이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
Kafka를 실무에서 써본 경험은 없지만, 개인 프로젝트에서 RabbitMQ로 비동기 처리를 구현하면서 메시지 큐 개념을 익혔습니다.
처음에는 생산자가 메시지를 보냈는데 소비자가 처리 전에 죽으면 메시지가 날아가는 문제가 발생했습니다. 영구 큐 설정과 ack 처리를 제대로 구현하지 않은 것이 원인이었습니다. 이 오류를 찾는 데 이틀이 걸렸습니다.
Kafka라면 파티션 분산과 컨슈머 그룹 설계가 핵심이라는 것을 공부하면서 알게 되었습니다. 스케일을 키울 때 파티션 수와 컨슈머 수의 관계를 잘못 설계하면 처리량이 기대만큼 늘지 않는다는 것도 알게 되었습니다. 실무에서 직접 다뤄보고 싶습니다.
졸업 프로젝트에서 이미지 업로드 후 리사이징 처리가 느려서 API 응답이 5초가 넘는 문제가 생겼어요.
처음엔 동기로 처리했는데, 리사이징이 끝나야 응답이 가니까 사용자가 5초를 기다려야 했습니다. 업로드와 리사이징을 분리해서 큐에 넣고 비동기로 처리하도록 바꿨어요. 간단한 Redis 큐를 직접 구현했고, 응답 시간이 0.3초로 줄었습니다. 실패한 것도 있었는데 큐가 쌓일 때 처리 지연이 생기는 새 문제가 나왔어요.
Kafka 같은 분산 스트리밍을 쓰면 이 부분을 더 잘 해결할 수 있다는 걸 이후 공부하면서 알게 됐습니다. 파티션 분산으로 처리량을 수평 확장할 수 있다는 점이 특히 매력적이에요. 실제 환경에서 Kafka를 써보고 싶습니다.
Kafka를 실무에서 구축한 경험은 없지만, 데이터 파이프라인 공부를 하면서 파티션, 오프셋, 컨슈머 그룹의 개념을 이해하게 됐어요.
어려움을 예측하면, 파티션 키 설계가 잘못되면 특정 파티션에만 메시지가 몰리는 핫 파티션 문제가 생길 수 있다는 걸 배웠어요. 그리고 at-least-once 처리를 보장하려면 소비자 측에서 멱등성을 구현해야 한다는 점도 공부했습니다.
해결 방법으로는 파티션 키를 균등하게 분산되도록 해시 기반으로 설계하고, 소비자는 중복 처리 시 같은 결과가 나오도록 구현하는 게 기본이라고 이해하고 있어요. 실제로 구현해보면서 이론과 다른 부분을 직접 배우고 싶습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 incross 백엔드 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.