이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
졸업 프로젝트에서 실시간 요청 처리량을 측정하는 모니터링 컴포넌트를 간단히 구현해본 경험이 있습니다. WebSocket으로 클라이언트와 연결하고, 서버 측에서 초당 요청 수(RPS)를 집계해 대시보드에 스트리밍하는 방식을 택했습니다. HTTP 폴링 방식보다 연결 유지 비용이 낮고 즉각적인 데이터 전달이 가능하다는 판단에서였습니다. 성능을 측정할 때는 응답 지연(latency)과 처리량(throughput) 두 가지를 기준으로 삼았고, Prometheus를 붙여 시계열 데이터로 남겼습니다. 데이터 처리는 집계 주기를 1초 단위로 설정하고, 급격한 스파이크가 생길 때는 이동 평균으로 smoothing하는 방법을 실험했습니다. 대규모 시스템에서는 메시지 큐로 버퍼링하는 구조가 더 적합하다는 것을 공부하면서, 이벤트 수집과 집계 단계를 분리하는 것이 핵심임을 배웠습니다.
시스템 설계 수업에서 대용량 이벤트를 수집해 실시간으로 집계하는 파이프라인을 설계하는 과제를 받았습니다. 처음에는 DB에 직접 쓰는 방식을 고려했는데, 이벤트 수가 많아지면 DB 쓰기 경쟁이 병목이 된다는 점을 금방 확인했습니다. 이벤트 수집과 집계 단계를 분리하는 것이 핵심이었고, 수집 레이어에서 메시지 큐로 버퍼링한 뒤 소비자 측에서 윈도우 단위로 집계해 저장하는 구조를 설계했습니다. 성능 지표로는 이벤트 처리 지연과 집계 주기당 누락률을 주로 사용했습니다. 실시간 요구사항이 엄격할수록 윈도우 크기와 처리 지연 사이의 트레이드오프를 명확히 문서화해야 이후 유지보수가 쉬웠습니다.
수집 레이어를 내구성 있게 설계하면 집계 로직이 실패해도 데이터 손실 없이 재처리할 수 있다는 점이 핵심 설계 원칙이었습니다.
사이드 프로젝트에서 서비스 사용 패턴을 추적하는 경량 에이전트를 클라이언트 측에 심는 방식을 실험했습니다. 서버 측에서 모든 것을 측정하면 API 호출 패턴만 보이고 실제 사용자 동선은 놓친다는 생각에서 시작했습니다. 클라이언트 에이전트는 이벤트를 로컬에서 배치로 모아 주기적으로 전송하고, 서버는 이를 받아 시계열 DB에 집계하는 구조로 설계했습니다. 네트워크 불안정 상황에서 로컬 버퍼 용량을 초과하면 오래된 이벤트를 드롭하되 세션 시작·종료는 반드시 보존하는 정책을 세웠습니다. 성능 측정은 수집 완전성과 집계 지연 두 가지로 했고, 95% 이상 완전성에서 1초 이내 집계를 목표로 삼았습니다.
어느 레이어에서 측정하느냐에 따라 보이는 데이터가 달라진다는 것이 이 프로젝트에서 얻은 가장 중요한 인사이트였습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 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.