PostgreSQL 시니어 기술면접
새 면접Q. PostgreSQL의 MVCC(Multi-Version Concurrency Control) 구조에서 VACUUM과 AUTOVACUUM의 동작 원리를 설명하고, 대규모 트래픽 환경에서 VACUUM으로 인한 성능 저하를 최소화하기 위한 튜닝 전략을 제시해주세요.
PostgreSQL은 MVCC를 통해 동시성을 보장하지만, 업데이트/삭제 시 dead tuple이 누적됩니다. VACUUM은 이를 제거하고 FSM(Free Space Map)을 갱신하며, 트랜잭션 ID wraparound를 방지합니다. 대규모 환경에서는 autovacuum_vacuum_cost_limit를 적절히 조정하고, maintenance_work_mem을 증가시켜 VACUUM 효율을 높입니다. 또한 autovacuum_naptime과 autovacuum_vacuum_scale_factor를 테이블 특성에 맞게 조정하고, 피크 시간대를 피해 수동 VACUUM을 스케줄링하거나, 파티셔닝을 통해 VACUUM 범위를 분산시키는 전략을 사용합니다.
- • MVCC로 인한 dead tuple 관리 메커니즘
- • autovacuum 파라미터 튜닝 (cost_limit, scale_factor, naptime)
- • maintenance_work_mem 조정과 파티셔닝을 통한 VACUUM 부하 분산
bloat이 심각하게 누적된 테이블을 운영 중단 없이 정리하는 방법과 pg_repack 같은 도구의 동작 원리를 설명해주세요.
Q. B-tree, Hash, GiST, GIN, BRIN 인덱스의 내부 구조와 적합한 사용 사례를 비교 설명하고, 실제 프로덕션 환경에서 JSONB 컬럼에 대한 쿼리 성능 최적화를 위해 어떤 인덱스 전략을 선택하시겠습니까?
B-tree는 범위 검색과 정렬에 최적화된 균형 트리 구조이고, Hash는 등호 검색에 특화되어 있습니다. GiST는 기하학적 데이터와 전문 검색을, GIN은 배열과 JSONB 같은 복합 타입의 포함 검색에 유리하며, BRIN은 대용량 테이블의 물리적 순서 기반 범위 검색에 효율적입니다. JSONB의 경우, 특정 키 검색이 많으면 expression 인덱스를 사용하고, 다양한 키 검색이 필요하면 GIN 인덱스를 생성하되, jsonb_path_ops를 통해 인덱스 크기를 줄이고 성능을 향상시킵니다. 쿼리 패턴 분석 후 자주 사용되는 키에만 부분 인덱스를 적용하여 저장 공간과 쓰기 성능을 최적화합니다.
- • 각 인덱스 타입의 내부 구조와 적합한 사용 사례
- • JSONB에 대한 GIN 인덱스와 jsonb_path_ops 옵션
- • expression 인덱스와 부분 인덱스를 통한 최적화
멀티 컬럼 인덱스에서 컬럼 순서가 성능에 미치는 영향과 Index-Only Scan이 가능한 조건을 설명해주세요.
Q. EXPLAIN ANALYZE의 출력 결과를 해석하는 방법과, 실행 계획에서 Seq Scan이 Index Scan보다 선택되는 이유를 설명하고, 이를 개선하기 위한 접근 방법을 제시해주세요.
EXPLAIN ANALYZE는 예상 비용(cost)과 실제 실행 시간(actual time), 처리 행 수(rows)를 보여주며, 각 노드의 병목을 식별할 수 있습니다. Seq Scan이 선택되는 이유는 통계 정보가 오래되었거나, 선택도가 낮아 테이블의 상당 부분을 읽어야 하거나, random_page_cost가 높게 설정되어 있을 때입니다. 개선을 위해서는 먼저 ANALYZE로 통계를 갱신하고, default_statistics_target을 높여 통계 정확도를 개선합니다. 필요시 WHERE 조건에 맞는 부분 인덱스를 생성하고, random_page_cost를 SSD 환경에 맞게 조정(1.1~1.5)하며, work_mem을 증가시켜 정렬과 해시 조인 성능을 향상시킵니다.
