이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
성능 최적화 방법론으로 저는 측정 → 병목 식별 → 가설 설정 → 변경 → 재측정 순서를 지킵니다. 수업 프로젝트에서 쿼리 최적화를 할 때 먼저 EXPLAIN ANALYZE로 실행 계획을 확인했더니 풀 스캔이 발생하고 있었고, 인덱스를 추가하자 쿼리 시간이 2초에서 0.08초로 줄었습니다. 성능 최적화에서 가장 흔한 실수는 측정 없이 최적화하는 것입니다. 직관적으로 느린 것 같다고 바꾸면 오히려 코드가 복잡해지고 성능은 그대로인 경우가 많습니다. 검증은 동일 환경에서 최적화 전후를 반복 측정해야 의미 있고, 부하 조건을 바꿔가며 확인하는 것이 중요합니다. 앞으로도 최적화 작업을 할 때 감이 아니라 프로파일러와 로그로 병목을 먼저 찾는 방식을 유지하겠습니다.
최적화는 측정에서 시작하고 측정으로 끝납니다. 앞으로도 성능 최적화를 할 때 측정 없이 변경하지 않는 원칙을 유지하겠습니다. 프로파일러가 가리키는 곳부터 시작해야 최적화가 실제로 됩니다.
프론트엔드 성능 최적화를 처음 진지하게 다룬 건 사용자 이탈률이 높다는 피드백을 받은 이후였습니다. Lighthouse로 측정해보니 초기 번들 크기가 과도하게 컸고, 어디서 시간이 걸리는지 프로파일러 없이 넘겼던 게 문제였습니다. 코드 스플리팅과 lazy loading을 적용했고, First Contentful Paint가 3.2초에서 1.1초로 줄었습니다. 다만 이후에도 팀이 기능을 추가하면서 번들이 다시 커지는 일이 반복됐고, 저는 CI 파이프라인에 번들 사이즈 측정 단계를 추가했습니다. 특정 수치를 초과하면 PR이 경고를 내도록 했고, 그때부터 성능 지표가 팀 전체의 기준이 됐습니다. 검증은 동일 디바이스·동일 네트워크 조건에서 반복 측정하는 것 외에 실 사용자 환경 데이터와 비교하는 게 중요하다는 것도 그때 배웠습니다.
백엔드 API 응답이 느리다는 보고를 받은 뒤 가장 먼저 한 건 실제 트래픽에서 느린 엔드포인트를 측정하는 것이었습니다. 막연히 코드를 보면서 '여기가 느릴 것 같다'고 수정하는 방식을 먼저 써봤는데, 실제 병목은 예상했던 로직이 아닌 N+1 쿼리 문제에 있었습니다. EXPLAIN ANALYZE를 쓰기 전까지 원인을 찾는 데 이틀을 썼습니다. 이후 성능 개선 시도는 반드시 프로파일러 결과를 먼저 보고 시작하는 규칙을 세웠습니다. 검증 단계에서는 응답 시간만 보지 않고 CPU 사용률과 메모리 점유 변화를 함께 기록했습니다. 최적화가 응답을 빠르게 만들었더라도 서버 자원 소모가 커지면 트래픽이 늘었을 때 같은 문제가 다시 터질 수 있다는 걸 알게 됐습니다. 성능 문제는 부하 조건이 달라진 뒤에도 유지되는지를 봐야 완전히 닫힌다고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 프론트엔드 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.