Python 미드레벨 CS 기초 기술면접

Python 미드레벨 (3~7년) CS 기초 5문항 조회수 67 · 2026-04-16 (목) 03:10:56
1 자료구조
Medium

Q. Python의 dict가 내부적으로 해시 테이블로 구현되어 있는데, 해시 충돌(Hash Collision)이 발생했을 때 Python이 이를 어떻게 해결하는지 설명하고, 이로 인해 dict의 시간복잡도가 최악의 경우 어떻게 변할 수 있는지 설명해주세요.

A. 모범답안

Python의 dict는 개방 주소법(Open Addressing) 중 무작위 탐사(Random Probing)를 사용하여 해시 충돌을 해결합니다. 충돌 발생 시 다른 빈 슬롯을 찾기 위해 특정 알고리즘에 따라 다음 위치를 탐색합니다. 일반적으로 O(1)의 평균 시간복잡도를 가지지만, 해시 테이블의 로드 팩터가 높아지거나 해시 함수가 불균형하면 최악의 경우 O(n)까지 성능이 저하될 수 있습니다. Python은 로드 팩터가 2/3를 초과하면 자동으로 테이블 크기를 확장(resize)하여 성능을 유지합니다. 실무에서는 커스텀 객체를 dict의 키로 사용할 때 __hash__와 __eq__ 메서드를 적절히 구현하여 충돌을 최소화해야 합니다.

핵심 포인트
  • • 개방 주소법(Open Addressing)을 사용한 충돌 해결
  • • 평균 O(1), 최악 O(n)의 시간복잡도
  • • 로드 팩터 2/3 초과 시 자동 리사이징
  • • 커스텀 객체의 __hash__와 __eq__ 구현 중요성
Follow-up 질문

Python 3.6 이후 dict가 insertion order를 유지하게 되었는데, 이것이 메모리 사용량과 성능에 어떤 영향을 미쳤나요?

2 운영체제
Medium

Q. Python의 GIL(Global Interpreter Lock)이 멀티스레드 환경에서 CPU-bound 작업과 I/O-bound 작업에 각각 어떤 영향을 미치는지 설명하고, 실무에서 이를 우회하기 위한 전략들을 설명해주세요.

A. 모범답안

GIL은 한 번에 하나의 스레드만 Python 바이트코드를 실행할 수 있도록 제한하는 뮤텍스입니다. CPU-bound 작업에서는 멀티스레드를 사용해도 병렬 처리가 불가능하여 성능 향상이 없거나 오히려 컨텍스트 스위칭으로 인해 느려질 수 있습니다. 반면 I/O-bound 작업은 네트워크나 파일 I/O 대기 중에 GIL을 해제하므로 멀티스레드가 효과적입니다. CPU-bound 작업은 multiprocessing으로 프로세스를 분리하거나, NumPy/Pandas 같은 C 확장 라이브러리를 사용하거나, asyncio로 동시성을 구현하는 방법이 있습니다. I/O-bound 작업은 threading, asyncio, 또는 aiohttp 같은 비동기 라이브러리를 활용하면 됩니다.

핵심 포인트
  • • GIL은 한 번에 하나의 스레드만 바이트코드 실행 허용
  • • CPU-bound: 멀티스레드 비효율적, multiprocessing 사용
  • • I/O-bound: GIL 해제되므로 멀티스레드 효과적
  • • 실무 전략: multiprocessing, C 확장, asyncio 활용
Follow-up 질문

multiprocessing을 사용할 때 프로세스 간 데이터 공유를 위해 Queue나 Pipe를 사용하는데, 대용량 데이터를 전달할 때 성능 이슈를 어떻게 해결할 수 있나요?

3 네트워크
Hard

Q. RESTful API에서 멱등성(Idempotency)의 개념을 설명하고, HTTP 메서드별(GET, POST, PUT, PATCH, DELETE) 멱등성 여부와 그 이유를 설명해주세요. 또한 실무에서 POST 요청을 멱등하게 만들기 위한 설계 방법을 제시해주세요.

A. 모범답안

멱등성은 동일한 요청을 여러 번 수행해도 결과가 처음 한 번 수행한 것과 동일한 특성을 의미합니다. GET은 조회만 하므로 멱등하고, PUT은 전체 리소스를 동일한 값으로 대체하므로 멱등하며, DELETE는 이미 삭제된 리소스를 다시 삭제해도 결과가 같으므로 멱등합니다. POST는 매번 새로운 리소스를 생성하므로 비멱등적이고, PATCH는 부분 수정 방식에 따라 달라질 수 있습니다. POST를 멱등하게 만들려면 클라이언트가 생성하는 Idempotency-Key를 헤더에 포함시키고, 서버에서 이 키를 Redis 등에 저장하여 중복 요청을 식별하거나, UUID를 클라이언트에서 생성하여 PUT 방식으로 변경하는 방법이 있습니다.

