이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 중 팀 GCP 계정의 비용이 예상보다 많이 나오는 문제가 있어서 BigQuery 쿼리 비용 분석 작업을 담당했습니다. INFORMATION_SCHEMA를 이용해 가장 많은 데이터를 스캔한 쿼리와 담당자를 집계했는데, 전체 비용의 70% 이상이 파티션 없이 전체 테이블을 스캔하는 쿼리 몇 개에서 발생하고 있었습니다. 파티션 컬럼 기준 필터를 추가하고 자주 쓰이는 컬럼을 클러스터링 설정에 반영했더니 월 비용이 약 30% 줄었습니다.
클라우드 비용 최적화는 인프라 설정보다 쿼리 패턴 개선이 더 빠른 효과를 낸다는 걸 배웠고, 사용량 이력을 주기적으로 보는 습관이 비용 이상 징후를 빨리 잡는 데 도움이 됐습니다. 지금도 새 쿼리를 만들 때 스캔 범위를 먼저 확인하는 습관을 유지하고 있습니다.
졸업 프로젝트에서 BigQuery로 로그 분석을 처음 해봤는데, 간단한 집계 쿼리를 돌렸는데도 청구 금액이 예상보다 10배 나왔습니다. 원인을 찾아보니 테이블에 파티션이 없어 쿼리마다 전체 데이터를 스캔하고 있었습니다. BigQuery는 스캔 데이터 양에 따라 비용이 나온다는 걸 처음 알았습니다. 날짜 컬럼으로 파티션을 나누고, 쿼리에 날짜 필터를 붙이도록 바꾼 뒤 비용이 90% 줄었습니다. 처음에는 쿼리 결과만 보고 넘겼는데, 쿼리 처리 데이터 용량을 실행 전에 확인하는 습관이 생겼습니다. 클라우드 데이터웨어하우스는 쿼리 비용 구조를 이해하지 않으면 예상치 못한 청구서가 나올 수 있다는 걸 이 경험으로 배웠습니다.
인턴 기간에 팀의 GCP 비용이 월마다 들쭉날쭉하다는 문제를 개선하는 작업을 맡았습니다. BigQuery의 INFORMATION_SCHEMA를 활용해 쿼리별 스캔 용량과 실행 사용자를 집계하는 뷰를 만들었습니다. 처음에는 데이터를 모아도 스프레드시트에 붙여 넣는 수작업이 반복됐는데, Looker Studio로 자동 대시보드를 연결하자 팀원 모두가 매일 자기 쿼리 비용을 확인할 수 있게 됐습니다. 이후 한 팀원이 비용이 큰 쿼리를 직접 발견해 최적화하는 사례가 생겼습니다. 비용 문제는 누군가 알려줘야 인식하는 게 아니라 가시성이 있어야 팀 전체가 스스로 개선한다는 걸 이 경험으로 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 인프라/클라우드 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.