Terraform 시니어 데이터베이스 기술면접

먼저 terraform state list로 State에 있는 리소스를 확인하고, terraform state rm으로 해당 RDS 리소스를 State에서 제거합니다. 실제 DB가 삭제되었으므로 백업에서 복원이 필요한데, AWS RDS 자동 백업이나 스냅샷을 활용해 새 인스턴스를 생성합니다. 복원된 인스턴스를 terraform import 명령어로 State에 다시 등록하여 Terraform 관리 하에 둡니다. 이후 terraform plan으로 설정 차이를 확인하고 필요시 코드를 조정합니다. 마지막으로 State 파일을 원격 백엔드에 저장하고 State 잠금을 활성화하여 향후 불일치를 방지합니다.

먼저 새 VPC에 Aurora 클러스터를 별도로 생성하고, DMS(Database Migration Service)를 Terraform으로 프로비저닝하여 CDC 방식으로 실시간 복제를 설정합니다. 복제 지연이 최소화되면 애플리케이션의 읽기 트래픽을 점진적으로 새 클러스터로 전환하고, 쓰기 트래픽은 잠시 중단 후 전환합니다. Route53 가중치 기반 라우팅을 Terraform으로 설정하여 트래픽을 제어하며, 롤백을 위해 기존 클러스터는 일정 기간 유지합니다. 모든 트래픽이 안정화되면 terraform destroy로 기존 클러스터를 제거하고, State 파일을 정리합니다. 전체 과정을 Terraform workspace나 모듈로 분리하여 단계별 적용이 가능하도록 구성합니다.

aws_db_parameter_group 리소스를 사용하여 파라미터를 관리하며, max_connections는 인스턴스 메모리에 맞게 조정하고 shared_buffers는 전체 메모리의 25% 정도로 설정합니다. work_mem은 복잡한 쿼리 성능에 영향을 주므로 워크로드에 따라 조정하며, effective_cache_size는 OS 캐시를 포함한 사용 가능한 메모리의 50-75%로 설정합니다. slow_query_log을 활성화하여 성능 문제를 모니터링하고, log_min_duration_statement로 느린 쿼리 기준을 정의합니다. 파라미터 변경은 apply_method를 immediate 또는 pending-reboot로 설정하여 적용 시점을 제어하며, 변수화하여 환경별로 다른 값을 적용할 수 있도록 구성합니다.

Primary 리전에 Aurora Global Database를 Terraform으로 생성하고, Secondary 리전에 읽기 전용 복제본을 자동으로 프로비저닝합니다. aws_rds_global_cluster 리소스로 글로벌 클러스터를 정의하고, 각 리전별로 aws_rds_cluster를 생성하여 연결합니다. RPO 1시간을 위해 자동 백업 보존 기간을 최소 24시간으로 설정하고, 스냅샷을 크로스 리전으로 복사하는 Lambda 함수를 Terraform으로 배포합니다. RTO 4시간을 위해 Secondary 리전의 인프라를 미리 프로비저닝하고, Route53 헬스체크와 페일오버 라우팅 정책을 설정합니다. terraform workspace를 리전별로 분리하고, 재해 발생 시 terraform apply로 Secondary를 Primary로 승격시키는 런북을 작성합니다. 전체 DR 프로세스를 주기적으로 테스트하는 자동화 스크립트도 함께 관리합니다.

storage_encrypted를 true로 설정하고 KMS 키를 지정하여 저장 데이터를 암호화하며, kms_key_id를 aws_kms_key 리소스로 관리합니다. iam_database_authentication_enabled를 활성화하여 비밀번호 대신 IAM 역할 기반 인증을 사용하고, 데이터베이스 자격증명은 AWS Secrets Manager에 저장하여 Terraform data source로 참조합니다. VPC 내 프라이빗 서브넷에 배치하고 security_group으로 특정 소스만 접근 가능하도록 제한하며, publicly_accessible을 false로 설정합니다. enabled_cloudwatch_logs_exports로 감사 로그, 에러 로그, 슬로우 쿼리 로그를 CloudWatch로 전송하고, deletion_protection을 true로 설정하여 실수로 인한 삭제를 방지합니다. SSL/TLS 연결을 강제하도록 파라미터 그룹에서 rds.force_ssl을 1로 설정합니다.

