이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
MSSQL에서 대용량 데이터 쿼리 튜닝을 시작할 때 가장 먼저 확인하는 것은 실행 계획입니다. SET STATISTICS IO ON으로 논리적 읽기 수를 확인하고, 실행 계획에서 테이블 스캔이나 키 조회가 발생하는 지점을 찾아 인덱스 개선 우선순위를 정했습니다.
인덱스 재설계가 가장 큰 효과를 냈습니다. 커버링 인덱스를 활용해 자주 조회되는 컬럼을 인덱스에 포함시키면 키 조회 없이 인덱스만으로 결과를 반환할 수 있어 I/O가 크게 줄었습니다. 인덱스 단편화가 심한 경우 재구성도 병행했습니다.
통계 정보 관리도 중요했습니다. 데이터 분포가 크게 바뀐 테이블에서 옵티마이저가 오래된 통계를 기반으로 잘못된 실행 계획을 선택하는 경우가 있었고, 통계를 수동으로 업데이트하면 실행 계획이 개선되는 것을 경험했습니다.
MSSQL 튜닝에서 어느 쿼리가 느린지 먼저 찾는 것이 출발점입니다. Query Store를 활성화하면 쿼리별 성능 이력과 실행 계획 변경 시점을 추적할 수 있어, 성능이 갑자기 나빠진 쿼리의 원인을 기간 비교로 파악하는 데 유용했습니다. 통계 업데이트나 데이터 분포 변화 후 실행 계획이 바뀌면서 느려지는 케이스를 쿼리 스토어에서 발견한 경험이 있습니다.
sys.dm_exec_query_stats 같은 DMV로 실행 중 CPU·논리 읽기 비용이 높은 쿼리 순위를 뽑으면, 전체 시스템에서 튜닝 우선순위를 빠르게 정할 수 있습니다. 도구를 쓰기 전에 어느 쿼리를 먼저 봐야 할지를 알아야 튜닝 시간을 낭비하지 않는다는 것을 배웠습니다.
대용량 로그 테이블을 다룰 때 파티셔닝을 설계하면 쿼리 범위를 특정 파티션으로 좁힐 수 있다는 것을 배웠습니다. 날짜 기준 월별 파티션으로 나눠두면 최근 3개월 데이터만 조회하는 쿼리가 전체 테이블 스캔 없이 해당 파티션만 읽는 구조가 됩니다. WITH(NOLOCK) 힌트는 잠금 없이 읽어 응답 속도를 높이지만, 커밋되지 않은 데이터가 읽히는 Dirty Read 리스크가 있어 정합성이 중요한 조회에는 쓰지 않는 것이 원칙이었습니다. 통계·대시보드 집계처럼 약간의 부정확성을 허용하고 속도가 중요한 경우에만 NOLOCK을 검토했습니다.
튜닝 기법은 어디서 쓰느냐가 올바른 선택인지를 결정한다는 것을 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 콜마그룹 풀스택 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.