이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 때 상품 검색 API가 데이터가 늘수록 응답이 느려진다는 이슈를 맡았습니다. 처음엔 서버 사양 문제인 줄 알았는데, 실행 계획을 확인하니 풀텍스트 검색 쿼리가 인덱스 없이 전체 행을 스캔하고 있었습니다.
검색 컬럼에 복합 인덱스를 추가하고, 자주 쓰이는 카테고리 필터를 선행 조건으로 올리니 응답 시간이 2,100ms에서 210ms로 줄었습니다. 실패했던 부분은 처음에 인덱스를 추가하면서 기존 쓰기 성능을 확인하지 않은 것입니다. 쓰기 처리량이 약간 낮아진 걸 나중에야 발견했고, 이후엔 인덱스 추가 전 읽기·쓰기 비율을 먼저 확인하게 됐습니다.
개선 후 24시간 응답 시간 분포 차트를 만들어 팀에 공유했습니다. 측정 없이 개선이라고 부를 수 없다는 걸 그때 처음 실감했고, 이후 성능 작업엔 항상 before/after 지표 비교를 함께 챙기게 됐습니다.
팀 프로젝트에서 외부 검색 엔진을 호출하는 API가 엔진 장애 시 함께 다운되는 문제가 있었습니다. 검색 엔진 응답이 느려지자 스레드 풀이 꽉 차고, 연쇄적으로 다른 기능도 멈추는 상황을 경험했습니다.
그 이후 타임아웃과 폴백 응답을 명시적으로 설정했습니다. 검색 엔진이 300ms 이내에 응답하지 않으면 최근 캐시 결과를 반환하도록 바꾸니, 이후 장애 상황에서도 서비스가 완전히 멈추지 않았습니다.
처음엔 폴백이 너무 단순해서 결과 품질이 낮다는 피드백이 있었습니다. 캐시 TTL을 짧게 유지하고 폴백 발생 시 모니터링 알람이 뜨도록 추가하니, 장애를 빠르게 감지하고 수동으로 대응하는 흐름이 잡혔습니다. 안정성은 완벽한 방어보다 빠른 감지와 대응으로 만들어진다는 걸 그때 배웠습니다.
사이드 프로젝트에서 도서 검색 기능을 만들었는데, 기능 자체는 돌아갔지만 사용자들이 검색 결과 상위 3개를 거의 클릭하지 않는 패턴이 보였습니다. 단순 텍스트 매칭 순으로 결과가 나오다 보니 오래된 책이 제목 유사도만으로 최상위에 뜨는 문제가 있었습니다.
클릭 수와 최근성을 합산한 간단한 점수 공식을 만들어 정렬에 반영했습니다. 점수 가중치를 몇 차례 조정하면서 클릭률이 1.3배 가량 올랐습니다. 실패했던 부분은 초기에 점수 공식을 너무 복잡하게 짜서 이유 모르게 특정 책이 급격히 낮아지는 버그가 생긴 것입니다.
이후 공식을 단순화하고 점수 계산 과정을 로그로 남겨 문제가 생겼을 때 추적 가능하게 바꿨습니다. 검색 성능은 코드보다 데이터를 보는 것에서 시작된다는 걸 그때 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 비즈테크아이 AI 리서처 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.