Terraform은 데이터베이스 인스턴스와 인프라 관리에 집중하고, 스키마 마이그레이션은 Flyway나 Liquibase 같은 전용 도구를 사용하는 것이 바람직합니다. Terraform의 null_resource와 local-exec provisioner를 활용하여 RDS 생성 후 마이그레이션 스크립트를 실행하거나, Lambda 함수를 배포하여 스키마 변경을 관리합니다. 또는 terraform-provider-postgresql이나 terraform-provider-mysql 같은 커뮤니티 프로바이더를 사용하여 기본적인 스키마 객체를 관리할 수도 있습니다. CI/CD 파이프라인에서 Terraform apply 후 별도 단계로 스키마 마이그레이션을 실행하며, 마이그레이션 버전을 Git으로 관리하고 롤백 스크립트도 함께 준비합니다. 중요한 것은 인프라 변경과 스키마 변경을 분리하여 각각의 롤백 전략을 수립하는 것입니다.

aws_appautoscaling_target 리소스로 Aurora 클러스터의 읽기 레플리카를 Auto Scaling 대상으로 등록하고, 최소 1개에서 최대 5개까지 확장 가능하도록 설정합니다. aws_appautoscaling_policy로 타겟 추적 스케일링 정책을 생성하며, DatabaseConnections나 CPUUtilization 같은 CloudWatch 메트릭을 기준으로 70% 임계값을 설정합니다. 예측 가능한 트래픽 패턴이라면 aws_appautoscaling_scheduled_action으로 스케줄 기반 스케일링을 추가하여 피크 시간 전에 미리 확장합니다. scale_in_cooldown과 scale_out_cooldown을 적절히 설정하여 과도한 스케일링을 방지하고, 각 레플리카의 프로모션 우선순위를 tier 값으로 관리합니다. 스케일링 이벤트를 CloudWatch 알람과 SNS로 모니터링하며, 비용 최적화를 위해 야간 시간대에는 최소 용량으로 축소되도록 구성합니다.

aws_cloudwatch_metric_alarm 리소스로 핵심 메트릭에 대한 알람을 생성하는데, CPUUtilization 80% 이상, FreeableMemory 1GB 이하, DatabaseConnections 최대치의 90% 이상, ReadLatency와 WriteLatency 임계값 초과를 모니터링합니다. enabled_cloudwatch_logs_exports로 슬로우 쿼리 로그를 수집하고, CloudWatch Logs Insights로 분석 쿼리를 작성합니다. Performance Insights를 활성화하여 쿼리 레벨 성능 분석을 가능하게 하고, performance_insights_retention_period를 적절히 설정합니다. Enhanced Monitoring을 켜서 OS 레벨 메트릭을 수집하며, monitoring_interval을 60초로 설정합니다. 알람 발생 시 SNS 토픽으로 알림을 전송하고, 심각도에 따라 PagerDuty나 Slack 같은 외부 시스템과 통합합니다. CloudWatch Dashboard를 Terraform으로 생성하여 주요 메트릭을 시각화합니다.

개발/스테이징 환경은 variables와 terraform workspace를 활용하여 프로덕션보다 작은 인스턴스 타입을 사용하고, 업무 시간 외에는 중지하도록 Lambda 스케줄러를 구성합니다. 프로덕션은 Reserved Instance를 구매하여 장기 할인을 받되, Terraform 주석이나 외부 문서로 RI 정보를 기록합니다. storage_type을 gp3로 설정하고 IOPS와 처리량을 워크로드에 맞게 최적화하며, 불필요한 스냅샷은 lifecycle 정책으로 자동 삭제합니다. backup_retention_period를 법적 요구사항에 맞는 최소값으로 설정하고, 장기 보관이 필요한 백업은 S3 Glacier로 이동합니다. Multi-AZ가 필요 없는 환경은 single-AZ로 구성하고, 읽기 레플리카는 Auto Scaling으로 필요한 만큼만 유지합니다. AWS Cost Explorer API를 활용하여 데이터베이스 비용을 태그별로 추적하고, 정기적으로 리뷰합니다.

모듈은 필수 변수(엔진, 버전, 인스턴스 클래스, VPC ID)와 선택적 변수(백업 설정, 파라미터 그룹, 모니터링 옵션)를 명확히 구분하여 정의합니다. 보안 모범 사례를 기본값으로 강제하되, storage_encrypted는 true, publicly_accessible은 false, deletion_protection은 환경 변수로 제어합니다. 변수 검증(validation block)을 사용하여 잘못된 설정을 사전에 방지하고, 엔진 버전이나 인스턴스 타입의 유효성을 검사합니다. 출력값으로 엔드포인트, 포트, ARN, 보안 그룹 ID 등을 제공하여 다른 모듈과 조합 가능하게 만듭니다. 서브 모듈로 파라미터 그룹, 옵션 그룹, 서브넷 그룹을 분리하여 재사용성을 높이고, 각 서브 모듈은 독립적으로 테스트 가능하도록 구성합니다. README에 사용 예제와 변수 설명을 상세히 작성하고, Semantic Versioning으로 버전을 관리하며, Terraform Registry에 퍼블리시합니다.