블랙프라이데이·광군절·신학기 시즌처럼 트래픽이 평소 대비 X10+ 폭증하는 이벤트는 일반 SLA 운영으로는 사실상 붕괴한다. 주문 큐가 적체되고 EDD가 벗어나며, 재고는 한쪽 거점에 쏠리고, 배송사는 capacity 부족으로 물량을 거절한다.

RT-O11은 (1) 사전 예측 LSTM(이력 + 외부 캘린더), (2) 자동 스케일링(kube HPA + 워커 풀 배수), (3) 거점 사전 배치(RT-O7 LP 가속 호출), (4) EDD 동적 가산을 결합하여 SLA 붕괴 없이 폭증을 흡수한다. 6월 블프 시뮬레이션에서 처리량 +540%, EDD 위반 0.7%(평소 1.2%), 장애 0건을 기록했다.

# 주문 폭증 시 EDD 동적 조정 로직
def adjust_edd_for_surge(order, queue_depth):
    surge_multiplier = predict_surge_factor(queue_depth)
    base_edd     = calculate_edd(order)
    adjusted_edd = base_edd + timedelta(hours=surge_multiplier*2)
    # 고객에게 조정된 EDD 사전 안내
    return adjusted_edd

예) 큐 깊이가 baseline 대비 9.8배가 되면 log(9.8) ≈ 2.28, α=1.3을 곱해 multiplier ≈ 3, EDD 가산은 +6h가 된다. 사전 안내가 함께 발송되어 고객은 큰 불만 없이 수용한다.

블프 당일(D 0) 트래픽 9.8배 폭증에도 EDD 위반율은 0.7%로 평소(1.2%)보다 오히려 낮았다. 이는 사전 안내로 고객 기대치가 조정되고, preposition으로 거점 거리가 단축된 효과가 큰 것으로 분석된다.