Redis 미드레벨 기술면접

Redis 미드레벨 (3~7년) 코딩 · 알고리즘 5문항 조회수 150 · 2026-03-19 (목) 19:11:02
1 캐싱 전략
Medium

Q. 대규모 전자상거래 사이트에서 상품 상세 정보를 Redis로 캐싱하려고 합니다. Cache-Aside 패턴과 Write-Through 패턴 중 어떤 것을 선택하시겠습니까? 각 패턴의 장단점과 함께 선택 이유를 설명해주세요.

A. 모범답안

상품 상세 정보는 읽기가 많고 쓰기가 적은 특성상 Cache-Aside 패턴을 선택하겠습니다. Cache-Aside는 애플리케이션이 캐시를 직접 관리하며, 캐시 미스 시 DB에서 조회 후 캐시에 저장합니다. 이 패턴은 캐시 장애 시에도 DB로 폴백이 가능하고, 필요한 데이터만 캐싱되어 메모리 효율적입니다. Write-Through는 쓰기마다 캐시와 DB를 동시에 업데이트하여 일관성은 좋지만, 쓰기 지연이 발생하고 사용되지 않는 데이터도 캐싱될 수 있습니다. 상품 정보는 조회 빈도가 높고 즉시 일관성이 필수적이지 않으므로 Cache-Aside가 더 적합합니다.

핵심 포인트
  • • Cache-Aside는 Lazy Loading 방식으로 필요한 데이터만 캐싱
  • • Write-Through는 쓰기 시 캐시와 DB 동시 업데이트로 일관성 보장
  • • 읽기 중심 워크로드에는 Cache-Aside가 성능상 유리
  • • 캐시 장애 시 서비스 가용성 고려 필요
Follow-up 질문

Cache-Aside 패턴에서 캐시 스탬피드(Cache Stampede) 문제가 발생할 수 있습니다. 이를 어떻게 해결하시겠습니까?

2 데이터 구조
Medium

Q. 실시간 리더보드 시스템을 구현할 때 Redis의 Sorted Set을 사용하려고 합니다. ZADD, ZINCRBY, ZREVRANGE 명령어를 활용한 구현 방법과, 수백만 명의 사용자가 있을 때 성능 최적화 방안을 설명해주세요.

A. 모범답안

Sorted Set은 score 기반으로 자동 정렬되어 리더보드에 최적입니다. ZADD로 사용자와 점수를 추가하고, ZINCRBY로 점수를 증가시키며, ZREVRANGE로 상위 랭커를 조회합니다. 수백만 사용자 대응을 위해 여러 최적화가 필요합니다. 첫째, 시간 기반 파티셔닝으로 daily, weekly 리더보드를 분리하여 데이터 크기를 제한합니다. 둘째, ZREVRANGE에 LIMIT을 사용해 필요한 상위 N명만 조회합니다. 셋째, 전체 랭킹이 아닌 특정 사용자 주변 랭킹만 보여주는 경우 ZRANK와 ZREVRANGE를 조합합니다. 넷째, 읽기가 많다면 상위 랭커 결과를 String으로 별도 캐싱하여 Sorted Set 조회를 줄입니다.

핵심 포인트
  • • Sorted Set의 시간복잡도는 ZADD O(log N), ZREVRANGE O(log N + M)
  • • 시간 기반 파티셔닝으로 데이터 크기 제한
  • • LIMIT을 활용한 범위 제한 조회로 성능 개선
  • • 핫 데이터는 별도 캐싱 레이어 추가 고려
Follow-up 질문

동점자 처리는 어떻게 하시겠습니까? 동일한 score를 가진 사용자들의 순서를 어떻게 결정할 수 있을까요?

3 분산 락
Hard

Q. Redis를 사용해 분산 락을 구현할 때 단순 SETNX 방식의 문제점과, Redlock 알고리즘의 동작 원리를 설명해주세요. 그리고 실무에서 Redlock 대신 다른 방식을 고려해야 하는 경우는 언제인지 말씀해주세요.

A. 모범답안

단순 SETNX는 락을 획득한 클라이언트가 죽으면 데드락이 발생하고, EXPIRE를 별도로 실행하면 원자성이 보장되지 않습니다. SET key value NX EX seconds로 원자적 락 획득은 가능하지만, 단일 Redis 인스턴스는 SPOF 문제가 있습니다. Redlock은 N개의 독립적인 Redis 인스턴스에 락을 획득하고, 과반수 이상에서 성공해야 락을 획득한 것으로 간주합니다. 하지만 Redlock은 구현 복잡도가 높고, 네트워크 지연이나 GC pause로 인한 안전성 논란이 있습니다. 실무에서는 강한 일관성이 필요하면 Zookeeper나 etcd 같은 합의 알고리즘 기반 시스템을 사용하고, 성능이 중요하고 일시적 중복 실행이 허용되면 단순 Redis 락을 사용하는 것이 실용적입니다.

