AWS 미드레벨 기술면접

AWS 미드레벨 (3~7년) 코딩 · 알고리즘 5문항 조회수 84 · 2026-03-29 (일) 11:10:51
1 Lambda 최적화
Medium

Q. AWS Lambda 함수가 Cold Start 문제로 응답 시간이 느려지는 상황입니다. 이 문제를 해결하기 위한 최적화 방법 3가지를 설명하고, 각각의 트레이드오프를 설명해주세요.

A. 모범답안

첫째, Provisioned Concurrency를 설정하여 미리 초기화된 실행 환경을 유지할 수 있지만 추가 비용이 발생합니다. 둘째, 메모리 할당량을 증가시켜 CPU 성능을 향상시키고 초기화 시간을 단축할 수 있으나 실행 비용이 증가합니다. 셋째, 런타임을 Python이나 Node.js처럼 가벼운 언어로 선택하고, 의존성을 최소화하며 Lambda Layer를 활용해 패키지 크기를 줄일 수 있습니다. 넷째, VPC 연결이 필요없다면 제거하여 ENI 생성 시간을 절약할 수 있습니다.

핵심 포인트
  • • Provisioned Concurrency 설정으로 warm instance 유지
  • • 메모리 증가로 CPU 성능 향상 및 초기화 시간 단축
  • • 런타임 선택 최적화 및 패키지 크기 최소화
  • • 불필요한 VPC 연결 제거
Follow-up 질문

Lambda@Edge를 사용할 때 Cold Start 최적화 전략은 일반 Lambda와 어떻게 다른가요?

2 S3 성능 최적화
Medium

Q. 초당 수천 개의 이미지 파일을 S3에 업로드하는 서비스를 개발 중입니다. S3의 성능을 최대화하기 위한 키 네이밍 전략과 업로드 방식을 설명하고, 구현 시 고려해야 할 사항을 설명해주세요.

A. 모범답안

S3는 접두사(prefix) 단위로 초당 3,500 PUT/COPY/POST/DELETE 및 5,500 GET/HEAD 요청을 처리할 수 있으므로, 해시값이나 랜덤 문자열을 키 앞부분에 추가하여 파티션을 분산시켜야 합니다. Multipart Upload를 사용하여 100MB 이상의 파일을 병렬로 업로드하고, 네트워크 오류 시 재시도 비용을 줄일 수 있습니다. Transfer Acceleration을 활성화하여 CloudFront 엣지 로케이션을 통해 업로드 속도를 향상시킬 수 있습니다. 또한 적절한 Content-Type과 메타데이터를 설정하고, 업로드 실패 시 재시도 로직과 exponential backoff를 구현해야 합니다.

핵심 포인트
  • • 키 네이밍에 해시/랜덤 접두사 추가로 파티션 분산
  • • Multipart Upload로 대용량 파일 병렬 처리
  • • Transfer Acceleration으로 업로드 속도 향상
  • • 재시도 로직 및 exponential backoff 구현
Follow-up 질문

S3 이벤트를 Lambda로 처리할 때 동시 업로드가 많으면 어떤 문제가 발생할 수 있고, 어떻게 해결하나요?

3 DynamoDB 설계
Hard

Q. 전자상거래 주문 시스템을 DynamoDB로 설계하려고 합니다. 사용자별 주문 조회, 특정 기간 주문 조회, 주문 상태별 조회가 모두 필요한 상황에서 효율적인 테이블 설계 방법과 인덱스 전략을 설명해주세요. Hot Partition 문제를 어떻게 방지할 것인지도 포함해주세요.

A. 모범답안

Primary Key는 userId를 Partition Key로, orderDate#orderId를 Sort Key로 설계하여 사용자별 시간순 조회를 지원합니다. GSI1은 status를 Partition Key로, orderDate를 Sort Key로 설정하여 상태별 조회를 지원하되, status에 난수를 추가(예: PENDING#1~PENDING#10)하여 Hot Partition을 방지합니다. GSI2는 날짜별 조회를 위해 date를 Partition Key로 설정하되, 연-월 단위로 분할하고 시간대별 샤딩을 고려합니다. 대량 주문이 발생하는 특정 사용자에 대해서는 Write Sharding 기법을 적용하여 suffix를 추가하고, 조회 시 병렬 쿼리로 결과를 병합합니다.

