PostgreSQL 리드·아키텍트 시스템 설계 면접

주문 데이터는 Range 파티셔닝을 선택하며, 파티션 키는 order_date로 설정합니다. 최근 데이터 조회가 빈번하고 과거 데이터는 아카이빙이 필요하므로 월별 또는 주별 파티션이 적합합니다. pg_partman 익스텐션을 활용하여 파티션 자동 생성 및 삭제를 관리하고, 최근 3개월은 핫 파티션으로 유지하며 그 이전 데이터는 압축 또는 별도 테이블스페이스로 이동합니다. 파티션 프루닝을 통해 쿼리 성능을 최적화하고, 각 파티션별로 독립적인 인덱스와 통계 정보를 유지합니다. 비즈니스 요구사항에 따라 특정 파티션만 백업하거나 복구할 수 있도록 설계합니다.

Streaming Replication으로 3개 이상의 읽기 레플리카를 구성하고, PgBouncer를 통한 커넥션 풀링으로 연결 오버헤드를 줄입니다. 애플리케이션 레벨에서 쓰기는 마스터로, 읽기는 레플리카로 라우팅하되, 강한 일관성이 필요한 읽기는 마스터로 보냅니다. Redis 캐싱 레이어를 추가하여 반복적인 조회 쿼리를 캐시하고, Write-Through 패턴으로 데이터 일관성을 유지합니다. Logical Replication은 특정 테이블만 선택적으로 복제가 필요하거나, 이기종 DB 간 동기화가 필요할 때 활용합니다. 레플리카 지연 모니터링을 통해 임계값 초과 시 자동으로 해당 레플리카를 로드밸런서에서 제외하는 헬스체크를 구현합니다.

타임스탬프 컬럼에는 BRIN 인덱스를 적용하여 시계열 데이터의 물리적 정렬 특성을 활용하고 인덱스 크기를 최소화합니다. 사용자 ID와 같이 카디널리티가 높은 컬럼은 B-tree 인덱스를 사용하며, 복합 조건 조회가 빈번한 경우 (user_id, timestamp) 복합 인덱스를 생성합니다. 이벤트 타입처럼 JSONB 필드나 배열을 검색하는 경우 GIN 인덱스를 활용합니다. 파티셔닝과 결합하여 각 파티션별로 필요한 인덱스만 유지하고, pg_stat_user_indexes를 모니터링하여 사용되지 않는 인덱스는 제거합니다. 인덱스 생성 시 CONCURRENTLY 옵션을 사용하여 서비스 영향을 최소화하고, autovacuum 설정을 최적화하여 인덱스 블로트를 방지합니다.

기본적으로 Repeatable Read를 사용하여 트랜잭션 내에서 일관된 스냅샷을 보장하고, 팬텀 리드를 방지합니다. 중복 결제 방지를 위해 idempotency key를 유니크 제약조건으로 설정하고, 잔액 업데이트 시 SELECT FOR UPDATE를 활용하여 명시적 락을 획득합니다. Serializable은 가장 강한 보장을 제공하지만 직렬화 오류로 인한 재시도가 빈번하여 처리량이 감소하므로, 크리티컬한 특정 트랜잭션에만 선택적으로 적용합니다. Read Committed는 non-repeatable read 문제가 있어 금융 시스템에는 부적합합니다. 애플리케이션 레벨에서는 낙관적 락(버전 컬럼)과 재시도 로직을 구현하고, 트랜잭션 타임아웃을 설정하여 장기 트랜잭션을 방지합니다. 데드락 발생 시 자동 재시도 정책을 수립하고, pg_stat_database를 통해 트랜잭션 충돌을 모니터링합니다.

3단계 캐싱 전략을 적용합니다. 첫째, 애플리케이션 레벨에서 Redis를 활용한 쿼리 결과 캐싱으로 가장 빈번한 조회(상품 상세, 사용자 프로필)를 처리하며 TTL은 5-10분으로 설정합니다. 둘째, 복잡한 집계 쿼리는 Materialized View로 사전 계산하고, pg_cron이나 트리거를 통해 주기적 또는 이벤트 기반으로 REFRESH합니다. 셋째, PostgreSQL의 shared_buffers와 effective_cache_size를 적절히 설정하여 DB 레벨 캐싱을 최적화합니다. 캐시 무효화는 Write-Through 패턴으로 데이터 변경 시 즉시 캐시를 갱신하거나 삭제하며, 이벤트 기반 무효화를 위해 PostgreSQL의 NOTIFY/LISTEN을 활용합니다. Cache Stampede 방지를 위해 확률적 조기 만료(Probabilistic Early Expiration)나 락 기반 갱신을 구현하고, Circuit Breaker 패턴으로 캐시 장애 시 DB를 보호합니다.

Keyset Pagination(Seek Method)을 우선 선택합니다. WHERE id > last_seen_id ORDER BY id LIMIT 100 형태로 구현하여 인덱스를 효율적으로 활용하고, 깊은 페이지에서도 일정한 성능을 보장합니다. OFFSET/LIMIT은 구현이 간단하지만 OFFSET이 클수록 스캔해야 할 행이 많아져 성능이 선형적으로 저하되므로 피합니다. Cursor-based는 Base64 인코딩된 커서를 사용하여 페이지 상태를 캡슐화하며, 타임스탬프와 ID를 조합한 복합 키로 정렬 순서를 보장합니다. 실시간 데이터 추가로 인한 중복/누락 문제는 스냅샷 타임스탬프를 포함하여 해결하거나, 클라이언트에게 새 데이터 알림을 별도로 제공합니다. 총 개수가 필요한 경우 정확한 COUNT 대신 EXPLAIN을 파싱하거나 근사치를 제공하여 성능을 개선합니다. 인덱스는 (order_column, id) 형태로 생성하여 커버링 인덱스 효과를 극대화합니다.

Strangler Fig 패턴으로 점진적 전환을 수행합니다. 먼저 도메인 경계를 분석하여 강하게 결합된 테이블 그룹을 식별하고, 각 마이크로서비스별로 독립적인 데이터베이스를 할당하는 Database per Service 원칙을 따릅니다. 초기에는 Logical Replication으로 기존 DB와 신규 서비스 DB 간 양방향 동기화를 구축하여 롤백 가능성을 확보합니다. 서비스 간 트랜잭션은 Saga 패턴(Choreography 또는 Orchestration)으로 재설계하고, 보상 트랜잭션을 통해 최종 일관성을 보장합니다. 서비스 간 조인이 필요한 경우 CQRS 패턴으로 읽기 모델을 별도로 구성하거나, API Composition으로 애플리케이션 레벨에서 처리합니다. Foreign Key 제약조건은 애플리케이션 레벨 검증으로 대체하고, 참조 데이터는 이벤트 기반으로 동기화합니다. 전환 과정에서 Feature Toggle과 카나리 배포를 활용하여 리스크를 최소화하고, 모니터링을 강화하여 데이터 불일치를 조기에 감지합니다.