이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
대규모 트래픽 환경에서 쿼리 최적화를 시작한 것은 슬로우 쿼리 로그에서 시간이 오래 걸리는 쿼리를 추려내는 것이었습니다. 전체 쿼리를 최적화하려 하면 우선순위를 잃기 때문에, 가장 빈번하게 호출되면서 느린 쿼리부터 집중했습니다.
인덱스 전략이 가장 큰 개선을 가져왔습니다. EXPLAIN ANALYZE로 실행 계획을 보면서 풀 스캔이 발생하는 지점에 복합 인덱스를 추가했고, 카디널리티가 높은 컬럼을 인덱스 앞에 배치하면 선택도가 좋아진다는 것을 경험했습니다. 단, 쓰기 빈도가 높은 테이블에 인덱스를 과도하게 추가하면 역효과였습니다.
읽기 부하 분산도 병행했습니다. 조회 전용 쿼리는 읽기 복제본으로 라우팅해 주 DB 부하를 줄였고, 캐시 레이어를 추가해 반복 조회 비용을 낮추면서 응답 속도가 눈에 띄게 개선됐습니다.
쿼리 최적화를 위해 인덱스를 추가하면서 쓰기 성능이 낮아지는 부작용을 경험했습니다. 조회 속도를 높이기 위해 여러 컬럼에 인덱스를 추가했는데, 해당 테이블에 쓰기가 빈번하게 발생하는 상황에서 인덱스 유지 비용이 늘어나면서 전체 처리량이 낮아졌습니다. 읽기를 빠르게 하기 위해 쓰기를 느리게 만드는 결과였는데, 애플리케이션의 쓰기와 읽기 비율을 먼저 파악하지 않고 인덱스를 추가한 것이 문제였습니다. 사용되지 않는 인덱스를 제거하고 실제로 쿼리에서 자주 사용되는 컬럼에만 인덱스를 남기는 방향으로 정리하니 쓰기 성능이 회복됐습니다. 인덱스는 조회 최적화를 위한 도구이지만, 테이블의 쓰기 패턴을 함께 고려하지 않으면 전체 성능을 오히려 낮출 수 있다는 것을 이 경험에서 배웠습니다.
대규모 트래픽 환경에서 조회 성능을 높이기 위해 캐시 레이어를 도입했는데, 캐시 무효화 시점을 관리하는 것이 새로운 복잡성이 된 경험을 했습니다. 캐시를 적용하고 나서 응답 시간은 크게 줄었는데, 데이터가 변경된 후에도 캐시에 오래된 데이터가 남아있는 경우가 생겼습니다. 특히 여러 서비스가 같은 데이터를 캐시하고 있을 때 한 쪽에서 데이터를 변경하면 다른 캐시들이 언제 갱신되는지를 보장하기 어려웠습니다. 만료 시간을 짧게 설정하면 캐시 효율이 낮아지고, 길게 설정하면 오래된 데이터가 오래 남는 문제가 반복됐습니다. 캐시는 성능 문제를 해결하는 도구이지만, 일관성 보장이 필요한 데이터에 적용할 때는 캐시 무효화 전략을 함께 설계해야 한다는 것을 이 경험에서 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 GS리테일 데이터 엔지니어 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.