응이 이루어질 수 있습니다. 특히, 대규모 로그 처리, 사용자 행동 분석, 센서 데이터 수집 등 다양한 분야에서 그 효율성이 극명하게 나타납니다.

Apache Kafka와 같은 데이터 스트리밍 플랫폼은 초당 수백만 건의 메시지를 안정적으로 처리할 수 있는 능력을 보유하고 있으며, 이러한 플랫폼을 기반으로 한 이벤트 기반 아키텍처는 데이터의 실시간 전달과 처리, 저장 및 분석을 연계하는 통합 시스템을 구성할 수 있습니다. 주요 기업들은 이를 통해 데이터 처리 속도를 획기적으로 개선하고, 비용 효율적인 인프라 운영을 실현해 왔습니다.

예를 들어, 글로벌 전자 상거래 기업이 실시간 주문 분석 시스템을 구축한 사례를 보면, Apache Kafka를 이벤트 버스로 활용하여 주문 생성, 결제, 배송 등의 이벤트를 실시간으로 스트리밍하고, Apache Spark Streaming을 통해 해당 데이터에 대한 실시간 집계와 분석을 진행합니다. 이를 통해 프로모션 효과 분석, 재고 관리 최적화, 소비자 행동 패턴 분석 등을 동시에 수행할 수 있었으며, 결과적으로 매출 증대와 운영 효율성 향상에 크게 기여하였습니다.

데이터 스트리밍을 기반으로 한 확장 전략은 다음과 같은 주요 단계를 포함합니다. 첫째, 데이터 생산자와 소비자 간의 인터페이스를 표준화하고, 메시지 포맷을 통일함으로써 상호 운용성을 보장합니다. 둘째, 스트리밍 플랫폼의 내부 캐싱 및 파티셔닝을 통해 데이터 병목 현상을 최소화합니다. 셋째, 실시간 분석 도구와의 연계를 통해 데이터의 즉각적인 활용 가능성을 극대화합니다.

또 다른 대표적인 사례로, 금융권에서는 거래 데이터의 실시간 스트리밍 분석을 통해 이상 거래를 빠르게 탐지하고, 리스크를 최소화하는 시스템을 도입하였습니다. 이 시스템은 실시간 거래 데이터를 기반으로 머신러닝 알고리즘을 적용하여, 이상 패턴을 빠르게 식별하고, 경고 메시지를 자동으로 발행하는 구조로 되어 있습니다. 이를 통해 금융 사기 및 부정 사용을 사전에 예방하는 효과를 거두었습니다.

데이터 스트리밍 전략을 적용하는 데 있어 고려해야 할 또 다른 중요한 요소는 데이터 지연(latency)과 처리량(throughput)입니다. 스트리밍 처리 시스템은 낮은 지연 시간과 높은 처리량을 동시에 요구하며, 이를 위해 시스템의 분산 및 병렬 처리 능력을 강화하는 방향으로 설계되어야 합니다. 이러한 설계 원칙은 특히 실시간 의사 결정 시스템이나, 대규모 사용자 트래픽을 처리해야 하는 서비스에서 더욱 중요하게 작용합니다.

또한, 데이터 스트리밍과 관련된 기술은 종합적인 모니터링과 알림 체계를 필요로 합니다. 실시간 데이터 흐름의 이상 탐지, 처리 오류 발생 시 재처리 로직, 시스템 부하 분산 등의 기능은 안정적인 스트리밍 환경 구축에 필수적입니다. 이를 위해, Prometheus, Grafana와 같은 모니터링 도구와 연동하여 실시간 상태를 점검하고, 장애 발생 시 신속하게 대응할 수 있는 인프라를 마련해야 합니다.

마지막으로, 데이터 스트리밍 기술의 도입은 단지 기술적 도전만이 아니라, 조직 전체의 데이터 처리 패러다임을 전환하는 과정으로 볼 수 있습니다. 실시간 데이터를 기반으로 한 의사 결정, 프로세스 자동화, 사용자 경험 개선 등 다양한 영역에서 긍정적인 영향을 미치며, 기업의 경쟁력을 크게 향상시키는 결과를 낳고 있습니다.

