What2Eat 🍽️

맛집 추천 AI 서비스

🚀 빠른 시작

1. 의존성 설치

make install

2. 데이터 준비

# CSV 파일을 분리된 파일들로 변환 (선택사항)
make separate-data

3. 애플리케이션 실행

make run

📊 데이터 구조

기존 방식 (단일 CSV)

• whatToEat_DB_seoul_diner_20250301_plus_review_cnt.csv: 모든 데이터가 하나의 파일에 포함

새로운 방식 (분리된 CSV)

데이터를 용도별로 분리하여 효율적으로 관리:

• diner_basic.csv: 기본 정보

  • diner_idx: 음식점 고유 ID
  • diner_name: 음식점 이름
  • diner_num_address: 주소
  • diner_lat, diner_lon: 좌표

• diner_categories.csv: 카테고리 정보

  • diner_idx: 음식점 고유 ID
  • diner_category_large: 대분류
  • diner_category_middle: 중분류
  • diner_category_detail: 소분류
  • diner_count: 카테고리별 음식점 수

• diner_reviews.csv: 리뷰 및 평점 정보

  • diner_idx: 음식점 고유 ID
  • diner_review_cnt: 리뷰 수
  • diner_review_avg: 평균 평점
  • diner_grade: 등급

• diner_menus.csv: 메뉴 정보

  • diner_idx: 음식점 고유 ID
  • diner_menu_name: 메뉴명 리스트
  • diner_menu_price: 메뉴 가격 리스트

• diner_tags.csv: 태그 정보

  • diner_idx: 음식점 고유 ID
  • diner_tag: 태그 리스트

🔧 사용 가능한 명령어

make help          # 사용 가능한 명령어 확인
make install       # 의존성 설치
make dev           # 개발 의존성 포함 설치
make run           # 애플리케이션 실행
make test          # 테스트 실행
make lint          # 코드 린팅
make format        # 코드 포맷팅
make separate-data # CSV 파일 분리
make clean         # 캐시 및 임시 파일 정리

💡 데이터 분리의 장점

1. 메모리 효율성: 필요한 데이터만 로드하여 메모리 사용량 감소
2. 로딩 속도: 검색 엔진은 기본 정보만, UI는 필요한 정보만 로드
3. 유지보수성: 각 데이터 타입별로 독립적인 업데이트 가능
4. 확장성: 새로운 데이터 타입 추가 시 기존 구조에 영향 없음

🔄 마이그레이션

기존 단일 CSV 파일에서 분리된 파일들로 마이그레이션:

# 1. 데이터 분리 실행
make separate-data

# 2. 애플리케이션 재시작
make run

분리된 파일들이 존재하면 자동으로 사용하고, 없으면 기존 단일 파일을 사용합니다.