핵심 포인트
  • • SET NX EX를 사용한 원자적 락 획득과 TTL 설정
  • • Redlock은 과반수 합의 방식으로 SPOF 해결 시도
  • • 락 해제 시 UUID 등으로 소유권 검증 필수
  • • 요구사항에 따라 Redis 락 vs 합의 알고리즘 기반 시스템 선택
Follow-up 질문

락을 보유한 프로세스의 작업 시간이 TTL을 초과할 수 있는 상황에서는 어떻게 대응하시겠습니까?

4 메모리 관리
Hard

Q. Redis 인스턴스의 메모리 사용량이 90%를 넘어 OOM 에러가 발생하고 있습니다. maxmemory-policy 옵션들의 차이를 설명하고, 어떤 정책을 선택할지 결정하는 기준과 함께 메모리 사용량을 줄이기 위한 추가 최적화 방안을 제시해주세요.

A. 모범답안

maxmemory-policy는 메모리 한계 도달 시 퇴거 전략을 정의합니다. noeviction은 쓰기를 거부하고, allkeys-lru는 모든 키 중 LRU로 제거하며, volatile-lru는 TTL이 설정된 키만 LRU로 제거합니다. allkeys-lfu와 volatile-lfu는 접근 빈도 기반입니다. 캐시로 사용하면 allkeys-lru, 일부 데이터에만 TTL이 있고 영구 데이터가 섞여있으면 volatile-lru를 선택합니다. 추가 최적화로는 첫째, 큰 키를 찾아 분할하거나 삭제합니다(MEMORY USAGE 활용). 둘째, Hash 자료구조에 hash-max-ziplist 설정으로 메모리 효율을 높입니다. 셋째, 적절한 TTL 설정으로 자동 만료를 유도합니다. 넷째, Redis Cluster로 샤딩하여 메모리를 분산합니다.

핵심 포인트
  • • allkeys-lru는 캐시 용도, volatile-lru는 혼합 용도에 적합
  • • LRU는 최근 사용 기반, LFU는 빈도 기반 퇴거
  • • MEMORY USAGE, BIGKEYS로 메모리 분석
  • • 자료구조 최적화와 샤딩으로 메모리 효율 개선
Follow-up 질문

Redis의 LRU는 정확한 LRU가 아닌 근사 LRU입니다. 이것이 성능과 메모리 측면에서 어떤 장점이 있나요?

5 파이프라인과 트랜잭션
Medium

Q. 대량의 데이터를 Redis에 저장해야 하는 배치 작업에서 Pipeline과 Transaction(MULTI/EXEC)을 각각 언제 사용해야 하는지 설명하고, 두 기능을 함께 사용할 때의 주의사항과 성능 최적화 방법을 제시해주세요.

A. 모범답안

Pipeline은 여러 명령을 한 번에 전송하여 네트워크 RTT를 줄이는 성능 최적화 기법으로, 명령 간 의존성이 없고 원자성이 필요없을 때 사용합니다. Transaction은 MULTI/EXEC로 여러 명령을 원자적으로 실행하여 중간 상태가 노출되지 않도록 보장하지만, 롤백은 지원하지 않습니다. 배치 작업에서는 주로 Pipeline을 사용해 처리량을 극대화하고, 일관성이 필요한 연관된 명령들만 Transaction으로 묶습니다. 두 기능을 함께 사용할 때는 Pipeline 내에 MULTI/EXEC를 포함시킬 수 있습니다. 성능 최적화를 위해 Pipeline 크기를 적절히 제한하고(예: 1000개씩), 너무 큰 Pipeline은 메모리 버퍼 오버플로우를 유발할 수 있으므로 배치 단위로 나눕니다. WATCH를 사용한 낙관적 락은 충돌이 잦으면 성능이 저하되므로 주의가 필요합니다.

핵심 포인트
  • • Pipeline은 RTT 감소로 처리량 증가, Transaction은 원자성 보장
  • • Pipeline 내에 MULTI/EXEC 포함 가능
  • • 적절한 배치 크기로 메모리와 성능 균형 유지
  • • Redis Transaction은 롤백 미지원, WATCH로 낙관적 락 구현
Follow-up 질문

Pipeline 사용 시 중간에 에러가 발생한 명령이 있다면 어떻게 처리하시겠습니까? 전체를 재시도해야 할까요?

댓글 0

로그인 후 댓글을 작성할 수 있습니다.

아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!