이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
SQL 튜닝 경험 중 가장 기억에 남는 것은 인덱스 설계를 잘못해서 쿼리가 느려진 경우입니다. WHERE 조건에 자주 쓰이는 컬럼에 인덱스가 없어서, 풀 스캔이 반복되고 있었습니다. EXPLAIN 명령으로 실행 계획을 확인했더니 `Seq Scan`이 반복되는 것이 보였고, 복합 인덱스를 추가한 후 응답 시간이 10초 이상에서 1초 이내로 줄어들었습니다. 대규모 트래픽 환경에서는 인덱스가 잘 걸려 있어도 인덱스 선택율이 낮으면 옵티마이저가 풀 스캔을 선택하는 경우도 있습니다.
ANALYZE 실행으로 통계를 갱신하는 것도 튜닝의 일부라는 것을 그때 배웠습니다. 실행 계획을 읽는 능력이 튜닝의 출발점입니다.
대규모 트래픽 환경에서 겪은 SQL 성능 이슈 중 `N+1` 문제가 자주 나타났습니다. 루프 안에서 개별 쿼리를 반복 호출하는 구조였는데, 데이터 건수가 늘수록 응답 시간이 선형으로 증가했어요. JOIN으로 한 번에 가져오도록 쿼리를 리팩터링하고, 불필요한 컬럼 조회를 줄이는 것만으로도 성능이 크게 개선됐습니다. 또 읽기 전용 쿼리는 읽기 복제본으로 분산하는 방식도 사용했어요. 전체 부하를 마스터 DB에 집중하지 않는 게 트래픽 환경에서 중요한 전략이었습니다.
쿼리 하나가 서비스 전체 응답에 영향을 준다는 걸 그 경험이 알려줬어요. 작은 최적화가 전체 응답에 큰 차이를 만들었습니다.
대용량 테이블에서 범위 조건 쿼리 속도를 높이기 위해 파티셔닝을 공부한 적이 있습니다. 수천만 건 이상의 로그 테이블에서 날짜 기준으로 조회하면 전체 스캔이 발생하는 문제였어요. 날짜 컬럼 기준 파티셔닝을 적용하면 해당 기간 파티션만 스캔하게 돼서 성능이 개선됩니다. 실습에서 EXPLAIN ANALYZE로 파티션 프루닝이 적용되는지 확인했는데, 조건이 명확하지 않으면 프루닝이 안 되는 경우도 있었어요. 슬로우쿼리 로그를 주기적으로 확인하고, 실행 계획이 예상과 다른 쿼리부터 우선 튜닝하는 방식이 효율적이라는 걸 배웠습니다. 튜닝은 측정 없이는 방향을 잡기 어렵습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 마켓컬리 DBA 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.