조선익의 개발자 생활
← 목록으로

회원권 거래 관리 시스템·최적화·2026-11-08

회원권 거래 검색 60초를 3초로: 운영 조치와 로컬 재현

운영에서 60초가 걸리던 회원권 거래 검색을 인덱스·쿼리 수정과 메모리 증설로 3초로 줄였고, 어느 조치의 효과였는지 로컬 MySQL에 재현해 하나씩 다시 쟀습니다.

기술
MySQL, Docker
결과
회원권 거래 검색 60초 → 3초 (운영 보고값)
  • 성능 최적화
  • 데이터베이스
  • 스키마
스킬MySQLDocker

회원권 거래 관리 시스템의 검색은 운영에서 60초가 걸렸습니다. 인덱스와 쿼리를 고치고 서버 메모리를 늘린 뒤 3초로 줄었습니다. 다만 두 조치를 함께 적용해서, 어느 쪽 효과였는지는 운영에서 나누지 못했습니다. 그래서 나중에 로컬 MySQL에 비슷한 환경을 만들어 조치를 한 가지씩 바꿔 가며 다시 쟀습니다. 재현에서는 서브쿼리가 찾는 거래 테이블의 인덱스가 시간을 거의 다 줄였고(카운트 약 105초에서 약 23 ms), 버퍼 풀 크기는 뚜렷한 차이를 만들지 못했습니다.

운영에서 한 일

기존 프로그램을 웹으로 옮긴 뒤, 검색 화면이 결과를 보여 주는 데 60초가 걸렸습니다. 직원이 검색할 때마다 1분을 기다려야 했습니다.

제가 적용한 조치는 두 가지입니다.

  • 인덱스와 쿼리 수정: 복합 인덱스를 넣고 쿼리를 고쳤습니다.
  • 서버 메모리 증설: 서버 메모리를 늘렸습니다.

두 조치를 적용한 뒤 검색은 3초로 줄었습니다. 60초와 3초는 운영 화면에서 본 API 호출 시간이고, 데이터 건수와 서버 사양 같은 측정 조건은 기록하지 않았습니다.

로컬 재현: 어느 조치의 효과였나

방법

운영 데이터는 가져올 수 없어서, 검색 쿼리에 나오는 테이블과 컬럼 이름으로 합성 스키마와 데이터를 만들었습니다. 그다음 조건 컬럼 인덱스, 서브쿼리용 인덱스, 힌트 유무, 카운트 분리, 버퍼 풀 크기를 한 번에 한 가지씩 바꿔 가며 목록과 카운트의 시간을 쟀습니다.

테스트 조건

실제 DDL 덤프가 없어서 타입, 인덱스, 데이터 분포는 가정입니다.

  • 환경: Docker Desktop(VM 메모리 약 4.8 GiB), MySQL 8.4, 컨테이너 메모리 2 GiB 제한
  • 데이터: 고객 마스터 5만 건, 고객 소유자 5만 건, 거래 테이블 30만 건(고정 시드)
  • 측정: 서버가 잰 실행 시간. 질의마다 먼저 한 번 실행해 그 시간은 버리고(데이터를 메모리로 올리는 준비 비용 제외), 그다음 3회를 재서 중앙값을 냅니다. 같은 조건에서 다시 실행하면 기준선 카운트가 약 7% 달랐습니다.

검색 쿼리의 구조

검색 화면이 실행하는 질의와, 그 안에서 도는 서브쿼리는 다음과 같습니다.

  • 목록: 화면에 보이는 50행의 내용을 가져오는 질의입니다. 고객 이름, 회사, 담당 직원별 거래 건수처럼 행마다 필요한 값을 고르고, 앞 50행만 받습니다.
  • 카운트: 검색 조건에 맞는 전체 건수를 세는 질의입니다. 서비스 코드는 1페이지를 열 때만 카운트를 실행합니다.
  • 카운트2: 목록과 카운트 안에서 고객 한 명마다 거래 건수를 세는 서브쿼리입니다. 담당 직원의 거래 건수를 세는 칸과 다른 샵(SHOP)의 거래 건수를 세는 칸, 두 개가 있습니다. 행마다 한 번씩 실행되므로, 조건에 맞는 고객이 많을수록 거래 테이블을 찾는 횟수도 늘어납니다.

