Linux 리드·아키텍트 테스트·코드품질 면접

커널 모듈은 QEMU/KVM 기반 가상환경에서 실제 커널 로딩 테스트를 수행하고, 시스템 데몬은 Docker 컨테이너로 격리하여 systemd mock 환경에서 테스트합니다. CLI 도구는 bats나 shunit2로 단위 테스트하되, 데몬과의 통합은 Docker Compose로 전체 스택을 구성합니다. CI에서는 GitLab Runner의 nested virtualization을 활용해 커널 모듈 테스트를 자동화하고, 각 레이어별 테스트를 병렬 실행합니다. 하드웨어 의존성은 /dev와 /sys를 bind mount로 주입하거나, mock 디바이스를 생성하여 해결합니다. 성능 회귀 테스트는 별도 bare-metal 환경에서 nightly로 실행하여 가상화 오버헤드를 배제합니다.

먼저 Seam Model 기법으로 시스템 콜을 함수 포인터나 매크로로 추상화하여 테스트 가능한 seam을 만듭니다. 새로운 기능이나 버그 수정부터 TDD를 적용하는 Boy Scout Rule을 도입하고, Google Test와 Google Mock으로 C++ 코드의 테스트 커버리지를 점진적으로 확보합니다. 전역 변수는 의존성 주입 패턴으로 리팩토링하되, 한 번에 한 모듈씩 진행합니다. 조직 설득을 위해 먼저 버그 밀집 모듈을 선정해 TDD 적용 후 결함 감소율, 수정 시간 단축, 회귀 버그 제로 등을 6개월간 측정하여 ROI를 입증합니다. 리팩토링 비용은 기술부채 상환 예산으로 별도 확보하고, 개발 속도 저하는 초기 3개월만 발생하며 이후 가속된다는 데이터를 제시합니다.

먼저 clang-format, clang-tidy, cppcheck로 스타일과 정적 분석을 자동화하여 pre-commit hook과 CI에서 강제합니다. 코드 리뷰는 Gerrit이나 GitLab을 통해 진행하되, CODEOWNERS 파일로 컴포넌트별 전문가를 자동 지정합니다. 리뷰 체크리스트는 보안, 성능, 에러 처리, 테스트 커버리지 등 핵심 항목만 포함하고, 스타일은 자동화에 맡깁니다. 크로스팀 리뷰를 위해 주 1회 아키텍처 리뷰 세션을 운영하여 중요 변경사항을 공유하고, 리뷰 메트릭(리뷰 시간, 사이클 수, 발견된 이슈 심각도)을 대시보드로 가시화하여 병목을 식별합니다. 리뷰 가이드라인 문서를 위키로 관리하고 사례 기반으로 지속 업데이트합니다.

gcov와 lcov로 라인 커버리지를 측정하되, 단순 숫자보다는 브랜치 커버리지와 함수 커버리지를 함께 분석합니다. 에러 처리 경로는 fault injection 기법으로 강제로 실패 상황을 만들어 테스트하며, LD_PRELOAD를 활용해 시스템 콜을 가로채서 ENOMEM, EINTR 등의 에러를 주입합니다. 커버리지 리포트에서 미테스트 코드를 식별하고, 리스크 평가를 통해 우선순위를 정합니다(크리티컬 경로, 보안 관련, 데이터 손실 가능성). 커버리지 80% 이상을 목표로 하되, 나머지 20%는 의도적으로 테스트하지 않는 코드(로깅, trivial getter 등)인지 문서화합니다. CI에서 커버리지가 감소하면 빌드를 실패시키는 ratcheting 기법을 적용합니다.

먼저 perf, flamegraph, cachegrind로 현재 성능 프로파일을 측정하고 베이스라인을 확립합니다. 리팩토링은 핫패스(hot path)와 콜드패스를 구분하여, 콜드패스부터 시작해 리스크를 최소화합니다. 각 리팩토링 단계마다 마이크로벤치마크와 통합 벤치마크를 실행하여 성능 회귀를 즉시 탐지하고, 5% 이상 저하 시 롤백 또는 재설계합니다. 추상화 레이어 추가 시 인라인 함수, 템플릿, 컴파일 타임 다형성 등으로 런타임 오버헤드를 최소화합니다. CI에 성능 테스트를 통합하여 각 커밋마다 자동 측정하고, 히스토리 그래프로 추세를 모니터링합니다. 기술부채 상환은 분기별 로드맵에 명시적으로 포함시키고, 리팩토링으로 얻은 유지보수 비용 절감을 정량화하여 정당성을 확보합니다.