• 안드로이드 권장 아키텍쳐 준수하기
• Compose에서 Canvas를 사용해보자
• 제트팩 컴포즈에서의 액티비티 갯수, Side Effect 및 생명주기
• Compose에서 상태관리
• 리스트, 이미지 등 오브젝트를 Parcelable하게 저장해보기
• 칵테일 추천 로직을 작성하고 추천하는 것
• 네트워크 체크 및 Firebase를 사용해서 앱내에서 사용되는 칵테일의 버젼을 관리해보기
• 콘텐츠 프로바이더를 통한 페이징이 가능한 커스텀 갤러리를 만들어보자.
• FireStore에 이미지를 업로드하면서 실시간 프로그레스바를 비동기적으로 표현해보자.

기능 리스트는 화면단으로 기능을 구별하여 설명

1. 기기가 인터넷에 연결되어 있는지 체크한다. NetworkChecker를 활용
2. FireStore에서 metaData콜렉션을 가져와 기기내의 칵테일 버전과 동일한지 체크한다.

firestore.collection("metaData")
  .get()
  .addOnSuccessListener { //... }

3. 칵테일 버전이 동일하면 Continue
   • 다르다면 기기의 칵테일 버전 업데이트 후 FireStore에서 칵테일 리스트 및 키워드 종류 재 다운로드

4 유저 정보가 기기 DB에 저장되어 있다면 메인 화면으로 이동한다.

5. 유저 정보가 등록되어 있지 않다면
   • 건너뛰기 : 유저 정보를 기본 값으로 설정하고 DB 및 파이어베이스에 등록 후 메인화면으로 이동
   • 유저 정보 등록하기 : 온보딩 화면으로 이동

파이어 베이스에서 가져오는 것 : 전체 칵테일 리스트, 총 키워드 종류

1. OnboardGraph내에서 같은 backStackEntry객체를 활용 hiltViewModel를 생성하여 그래프 내에서 뷰모델을 공유한다.
2. 유저의 정보를 받아온다.
   • nickname : 닉네임
     • 기본 값 : "익명의 누군가"
   • sex : 성별
     • 기본 값 : "Unknown"
   • age : 나이
     • 기본 값 : 20살
   • level : 선호 도수
     • 기본 값 : 10도
   • base : 선호 기주
     • 기본 값 : "상관 없음"
   • keyword : 선호 키워드
     • 기본 값 : 상쾌한, 트로피컬, 가벼운 -> 3개 이상 넣지 않으면 칵테일 추천이 불가능

칵테일 추천 중요도(CocktailWeight)는 초기 설정 때 기본값 으로 설정한다. (후에 온보딩에서도 바꿀 수 있게 수정)

3. FireStore에 유저정보를 저장한다. -> setFirebaseUserKey()

   • 이때 FireStore저장을 위한 해쉬 키값을 기기 DB에도 저장한다. Userinfo.userKey 이 값으로 사용자를 구별한다.
   • 사용자의 북마크 정보를 Firestore에 저장하기위한 위한 북마크 document 키 값도 불러와서 DB에 저장한다. setFirebaseBookmarkKey()
   • 사용자 정보, 파이어베이스 키 값(유저정보, 북마크 정보)를 기기 DB에 저장한다.

4. 모든 작업이 완료되면 메인 화면 이동한다.

1. 초기 온보딩에서 유저의 정보를 받아온다.

   • 선호 키워드
   • 선호 기주
   • 선호 알코올 도수
   • 칵테일 추천 중요도 (CocktailWeight)

2. HomeViewModel에서 해당 유저 정보를 기반으로 점수를 통계낸다.

   • 키워드 점수 = 중복갯수 * 유저가 설정한 키워드 가중치 * 0.8
   • 기주 점수 = 중복갯수 * 유저가 설정한 기주 가중치 * 1.2
   • 도수 점수 = 3 - |도수 차이| * 유저가 설정한 도수 가중치 * 0.1
     • 중복 갯수 : 칵테일과 유저 선호 정보가 중복되는 갯수
     • 유저 가중치의 경우 최소 0 ~ 최대 4까지 존재한다.

해당 알고리즘은 후에 추천 시스템 기반으로 교체하기 임시방편 알고리즘

3. DB에 있는 칵테일을 중 점수 순으로 정렬하여 칵테일을 상위 5개의 칵테일을 추천한다.

4. 랜덤 칵테일, 랜덤 키워드, 랜덤 기주에 따른 칵테일을 추천한다.

   • 랜덤 키워드는 다음과 같이 추출한다. BASE_KEYWORD.shuffled().first()

검색화면은 검색결과화면과 검색을 수행하는화면으로 나누어서 관리한다.

1. DB에 저장된 칵테일을 기반으로 Room DB내에서 쿼리를 실행하여 결과 값을 뽑아온다.
   • 검색 결과는 키워드 재료, 한글이름, 영어이름을 모두 비교하는 쿼리를 작성하여 모두 가져온다.

    @Query(
        "SELECT * FROM cocktail WHERE enName LIKE '%' || :searchStr || '%'" +
                "Or keyword LIKE '%' || :searchStr  || '%' " +
                "OR ingredient LIKE '%' || :searchStr  || '%'" +
                "OR krName LIKE '%' || :searchStr  || '%' ORDER BY idx DESC"
    )
    fun queryCocktail(searchStr: String): Flow<List<Cocktail>>

2. 검색하거나, 칵테일 키워드 버튼을 눌르면 해당 검색어가 입력되고 그에 따른 결과를 반환한다.

