👩🏫 오늘의 출석
❓칠십한 번째, 9 to 9을 해 본 소감❓
어제 늦게까지 코드를 짠 덕에 오늘은 조금 수월하게 머지하고, 풀 받으며 진행할 수 있었다. 그리고 파일 업로드 관련 해서 찾아보는데 아직 진행하지는 않았지만 어려워보이지는 않아서 기대가 된다.
📑오늘 학습한 내용
💬 기술 면접 준비
- 대용량 트래픽 발생 시 어떻게 대응해야 하나요?
-
트래픽 예측 및 준비
트래픽 예측: 트래픽 패턴을 분석하여 특정 시기에 트래픽이 증가할 가능성을 예측합니다. 이를 통해 사전에 대비할 수 있습니다.
자동 확장(Autoscaling): 클라우드 서비스를 이용하여 서버 인프라를 자동으로 확장하거나 축소할 수 있도록 설정합니다. AWS, GCP, Azure 등의 클라우드 서비스는 자동 확장 기능을 제공합니다. -
스케일 아웃(Scaling Out)
서버 자원 추가: 트래픽 부하를 분산시키기 위해 서버 자원을 추가합니다. 이는 로드 밸런서를 통해 효과적으로 수행할 수 있습니다.
로드 밸런싱: 로드 밸런서를 이용해 트래픽을 여러 서버에 분산시켜 개별 서버의 부하를 줄이고 성능을 향상시킵니다. -
캐시 활용
CDN(Content Delivery Network): CDN을 사용하여 정적 콘텐츠를 전 세계에 분산 배포함으로써 서버 부하를 줄이고 사용자에게 더 빠른 응답을 제공합니다.
애플리케이션 레벨 캐시: Redis나 Memcached와 같은 인메모리 캐시를 이용해 자주 조회되는 데이터를 캐시하여 데이터베이스 부하를 줄이고 응답 시간을 단축시킵니다. -
코드 및 데이터베이스 최적화
코드 최적화: 코드를 개선하여 효율적으로 실행되도록 합니다. 비효율적인 코드는 서버 부하를 높일 수 있습니다.
데이터베이스 최적화: 데이터베이스 쿼리를 최적화하고, 인덱스를 추가하거나 쿼리를 재구성하여 더 빠르고 효율적으로 실행되도록 합니다.
데이터베이스 샤딩: 데이터를 여러 데이터베이스 서버에 분산 저장함으로써 트래픽 증가에 대비합니다. -
모니터링 및 스케일 인(Scaling In)
실시간 모니터링: Prometheus, Grafana, Datadog 등의 도구를 사용하여 시스템 상태를 지속적으로 체크합니다.
경고 시스템: 트래픽 급증 시 자동으로 알림을 보내주는 경고 시스템을 설정하여 빠르게 대응할 수 있도록 합니다.
스케일 인: 필요에 따라 서버를 축소시켜 자원을 효율적으로 사용합니다. -
클라우드 서비스 활용
클라우드 기반 인프라 사용: 필요에 따라 서버를 신속하게 추가하거나 축소할 수 있는 클라우드 서비스를 통해 유연하고 신속하게 인프라를 조정할 수 있습니다. -
부하 테스트 및 이벤트 드리븐 아키텍처
부하 테스트: 시스템이 어느 정도의 트래픽을 견딜 수 있는지 이해하기 위해 정기적인 부하 테스트를 수행합니다.
이벤트 드리븐 아키텍처: 이벤트 기반 아키텍처를 도입하여 스케일링을 자동화하고 트래픽에 따라 서비스를 유연하게 조정합니다. -
보안 강화
DDoS 방어: WAF(Web Application Firewall)나 클라우드 서비스 제공업체의 DDoS 방어 솔루션을 사용하여 DDoS 공격에 대비합니다.
IP 차단 및 제한: 의심스러운 IP나 특정 국가의 IP를 차단하거나 요청 횟수를 제한하여 악성 트래픽을 방어합니다. -
백업과 복구 전략 수립
백업 및 복구 전략: 잠재적인 문제에 대비하여 백업과 복구 전략을 수립하여 데이터 유실을 방지합니다.
- ORM을 사용하면서 쿼리가 복잡해지는 경우에는 어떻게 해결하는게 좋을까요?
ORM 기능의 최대한 활용
ORM이 제공하는 고급 기능들을 최대한 활용합니다. ORM의 기본적인 CRUD 기능 외에도, ORM은 종종 복잡한 쿼리를 쉽게 작성할 수 있도록 도와주는 다양한 기능을 제공합니다. 예를 들어, Django ORM의 annotate, aggregate 등을 사용하면 복잡한 집계 쿼리를 간단하게 표현할 수 있습니다.
Raw SQL 사용
복잡한 쿼리를 ORM으로 표현하기 어려운 경우, 직접 Raw SQL을 사용하여 문제를 해결할 수 있습니다. ORM은 일반적으로 Raw SQL을 사용할 수 있는 방법을 제공합니다. 이를 통해 필요한 복잡한 쿼리를 직접 작성하고 ORM의 다른 기능들과 결합하여 사용할 수 있습니다.
쿼리 분해 및 최적화
복잡한 쿼리를 여러 개의 작은 쿼리로 분해하여 처리할 수 있습니다. 이렇게 하면 각 쿼리가 더 단순해지고 이해하기 쉬워집니다. 또한, 각 쿼리를 개별적으로 최적화할 수 있는 기회가 생깁니다.
쿼리 최적화 작업에는 쿼리 실행 계획을 분석하여 성능 병목을 찾고, 인덱스를 추가하거나, 불필요한 데이터를 걸러내는 등의 작업이 포함될 수 있습니다.
뷰(View) 또는 저장 프로시저 사용
데이터베이스에서 뷰(View)나 저장 프로시저를 사용하여 복잡한 로직을 캡슐화할 수 있습니다. 이를 통해 응용 프로그램 코드에서 복잡한 쿼리를 직접 작성하지 않고, 데이터베이스 레이어에서 처리할 수 있습니다. ORM은 뷰와 저장 프로시저를 쉽게 호출할 수 있도록 지원합니다.
캐싱(Caching) 사용
복잡한 쿼리 결과를 캐싱하여 자주 사용하는 데이터를 메모리에서 빠르게 접근할 수 있도록 합니다. 캐시를 사용하면 데이터베이스 부하를 줄이고 응답 속도를 향상시킬 수 있습니다. Redis, Memcached 등의 인메모리 데이터 저장소를 사용할 수 있습니다.
데이터베이스 구조 개선
데이터베이스 구조를 개선하여 쿼리 성능을 향상시킬 수 있습니다. 예를 들어, 정규화를 통해 데이터 중복을 줄이고, 필요에 따라 적절한 비정규화 작업을 수행하여 쿼리를 단순화할 수 있습니다.
ORM과 비즈니스 로직의 분리
비즈니스 로직을 ORM과 분리하여 관리합니다. 복잡한 비즈니스 로직이 ORM 쿼리에 혼합되면 유지보수성이 떨어질 수 있습니다. 비즈니스 로직을 별도의 서비스 계층에서 처리하고, ORM은 데이터 접근만을 담당하도록 구조를 개선합니다.
이와 같은 접근법들을 통해 ORM을 사용하면서도 복잡한 쿼리를 효과적으로 관리하고 성능을 최적화할 수 있습니다.