핵심 포인트
  • • userId + orderDate#orderId로 복합 Sort Key 구성
  • • GSI에서 상태값에 난수 추가로 Hot Partition 방지
  • • 날짜 기반 파티션은 월 단위 분할
  • • Write Sharding으로 특정 사용자 집중 방지
Follow-up 질문

DynamoDB Streams를 활용하여 주문 상태 변경 이벤트를 처리할 때, 순서 보장이 필요하다면 어떻게 설계하시겠습니까?

4 API Gateway 보안
Medium

Q. API Gateway에서 Rate Limiting과 Throttling을 구현하는 방법을 설명하고, 특정 VIP 고객에게는 더 높은 할당량을 부여하는 시스템을 어떻게 구현할 수 있는지 설명해주세요.

A. 모범답안

API Gateway의 Usage Plan을 생성하여 Rate(초당 요청 수)와 Burst(동시 요청 수) 제한을 설정하고, API Key를 통해 클라이언트를 식별합니다. VIP 고객을 위해서는 별도의 Usage Plan을 생성하여 더 높은 quota와 throttle 값을 설정하고, 각 고객 그룹에 맞는 API Key를 발급합니다. 더 세밀한 제어가 필요하다면 Lambda Authorizer에서 JWT 토큰의 클레임을 검증하여 사용자 등급을 파악하고, 요청 컨텍스트에 메타데이터를 추가한 후, Lambda 함수 내에서 DynamoDB를 활용한 분산 Rate Limiting을 구현할 수 있습니다. CloudWatch Logs를 통해 throttling 발생을 모니터링하고 알람을 설정해야 합니다.

핵심 포인트
  • • Usage Plan으로 Rate와 Burst 제한 설정
  • • 고객 등급별 별도 Usage Plan 및 API Key 발급
  • • Lambda Authorizer로 동적 권한 제어
  • • DynamoDB 기반 분산 Rate Limiting 구현
Follow-up 질문

API Gateway의 기본 throttling만으로 부족하여 Redis를 사용한 분산 Rate Limiting을 구현한다면, 어떤 알고리즘을 사용하시겠습니까?

5 ECS 트러블슈팅
Hard

Q. ECS Fargate에서 실행 중인 컨테이너가 간헐적으로 Health Check 실패로 재시작되는 문제가 발생했습니다. 문제 원인을 파악하기 위한 디버깅 절차와, Health Check 설정을 최적화하는 방법을 단계별로 설명해주세요.

A. 모범답안

먼저 CloudWatch Logs에서 애플리케이션 로그와 ECS 에이전트 로그를 확인하여 Health Check 실패 시점의 에러를 파악합니다. Task Definition의 healthCheck 설정에서 interval, timeout, retries, startPeriod 값을 검토하고, 특히 startPeriod를 애플리케이션 초기화 시간보다 충분히 길게 설정합니다. 컨테이너의 CPU와 메모리 사용률을 CloudWatch Container Insights로 모니터링하여 리소스 부족 여부를 확인하고, 필요시 Task 크기를 증가시킵니다. Health Check 엔드포인트 자체의 성능을 개선하여 DB 쿼리나 외부 API 호출을 제거하고, 단순 상태 체크만 수행하도록 수정합니다. ALB의 Target Group Health Check 설정도 함께 검토하여 ECS Task의 Health Check와 일관성을 유지합니다.

핵심 포인트
  • • CloudWatch Logs로 실패 시점 로그 분석
  • • startPeriod를 충분히 길게 설정하여 초기화 시간 확보
  • • Container Insights로 리소스 사용률 모니터링
  • • Health Check 엔드포인트 경량화 및 ALB 설정 일치
Follow-up 질문

ECS Service의 배포 전략을 Rolling Update에서 Blue/Green으로 변경할 때 고려해야 할 사항은 무엇인가요?

댓글 0

로그인 후 댓글을 작성할 수 있습니다.

아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!