핵심 포인트
  • • 멱등성: 동일 요청 반복 시 결과 동일
  • • 멱등: GET, PUT, DELETE / 비멱등: POST
  • • PATCH는 구현 방식에 따라 다름
  • • POST 멱등화: Idempotency-Key 헤더, Redis 캐싱, 클라이언트 UUID 생성
Follow-up 질문

분산 시스템 환경에서 여러 서버가 동시에 같은 Idempotency-Key를 받았을 때 중복 처리를 방지하기 위한 방법은 무엇인가요?

4 데이터베이스
Medium

Q. 데이터베이스 인덱스의 B-Tree와 Hash 인덱스의 차이점을 설명하고, 각각 어떤 쿼리 패턴에 적합한지 실무 예시와 함께 설명해주세요. 또한 인덱스를 과도하게 생성했을 때 발생할 수 있는 문제점도 설명해주세요.

A. 모범답안

B-Tree 인덱스는 정렬된 트리 구조로 범위 검색, 정렬, 부등호 연산에 효과적이며 대부분의 RDBMS에서 기본 인덱스로 사용됩니다. Hash 인덱스는 해시 함수를 사용해 정확한 일치 검색(equality)에 O(1) 성능을 제공하지만 범위 검색이나 정렬에는 사용할 수 없습니다. 실무에서 날짜 범위 조회나 LIKE 검색은 B-Tree가 적합하고, 세션 ID나 API 키 같은 정확한 매칭은 Hash가 유리합니다. 인덱스를 과도하게 생성하면 INSERT, UPDATE, DELETE 시 모든 인덱스를 갱신해야 하므로 쓰기 성능이 저하되고, 저장 공간이 증가하며, 옵티마이저가 잘못된 인덱스를 선택할 위험도 있습니다.

핵심 포인트
  • • B-Tree: 범위 검색, 정렬, 부등호 연산에 적합
  • • Hash: 정확한 일치 검색에 O(1) 성능
  • • 과도한 인덱스: 쓰기 성능 저하, 저장 공간 증가
  • • 옵티마이저의 잘못된 인덱스 선택 가능성
Follow-up 질문

복합 인덱스(Composite Index)를 생성할 때 컬럼 순서가 중요한 이유와, 어떤 순서로 컬럼을 배치해야 하는지 설명해주세요.

5 알고리즘
Hard

Q. 시간복잡도와 공간복잡도 사이의 트레이드오프 관계를 설명하고, 실무에서 대용량 데이터를 처리할 때 메모리 제약이 있는 상황에서 어떤 알고리즘 전략을 선택해야 하는지 구체적인 예시와 함께 설명해주세요.

A. 모범답안

시간복잡도와 공간복잡도는 일반적으로 반비례 관계로, 메모리를 더 사용하면 실행 시간을 줄일 수 있고 그 반대도 가능합니다. 대표적으로 동적 프로그래밍의 메모이제이션은 O(n) 공간을 사용해 O(2^n)을 O(n)으로 개선합니다. 대용량 데이터 처리 시 메모리 제약이 있다면 스트리밍 알고리즘, 외부 정렬(External Sort), 제너레이터를 활용한 지연 평가, 또는 데이터베이스 커서를 사용한 배치 처리가 효과적입니다. 예를 들어 10GB 로그 파일 분석 시 전체를 메모리에 로드하지 않고 yield를 사용해 한 줄씩 처리하거나, pandas의 chunksize 파라미터로 분할 처리하는 방식입니다. MapReduce 같은 분산 처리 프레임워크도 메모리 제약을 극복하는 전략입니다.

핵심 포인트
  • • 시간-공간 트레이드오프: 메모리 사용으로 속도 개선 가능
  • • 메모리 제약 시: 스트리밍, 외부 정렬, 제너레이터 활용
  • • 실무 예시: yield, pandas chunksize, DB 커서
  • • 분산 처리: MapReduce로 메모리 제약 극복
Follow-up 질문

Python에서 제너레이터와 이터레이터의 차이를 설명하고, 제너레이터가 메모리 효율적인 이유를 내부 동작 원리와 함께 설명해주세요.

댓글 0

로그인 후 댓글을 작성할 수 있습니다.

아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!