이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
사이드 프로젝트에서 API 응답이 느리다는 피드백을 받고 처음으로 성능 분석을 해보았습니다. 먼저 응답 시간, 에러율, 처리량 세 지표를 기준으로 잡고, 부하 테스트 도구로 현재 상태를 측정하였습니다. 가장 느린 엔드포인트가 DB 조회를 반복 호출하는 구조였고, 캐싱 레이어를 붙이니 응답이 60% 이상 줄어들었습니다. 그 다음에는 N+1 쿼리 문제를 찾아서 JOIN으로 교체하였고, 쿼리 실행 계획도 확인하였습니다.
측정하지 않으면 어디가 느린지 알 수 없다는 것을 실제로 경험하였습니다. 수정 전후 수치를 비교하면서 무엇이 효과가 있었는지 파악하는 흐름이 자연스럽게 생겼습니다. 성능 최적화는 감이 아니라 데이터로 접근해야 합니다.
팀 프로젝트에서 페이지 로드가 느리다는 피드백이 반복됐어요. Lighthouse로 분석해보니 불필요한 리소스 로드와 렌더링 블로킹이 주요 원인이었습니다. 이미지를 WebP로 변환하고 지연 로딩을 적용했고, 번들 크기를 줄이기 위해 코드 분할을 도입했어요. 그 과정에서 각 변경이 점수에 어떤 영향을 주는지 하나씩 확인했습니다. 처음엔 한꺼번에 다 바꾸려다가 원인을 특정하기 어렵다는 걸 알고 하나씩 적용하는 방식으로 바꿨어요.
결과 점수가 52에서 78로 올랐고, 팀에서 개선 근거를 설명할 수 있어서 좋았습니다. 성능 분석은 변경 단위를 작게 유지해야 효과를 추적할 수 있어요.
인턴에서 특정 기능이 사용자가 늘수록 느려진다는 보고를 받고 원인을 찾는 일을 맡았어요. EXPLAIN ANALYZE로 쿼리 실행 계획을 보니 풀 테이블 스캔이 반복되고 있었습니다. 컬럼에 인덱스를 추가했더니 실행 시간이 1.2초에서 90ms로 줄었어요. 처음엔 코드 로직 문제인 줄 알았는데, DB 레벨에서 원인을 찾게 된 게 의외였습니다. 이후엔 기능 추가 전에 실행 계획을 먼저 확인하는 습관이 생겼어요.
성능 문제는 코드 밖에서 오는 경우도 많다는 걸 배웠습니다. 쿼리 하나가 전체 경험을 결정할 수 있다는 걸 직접 경험했어요. 문제는 코드보다 더 깊은 곳에 있을 때가 있어요.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 트립비토즈 모바일 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.