Go 미드레벨 코딩 기술면접

Worker Pool 패턴 구현 시 작업 채널(job channel), 결과 채널(result channel), 워커 고루틴 수, Graceful Shutdown 메커니즘을 고려해야 합니다. 버퍼 크기는 메모리와 처리 지연 간 트레이드오프를 고려하여 평균 작업 생성 속도와 처리 속도의 차이를 기반으로 설정합니다. 워커 수는 작업이 CPU-bound인 경우 runtime.NumCPU()를, I/O-bound인 경우 더 많은 수를 설정하며, 부하 테스트를 통해 최적값을 찾습니다. WaitGroup이나 Context를 활용해 모든 워커의 작업 완료를 추적하고, 채널을 닫아 워커들이 정상 종료되도록 합니다.

대용량 파일 처리 시 전체 파일을 메모리에 로드하지 않고 청크 단위로 읽는 스트리밍 방식을 사용해야 합니다. bufio.Scanner는 줄 단위 또는 토큰 단위로 자동 분할하며 내부 버퍼 크기 제한(기본 64KB)이 있어 로그 파일이나 텍스트 처리에 적합합니다. bufio.Reader는 더 낮은 수준의 제어를 제공하며 Read, ReadBytes, ReadString 등의 메서드로 유연한 읽기가 가능하고, 버퍼 크기를 직접 설정할 수 있어 바이너리 파일이나 큰 레코드 처리에 적합합니다. 메모리 사용을 최소화하려면 io.Reader 인터페이스를 활용한 파이프라인 패턴으로 읽기-처리-쓰기를 스트리밍으로 연결합니다.

Reflection은 런타임에 타입 정보를 조회하고 값을 조작하므로 컴파일 타임 최적화가 불가능하고, 인터페이스 변환, 메모리 할당, 간접 참조 등으로 인해 일반 코드 대비 10~100배 느립니다. 성능 개선 방법으로는 코드 생성(code generation)을 통해 컴파일 타임에 타입별 직렬화 코드를 미리 생성하거나, 자주 사용되는 타입 정보를 캐싱하여 reflect.TypeOf 호출을 줄이는 방법이 있습니다. easyjson, ffjson 같은 라이브러리는 코드 생성 방식으로 표준 encoding/json보다 3~5배 빠른 성능을 제공합니다. 또한 sync.Pool을 활용해 리플렉션 과정에서 생성되는 임시 객체를 재사용하여 GC 압력을 줄일 수 있습니다.

커스텀 에러 타입은 구조체로 정의하여 에러 코드, 메시지, 컨텍스트 정보(사용자 ID, 요청 ID 등)를 포함하고 Error() 메서드를 구현합니다. 센티널 에러(var ErrNotFound = errors.New)는 간단하고 비교가 쉬우나 추가 컨텍스트를 담을 수 없어 패키지 레벨의 고정된 에러 상태 표현에 적합합니다. 커스텀 에러 타입은 동적 정보를 포함할 수 있고 타입 어설션으로 세부 정보 추출이 가능하나 정의와 사용이 복잡하여 도메인별 상세한 에러 처리가 필요한 경우에 적합합니다. 실무에서는 공통 에러는 센티널로, 비즈니스 로직 에러는 커스텀 타입으로 구분하고, 에러 래핑으로 호출 스택 정보를 보존합니다.

Token Bucket은 일정 속도로 토큰을 생성하여 버킷에 채우고 요청 시 토큰을 소비하는 방식으로 버스트 트래픽을 허용하며, Leaky Bucket은 고정된 속도로 요청을 처리하여 평활화된 출력을 보장합니다. golang.org/x/time/rate는 Token Bucket 기반으로 limiter.Allow(), limiter.Wait() 등의 메서드를 제공하며, 내부적으로 마지막 토큰 생성 시간과 현재 토큰 수를 추적하여 동시성 안전하게 동작합니다. 분산 환경에서는 Redis를 활용한 중앙집중식 카운터 방식이나 Sliding Window 알고리즘을 사용하며, Lua 스크립트로 원자적 연산을 보장하거나, 각 인스턴스별로 전체 제한의 일부를 할당하는 분산 토큰 방식을 사용합니다.