- • EXPLAIN ANALYZE 출력의 cost, actual time, rows 해석
- • Seq Scan 선택 원인: 통계 정보, 선택도, 비용 파라미터
- • ANALYZE 갱신, 부분 인덱스, random_page_cost 튜닝
Nested Loop, Hash Join, Merge Join의 선택 기준과 각각의 성능 특성을 비교 설명해주세요.
Q. PostgreSQL의 스트리밍 복제(Streaming Replication)와 논리 복제(Logical Replication)의 차이점을 설명하고, 각각의 장단점과 적합한 사용 사례를 제시해주세요. 또한 복제 지연(replication lag)을 모니터링하고 해결하는 방법을 설명해주세요.
스트리밍 복제는 WAL 레코드를 물리적으로 전송하여 전체 클러스터를 복제하며, 읽기 부하 분산과 HA 구성에 적합하지만 버전과 아키텍처가 동일해야 합니다. 논리 복제는 변경 사항을 논리적으로 디코딩하여 특정 테이블만 선택적으로 복제할 수 있고, 버전 간 마이그레이션이나 멀티 마스터 구성이 가능하지만 DDL은 자동 복제되지 않고 성능이 상대적으로 낮습니다. 복제 지연은 pg_stat_replication 뷰의 replay_lag과 write_lag을 모니터링하며, wal_sender_timeout과 max_wal_senders를 조정하고, 대용량 트랜잭션을 분할하거나 standby의 하드웨어를 업그레이드하여 해결합니다. 또한 hot_standby_feedback을 활성화하여 standby의 쿼리로 인한 충돌을 방지합니다.
- • 스트리밍 복제(물리적, 전체 복제)와 논리 복제(선택적, 버전 독립)
- • 각 방식의 장단점과 사용 사례(HA vs 마이그레이션)
- • pg_stat_replication 모니터링과 지연 해결 전략
동기식 복제(synchronous replication)와 비동기식 복제의 트레이드오프를 설명하고, synchronous_commit의 다양한 레벨을 비교해주세요.
Q. PostgreSQL의 선언적 파티셔닝(Declarative Partitioning)을 설계할 때 고려해야 할 사항과, Range, List, Hash 파티셔닝의 선택 기준을 설명해주세요. 또한 수십억 건의 로그 데이터를 효율적으로 관리하기 위한 파티셔닝 전략과 오래된 파티션을 삭제하는 방법을 제시해주세요.
파티셔닝 설계 시 쿼리 패턴, 파티션 키 선택, 파티션 개수와 크기, constraint_exclusion 설정을 고려해야 합니다. Range 파티셔닝은 시계열 데이터에, List는 지역이나 카테고리 같은 명확한 구분값에, Hash는 균등 분산이 필요한 경우에 적합합니다. 로그 데이터는 일별 또는 주별 Range 파티셔닝을 적용하고, enable_partition_pruning을 활성화하여 쿼리 성능을 최적화합니다. 각 파티션에 적절한 인덱스를 생성하고, BRIN 인덱스로 저장 공간을 절약합니다. 오래된 데이터는 DROP TABLE로 파티션 전체를 삭제하거나, DETACH PARTITION 후 별도 테이블스페이스로 이동하여 아카이빙하며, pg_cron이나 외부 스케줄러로 자동화합니다.
- • Range(시계열), List(카테고리), Hash(균등 분산) 파티셔닝 선택 기준
- • enable_partition_pruning과 BRIN 인덱스를 통한 최적화
- • DROP TABLE 또는 DETACH PARTITION을 통한 파티션 관리
파티션된 테이블에서 ATTACH PARTITION과 DETACH PARTITION의 내부 동작 원리와, 이 과정에서 발생할 수 있는 락(lock) 문제를 어떻게 처리하시겠습니까?
아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!