종합해보면, 데이터 스트리밍은 이벤트 기반 아키텍처의 확장성을 극대화하는 강력한 도구로, 실시간 데이터의 수집, 처리, 분석을 통해 시스템의 효율성과 응답성을 향상시키는 핵심 기술입니다. 실제 사례와 산업 동향을 바탕으로 한 분석은, 데이터 스트리밍 기술의 도입이 향후 다양한 산업 분야에서 표준이 될 것임을 예고하고 있으며, 기업들은 이를 통해 변화하는 시장 환경에 신속하게 대응할 수 있을 것입니다.

4. 실제 구현 사례와 코드 예제: 이벤트 기반 아키텍처 구축 방법론

마지막 섹션에서는 이벤트 기반 아키텍처의 실제 구현 사례와 함께, 코드 예제를 통해 구체적인 설계 및 구현 방법론을 소개합니다. 이 섹션은 개발자들이 직접 시스템을 구축할 때 참고할 수 있는 가이드라인과 베스트 프랙티스, 그리고 발생할 수 있는 여러 이슈와 해결 방법을 다루고 있습니다. 이를 통해 MSA 환경에서 데이터 스트리밍을 효과적으로 통합할 수 있는 전략과 기술적 접근법을 심도 있게 분석해 보겠습니다.

첫째, 실제 구현 사례로는 대형 금융 기관의 실시간 이상 거래 감지 시스템을 들 수 있습니다. 해당 시스템은 다양한 이벤트 소스(거래 데이터, 사용자 로그인 정보, 위치 정보 등)로부터 수집된 데이터를 Apache Kafka를 기반으로 처리하며, 이벤트 스트림을 통해 데이터의 실시간 분석과 알림 체계를 구현하였습니다. 이처럼 핵심 데이터 파이프라인 설계가 성공하면, 전체 시스템의 신뢰성과 실시간 반응성이 크게 향상됩니다.

둘째, 이벤트 기반 아키텍처 구현 시 가장 중요한 부분은 각 서비스 간의 데이터 흐름과 이벤트 처리를 계층화하는 것입니다. 이벤트 발행자, 메시지 브로커, 데이터 스트리밍 플랫폼, 이벤트 소비자 등의 역할을 명확하게 정의하고, 각 계층 사이의 인터페이스를 표준화하는 작업은 시스템의 확장성을 높이는 핵심 과제입니다. 이를 위해, 서비스 간 통신을 REST API나 gRPC와 함께, 이벤트 메시징 시스템으로 확장하는 방법을 동시에 도입하는 전략이 필요합니다.

셋째, 구현 과정에서 발생할 수 있는 문제점 중 하나는 이벤트 순서 보장과 중복 처리입니다. 예를 들어, 네트워크 지연이나 장애로 인해 동일한 이벤트가 여러 번 처리될 수 있는 상황을 방지하기 위해, 각 이벤트에 고유 식별자(ID)를 부여하고, 이벤트 처리 결과를 데이터베이스에 기록하여 중복 처리를 방지하는 로직을 추가하는 것이 필요합니다. 이러한 처리 로직은 후에 장애 복구나 재처리 메커니즘으로 활용될 수 있습니다.

넷째, 코드 예제에서는 간단한 이벤트 기반 시스템의 구현 예를 들어 설명합니다. 아래의 코드는 Node.js 환경에서 Express와 Kafka 클라이언트를 사용하여, 이벤트를 발행하고 구독하는 기본적인 예제입니다. 이 코드는 이벤트 기반 시스템 구현의 기초를 이해하는 데 도움이 될 것입니다.

const express = require('express');
const { Kafka } = require('kafkajs');

const app = express();
app.use(express.json());

const kafka = new Kafka({
  clientId: 'event-driven-app',
  brokers: ['localhost:9092']
});

const producer = kafka.producer();
const consumer = kafka.consumer({ groupId: 'event-group' });

// 이벤트 발행 API
app.post('/publish', async (req, res) => {
  const event = {
    type: req.body.type,
    payload: req.body.payload,
    timestamp: new Date().toISOString()
  };
  await producer.send({
    topic: 'event-topic',
    messages: [
      { value: JSON.stringify(event) }
    ]
  });
  res.send('Event Published');
});

