MySQL 성능 최적화: 대량 데이터 환경에서의 페이징 및 JOIN 성능 개선 사례

핵심 기술

대규모 데이터베이스 환경에서 발생할 수 있는 API 응답 속도 지연 문제를 해결하기 위해 MySQL 쿼리 최적화, 인덱스 활용, 페이징 전략 개선에 대한 실질적인 경험과 분석 결과를 공유합니다.

기술적 세부사항

• 문제 정의: 100만 유저, 400만 목표, 1000만 지출 내역 등 대규모 데이터 환경에서 특정 API(/api/community/expenses?page=0&size=10)의 응답 속도가 34초로 매우 느린 현상 발생.
• 초기 분석: EXPLAIN ANALYZE를 통해 expense 테이블의 created_at 필드에 대한 내림차순 정렬(Sort) 작업이 1000만 건의 데이터를 처리하며 성능 저하의 주요 원인임을 파악.
• 1차 최적화: expense 테이블에 created_at 내림차순 인덱스(idx_expense_created_at_desc) 생성. (34s → 6s로 개선)
• 2차 분석 및 최적화: 페이징 시 발생하는 불필요한 COUNT 쿼리를 확인하고, 반환 타입을 Page에서 Slice로 변경하여 COUNT 쿼리 제거. (6s → 72ms로 개선)
• 추가 성능 이슈 발견: page 번호가 커질수록(예: 10000) 다시 성능 저하 발생. Offset 기반 페이징의 한계를 확인.
• 해결 방안: 정책적으로 대규모 페이지 조회를 제한하는 방식으로 접근 (예: 1000페이지 이상 조회 시 예외 발생).
• 학습 내용: 대량 데이터 성능 테스트의 중요성, 인덱스의 강력한 튜닝 효과, 페이징 최적화 전략 (Slice 사용, Offset 문제 인지).

개발 임팩트

• 대규모 데이터를 다루는 API의 응답 속도를 획기적으로 개선하여 사용자 경험 향상.
• 데이터베이스 쿼리 실행 계획 분석 및 최적화 능력 강화.
• 효율적인 페이징 구현을 위한 지식 습득 및 적용.

커뮤니티 반응

• (본문 내용에는 직접적인 커뮤니티 반응 언급 없음)

톤앤매너

실무에서 겪을 수 있는 성능 문제와 그 해결 과정을 상세히 공유하며, 기술적인 분석과 함께 실질적인 개선 방안을 제시하는 전문적인 톤을 유지합니다.