3. 북마크 버튼을 눌르면 기기 DB에 북마크번호를 저장하고, 파이어베이스의 해당 유저의 문서에 북마크 값을 저장한다.

   • 파이어 베이스에 저장하는 이유는 후에 유저 기반 추천시스템을 구현할 수도 있기에

1. 검색을 수행할 시 최근 검색어를 Room DB에 저장하여 이를 보여준다.
2. 초기 메인화면에서 계산한 나에게 맞는 칵테일 리스트를 전부 다 보여준다.
3. 검색어 입력 시 각각의 검색입력마다 간략한 결과를 출력한다.
   • 사용자의 입력은 200ms마다 디바운싱되며 출력된 결과는 페이징을 지원한다.

    val pagingCocktailList = textFieldValue.debounce(200)
        .distinctUntilChanged()
        .flatMapLatest {
            cocktailRepository.cocktailPaging(textFieldValue.value.text)
        }

4. 간략한 결과를 클릭 시 디테일 화면으로 넘어가며, 검색을 완료하면 검색결과화면으로 이동한다.

1. 칵테일에 관한 정보는 RoomDB에 저장되어 있는 값을 사용하여 화면을 출력한다.
2. 레시피의 도식화는 Compose 에서 Canvas를 사용해보자 다음을 참고 하자.
3. 칵테일에 대한 리뷰는 Firestore에서 해당 값을 가져온다.
   • review콜렉션 내부에서 해당 칵테일의 idx와 같은 리뷰들을 가져와서 보여준다.

    firestore.collection("Review")
        .whereEqualTo("idx", idx)
        .get()
        .addOnSuccessListener { query ->
            query?.let {
                val reviewList = it.toObjects<Review>()
                if (reviewList.isNotEmpty()) {
                    reviewContents.clear()
                    reviewContents.addAll(reviewList)
                }
            }
        }

1. 칵테일의 리뷰에는 다음과 같은 요소가 필요하다.
   • 별점 (1점 ~ 5점)
   • 사진 (1장 ~ 5장)
   • 리뷰 콘텐츠(최대 150자)
2. 리뷰와 콘텐츠는 Compose에서 지원하는 UI로 입력받는다.
3. 사진의 경우 이미지 크롭뷰를 활용하여 이미지를 정사각형으로 잘라서 입력받는다. ImageCropView implementation "com.naver.android.helloyako:imagecropview:1.2.3"
4. 이미지는 기기 내부의 사진을 Content Provider의 query 활용하여 가져오며
   • 초기 선택 시에는 외부 저장소에 대한 Permission체크를 진행한다.
   • 기기의 Build.VERSION이 29(Q)초과일 때와 이하일 때 쿼리를 다르게 적용한다.
   • 가져온 이미지에 대한 페이징을 적용하여 메모리 사용량을 줄인다.
   • 폴더별 이미지 검색 구현

val pagingCocktailList: Flow<PagingData<GalleryImage>> =
    Pager(
        config = PagingConfig(
            pageSize = PAGING_SIZE,
            enablePlaceholders = false
        ),
        pagingSourceFactory = {
            GalleryPagingSource(imageRepository)
        }
    ).flow.cachedIn(viewModelScope)

5. 리뷰를 Firestore저장할 때는 사진의 경우는 바이트 코드로 변환 후 Firestorage에 저장 후 donwloadURL을 리뷰 페이지에 저장한다.
   • fireStore에 저장하는 로딩이 길기 때문에 putDataToStorage에서 저장될 때마다 현재 상태를 반환하여 로딩처리를 구현

1. 초기에 유저 위치정보에 대한 Permission체크를 진행하며 권한이 없다면 권한을 교청하는 화면을 출력한다.
2. 위치 정보는 구글라이브러이인 FusedLocationClient를 활용하여 초기에 1번만 위치 정보를 가져온다.
   • 초기 Composition될 때 LocationListener을 연결하고 Dispose될 때 해당 리스너를 제거한다.
3. 지도는 NAVER Map Compose를 활용한다.
   • 초기 얻어진 위치정보를 통해 카메라의 위치를 변경한다.
4. 사용자가 카메라의 위치가 변경 후 검색을 누를 때 마다 해당 반경 3Km이내에서 query="칵테일"의Location Search를 진행한다.
   • Location Search는 KAKAO_API를 활용했다.
     • 네이버에서는 좌표, 쿼리를 사용한 API를 제공하지 않음
5. 3KM이내 장소가 존재하지 않으면 snackbar를 출력한다.
   • 장소가 존재한다면 카메라 위치로부터 최대 거리의 마커를 선택하고 둘 사이를 반지름으로하는 원을 지도에 그린다.
6. 마커 클릭 시 관련 정보를 출력하고 네이버지도에 PendingIntent로 넘긴다.

1. RoomDB에서 북마크 리스트를 가져오며 북마크가 변화할 시 Firestore에도 업데이트를 진행한다.

1. 사용자 정보의 수정이 가능하다.
   • 닉네임
   • 선호 기주
   • 선호 키워드
   • 추천 가중치 수정이 가능하며 수정이 되면 DB 및 FireStore에 업데이트한다.