MySQL 미드레벨 기술면접
새 면접Q. SELECT 쿼리에서 서브쿼리(Subquery)를 JOIN으로 변환하는 것이 성능상 유리한 이유를 설명하고, 어떤 경우에 서브쿼리가 더 적합한지 예시를 들어 설명해주세요.
서브쿼리는 외부 쿼리의 각 행마다 반복 실행될 수 있어(Dependent Subquery) 성능이 저하됩니다. JOIN은 옵티마이저가 실행 계획을 최적화할 수 있고, 한 번의 테이블 스캔으로 결과를 얻을 수 있어 효율적입니다. 하지만 EXISTS나 NOT EXISTS의 경우 조건 만족 시 즉시 중단되므로, 대량 데이터에서 일부만 매칭될 때는 서브쿼리가 더 효율적일 수 있습니다. 또한 스칼라 서브쿼리로 단일 값을 가져올 때는 가독성 측면에서 서브쿼리가 적합합니다.
- • Dependent Subquery는 외부 쿼리 행마다 반복 실행되어 성능 저하
- • JOIN은 옵티마이저의 최적화 가능성이 높고 테이블 스캔 횟수 감소
- • EXISTS/NOT EXISTS는 조건 만족 시 조기 종료로 특정 상황에서 유리
- • 스칼라 서브쿼리는 가독성과 단일 값 반환에 적합
EXPLAIN을 통해 서브쿼리가 Dependent인지 Independent인지 확인하는 방법과, MySQL 5.6 이후 서브쿼리 최적화 개선사항에 대해 설명해주세요.
Q. MySQL의 테이블 파티셔닝(Partitioning) 전략 중 RANGE, LIST, HASH 파티셔닝의 차이점과 각각의 적합한 사용 사례를 설명하고, 파티션 프루닝(Partition Pruning)이 성능에 미치는 영향을 설명해주세요.
RANGE 파티셔닝은 날짜나 숫자 범위로 분할하여 시계열 데이터에 적합하며, LIST는 국가코드나 카테고리 같은 명시적 값 목록으로 분할합니다. HASH는 해시 함수로 데이터를 균등 분산시켜 핫스팟을 방지합니다. 파티션 프루닝은 WHERE 절 조건에 따라 불필요한 파티션을 스캔에서 제외하는 최적화 기법으로, 쿼리가 특정 파티션만 접근하도록 하여 I/O를 크게 감소시킵니다. 파티션 키가 WHERE 절에 포함되어야 프루닝이 작동하므로, 쿼리 패턴에 맞는 파티션 전략 설계가 중요합니다.
- • RANGE는 시계열/범위 데이터, LIST는 카테고리형 데이터, HASH는 균등 분산에 적합
- • 파티션 프루닝은 WHERE 조건으로 불필요한 파티션 스캔 제외
- • 파티션 키가 쿼리 조건에 포함되어야 프루닝 효과 발생
- • I/O 감소와 병렬 처리로 대용량 테이블 성능 향상
파티션 테이블에서 인덱스는 어떻게 관리되며, 글로벌 인덱스가 없는 MySQL에서 파티션 키가 아닌 컬럼으로 검색할 때의 성능 문제를 어떻게 해결할 수 있을까요?
Q. InnoDB 버퍼 풀(Buffer Pool)의 역할과 LRU 알고리즘의 동작 원리를 설명하고, 풀 테이블 스캔이 버퍼 풀을 오염시키는 문제를 어떻게 방지하는지 설명해주세요.
InnoDB 버퍼 풀은 디스크 I/O를 줄이기 위해 자주 사용되는 데이터 페이지와 인덱스를 메모리에 캐싱합니다. InnoDB는 일반 LRU가 아닌 Midpoint Insertion Strategy를 사용하여, 새로 읽은 페이지를 LRU 리스트의 중간(기본 5/8 지점)에 삽입합니다. 풀 스캔으로 읽은 페이지는 old sublist에 머물다가 일정 시간(innodb_old_blocks_time) 내에 재접근되지 않으면 제거되어, 자주 사용되는 핫 데이터가 버퍼 풀에서 밀려나는 것을 방지합니다. 이를 통해 대량 스캔 작업이 캐시 효율성에 미치는 영향을 최소화합니다.
