이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
졸업 프로젝트로 소규모 티켓 예매 서비스를 만들 때, 이벤트 오픈 순간 DB에 동시 요청이 몰려 서버가 멈춘 적이 있었습니다. 당시 3초 만에 400개 요청이 쏟아졌고, 쿼리 타임아웃이 연달아 터졌습니다.
그 실패 이후 Redis를 도입해 재고 수량 조회를 캐시하고, 결제 완료 처리를 비동기 큐로 분리했습니다. 실제 DB 쓰기는 큐 소비자가 순차적으로 처리하도록 바꾸니, 같은 규모의 테스트에서 타임아웃이 사라졌습니다.
이후 인턴십에서도 결제 API 응답 캐싱 TTL 설정이 트래픽 피크 대응에서 핵심 변수라는 걸 몸소 확인했습니다. 모니터링 지표로는 DB 커넥션 풀 사용률과 큐 적재량을 5초 간격으로 수집했습니다. 완벽하진 않았지만 그 경험이 트래픽 설계를 먼저 고민하는 습관을 만들어 줬습니다.
인턴 때 결제 서비스 운영 중 특정 프로모션 시간대에 요청이 평소의 20배가 됐는데, 수평 확장 설정이 느려 응답 지연이 3분간 지속됐습니다. 그 장애를 보면서 오토스케일링 쿨다운 타임을 단순히 디폴트로 두는 게 얼마나 위험한지 처음 실감했습니다.
이후 사이드 프로젝트에서 서킷브레이커 패턴을 직접 구현해 봤습니다. 외부 PG사 API 호출이 느려지면 일정 횟수 이후 자동으로 폴백 응답을 반환하도록 만들었고, 덕분에 장애가 내부 서비스로 번지지 않는 흐름을 경험했습니다.
실제로 모니터링에서 레이턴시 P99 수치가 갑자기 뛰는 구간을 포착하는 것이 조기 대응의 핵심이라는 걸 배웠습니다. 급증 트래픽 대비는 코드보다 설계 단계에서 결정된다는 점이 제게는 가장 큰 배움이었습니다.
팀 프로젝트에서 결제 내역 조회 API가 트래픽이 늘자마자 느려지는 문제를 맡았습니다. 원인을 분석하니 읽기·쓰기가 같은 DB 인스턴스로 향해 커넥션이 금방 바닥났습니다.
읽기 전용 레플리카를 붙이고 조회 쿼리를 분기하는 방식을 적용했는데, 처음엔 레플리카 지연이 0.5초가 있어서 결제 직후 내역 조회가 비어 보이는 버그가 생겼습니다. 그 실수로 레플리케이션 랙을 항상 모니터링해야 한다는 걸 배웠습니다.
인덱스도 함께 손봤습니다. user_id + created_at 복합 인덱스를 추가하니 조회 쿼리 실행 계획에서 풀스캔이 사라졌고, 응답 시간이 800ms에서 60ms로 줄었습니다. 완벽한 해결은 아니었지만 DB 레벨 분리가 트래픽 급증 대응의 기본이라는 인식을 그때부터 갖게 됐습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 토스 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.