// 이벤트 구독 및 처리
const runConsumer = async () => {
  await consumer.connect();
  await consumer.subscribe({ topic: 'event-topic', fromBeginning: true });
  await consumer.run({
    eachMessage: async ({ topic, partition, message }) => {
      const event = JSON.parse(message.value.toString());
      console.log('Received Event:', event);
      // 이벤트 타입에 따른 처리 로직 구현
    },
  });
};

const startApp = async () => {
  await producer.connect();
  runConsumer().catch(console.error);
  app.listen(3000, () => {
    console.log('Server is running on port 3000');
  });
};

startApp().catch(console.error);
      

위 예제는 간단하지만, 이벤트를 발행하고 구독하는 기본적인 흐름과 시스템 구성 요소들을 명확하게 보여줍니다. 실무에서는 이와 같은 구조에 대해 추가적인 로깅, 보안 인증, 장애 처리 로직, 스케일링 전략 등이 포함되어야 하며, 각 서비스의 요구 사항에 따라 맞춤형 확장이 필요합니다.

다섯째, 실제 구현 사례에서는 DevOps 문화와 CI/CD 파이프라인을 통해 시스템 배포의 자동화 및 테스트 전략을 함께 고려해야 합니다. 이벤트 기반 시스템은 장애 발생 시 빠른 대응과 신속한 배포가 가능하도록 설계되어야 하며, 이를 위해 컨테이너 기술(Docker, Kubernetes)과 모니터링 도구(Prometheus, ELK Stack)를 효과적으로 사용하여 운영 효율성을 극대화합니다.

여섯째, 이벤트 처리의 안정성을 위해 이벤트 중복 제거, 재처리 전략, 백오프(backoff) 메커니즘 등의 기술을 결합하는 것이 필수적입니다. 장애 상황에 대비한 설계와 함께, 각 이벤트 처리 단계에서 적절한 타임스탬프와 고유 식별자를 관리함으로써, 데이터 유실이나 불일치를 방지할 수 있습니다.

일곱째, 실제 구현 과정에서 팀 간 협업과 문서화의 중요성이 대두됩니다. 각 서비스의 이벤트 인터페이스, 메시지 포맷, 처리 로직에 대한 명확한 문서화는 개발자 간의 의사소통을 원활하게 하고, 장기적으로 유지보수와 확장에 큰 도움이 됩니다.

여덟째, 이벤트 기반 아키텍처의 성공적인 구현 사례는 단순히 기술적인 문제 해결에만 국한되지 않습니다. 조직의 문화, 운영 방법, 보안 정책 등 비기술적인 요소와도 깊이 연관되어 있으며, 이에 따른 전사적 전략 수립이 필수적입니다. 이를 통해 개발팀은 보다 신속하게 문제에 대응할 수 있고, 시스템 전반의 안정성을 확보할 수 있습니다.

아홉째, 실제 산업 현장에서 도입된 사례 연구를 통해 얻은 교훈은, 설계 초기에 충분한 시간과 자원을 투자하여 각 컴포넌트의 역할과 상호 작용을 명확히 정의하는 것이 무엇보다 중요하다는 점입니다. 이를 기반으로 한 테스트 및 모니터링 체계, 그리고 지속적인 피드백 루프가 구축된다면, 이벤트 기반 아키텍처는 단기적 이점뿐만 아니라 장기적인 안정성과 성장을 보장할 수 있습니다.

열째, 결론적으로 이벤트 기반 아키텍처는 데이터 스트리밍 기술과의 결합을 통해 MSA 시스템의 확장성, 반응성, 장애 복구 능력 등 다각면에서 우수한 성능을 발휘할 수 있음을 다시 한 번 확인할 수 있습니다. 이러한 아키텍처의 성공적인 구현은, 향후 급변하는 시장 환경에서 기업이 경쟁력을 유지하는 데 결정적인 역할을 하게 될 것입니다.

요약: 이벤트 기반 아키텍처와 데이터 스트리밍은 현대 MSA 구현에 있어서 핵심적인 역할을 수행하며, 발행자-구독자 모델, 메시지 큐, 이벤트 스토어, 실시간 스트리밍 플랫폼 등의 핵심 컴포넌트와 전략을 종합적으로 적용함으로써, 높은 확장성과 장애에 강한 시스템을 구축할 수 있습니다. 위의 코드 예제와 실제 사례를 통해, 개발자와 기업은 이러한 아키텍처를 쉽게 이해하고, 이를 기반으로 혁신적인 애플리케이션을 구현할 수 있는 토대를 마련할 수 있을 것입니다.