- • 버퍼 풀은 디스크 I/O 감소를 위한 메모리 캐시 영역
- • Midpoint Insertion으로 새 페이지를 LRU 중간에 삽입
- • old sublist와 young sublist로 분리하여 핫 데이터 보호
- • innodb_old_blocks_time으로 풀 스캔의 버퍼 풀 오염 방지
버퍼 풀 크기 설정 시 고려해야 할 요소들과, innodb_buffer_pool_instances를 여러 개로 설정하는 이유에 대해 설명해주세요.
Q. 대량의 데이터를 UPDATE 또는 DELETE할 때 한 번에 처리하지 않고 배치(Batch) 단위로 나누어 처리해야 하는 이유와, 실무에서 안전하게 배치 처리를 구현하는 방법을 설명해주세요.
대량 UPDATE/DELETE는 긴 트랜잭션으로 인해 언두 로그가 과도하게 증가하고, 테이블 락이나 갭 락으로 다른 쿼리를 블로킹하며, 리플리케이션 지연을 유발합니다. 배치 처리는 LIMIT을 사용해 일정 건수씩 나누고, 각 배치마다 COMMIT하여 트랜잭션 크기를 제한합니다. SLEEP이나 지연을 두어 서버 부하를 분산시키고, WHERE 조건에 인덱스를 활용하여 스캔 범위를 최소화합니다. 또한 affected rows가 0이 될 때까지 반복하며, 프라이머리 키 범위로 진행 상황을 추적하여 재시작 시에도 안전하게 처리할 수 있도록 합니다.
- • 대량 작업은 언두 로그 증가, 락 경합, 리플리케이션 지연 유발
- • LIMIT으로 배치 크기 제한하고 각 배치마다 COMMIT
- • 인덱스 활용과 SLEEP으로 서버 부하 분산
- • 프라이머리 키 범위 기반 진행으로 재시작 안정성 확보
배치 DELETE 작업 중 다른 트랜잭션이 동시에 INSERT를 수행할 때 발생할 수 있는 문제와, 이를 해결하기 위한 전략을 설명해주세요.
Q. MySQL의 JSON 데이터 타입을 사용할 때의 장단점을 설명하고, JSON 컬럼에 대한 인덱싱 전략과 Generated Column을 활용한 성능 최적화 방법을 설명해주세요.
JSON 타입은 스키마 유연성을 제공하고 중첩 데이터를 자연스럽게 표현할 수 있지만, TEXT 대비 저장 공간이 크고 복잡한 쿼리 작성이 어렵습니다. JSON 컬럼 자체는 직접 인덱싱할 수 없으므로, Generated Column으로 자주 조회되는 JSON 경로의 값을 추출하여 가상 컬럼을 만들고 이에 인덱스를 생성합니다. 예를 들어 JSON_EXTRACT로 특정 필드를 STORED 또는 VIRTUAL Generated Column으로 정의하고 인덱스를 추가하면, JSON 내부 값으로도 효율적인 검색이 가능합니다. 또한 Multi-Valued Index를 사용하면 JSON 배열 요소에 대한 인덱싱도 지원됩니다.
- • JSON 타입은 스키마 유연성 제공하지만 저장 공간과 쿼리 복잡도 증가
- • JSON 컬럼 직접 인덱싱 불가, Generated Column으로 값 추출 필요
- • STORED/VIRTUAL Generated Column에 인덱스 생성으로 검색 성능 향상
- • Multi-Valued Index로 JSON 배열 요소 인덱싱 가능
JSON 데이터를 정규화된 관계형 테이블로 분리하는 것과 JSON 컬럼으로 유지하는 것 사이의 트레이드오프를 판단하는 기준에 대해 설명해주세요.
아직 댓글이 없습니다. 첫 번째 댓글을 남겨보세요!