목록은 50행만 돌려주지만, 카운트는 조건에 맞는 모든 행에서 카운트2를 실행하기 때문에 시간 차이가 큽니다.

측정 결과

바꿔 본 인덱스는 두 종류입니다.

  • 조건 컬럼 인덱스: 고객 테이블의 미사용 여부, 구분, 변경일 세 열을 묶은 복합 인덱스입니다. 목록과 카운트의 검색 조건에 쓰입니다.
  • 서브쿼리용 인덱스: 거래 테이블의 고객 번호와 직원 코드 두 열을 묶은 복합 인덱스입니다. 카운트2가 고객 번호와 직원 코드로 거래를 찾기 때문에, 이 인덱스가 있으면 해당 거래만 바로 찾습니다.

아래 표의 각 행은 윗줄까지의 변경을 모두 적용한 상태에서 잰 값입니다. 버퍼 풀 두 행은 처음 잰 뒤에 다시 잰 값입니다(순서를 번갈아 3라운드, 각 9회의 중앙값). 힌트가 새 인덱스의 사용을 막는지 보려고 힌트 유지와 제거를 나눠 쟀습니다. 힌트 유지는 목록 질의에 USE INDEX (PRIMARY)를 넣어 기본키 인덱스만 쓰도록 지정한 상태이고, 힌트 제거는 이 구문을 뺀 상태입니다.

조건목록 · 힌트 유지목록 · 힌트 제거카운트 · 힌트 유지카운트 · 힌트 제거
기준선 (인덱스는 기본키뿐)2,492 ms2,522 ms105,581 ms105,474 ms
조건 컬럼 인덱스 추가2,605 ms2,628 ms106,030 ms107,034 ms
서브쿼리용 인덱스 추가1.0 ms1.4 ms24.3 ms22.7 ms
서브쿼리용 인덱스 + 버퍼 풀 16 MB1.0 ms1.3 ms24.6 ms22.5 ms
서브쿼리용 인덱스 + 버퍼 풀 1 GB1.0 ms1.3 ms24.5 ms21.5 ms
서브쿼리용 인덱스 + 서브쿼리 제거해당 없음해당 없음해당 없음15.4 ms

1페이지를 열면 목록과 카운트가 함께 돌기 때문에, 기준선에서 두 질의를 합치면 약 108초입니다.

이 숫자에서 읽을 수 있는 것은 다음과 같습니다.

  • 기준선에서 목록은 약 2.5초, 카운트는 약 105초였습니다. 두 질의의 시간은 대부분 서브쿼리에서 나왔습니다. 실행 계획에서 서브쿼리는 거래 테이블 약 30만 행을 풀스캔하고 있었습니다.
  • 조건 컬럼 인덱스는 실제로 쓰였습니다(옵티마이저 추정 약 9,800행). 읽는 행 수는 줄었지만, 행마다 실행되는 서브쿼리는 그대로 남아 있었습니다. 그래서 힌트를 뺀 경우에도 시간은 거의 줄지 않았습니다.
  • 서브쿼리용 인덱스를 넣자 목록은 1.0에서 1.4 ms, 카운트는 22.7에서 24.3 ms가 됐습니다. 행 수가 같아도 행 하나를 찾는 비용이 풀스캔에서 인덱스 조회로 바뀌면서 시간이 크게 줄었습니다.
  • 서브쿼리를 뺀 카운트는 15.4 ms였습니다. 다만 이 값은 서브쿼리용 인덱스가 있는 상태에서 잰 것이라, 인덱스 없이 서브쿼리만 뺀 경우와는 비교할 수 없습니다.
  • 버퍼 풀을 16 MB와 1 GB로 바꿔도 목록과 카운트 모두 차이가 1 ms 안팎이었습니다. 처음 잰 값에서 보였던 힌트 유지 카운트의 차이(16 MB 38.8 ms, 1 GB 24.5 ms)는 다시 잰 값에서 나타나지 않았습니다.

결과와 한계

운영에서는 검색이 60초에서 3초로 줄었습니다. 재현에서는 서브쿼리용 인덱스 하나가 카운트를 약 105초에서 약 23 ms로 줄였습니다. 버퍼 풀 크기(16 MB와 1 GB)에 따른 차이는 1 ms 안팎이었습니다. 처음 잰 값에서는 힌트를 유지한 카운트가 16 MB에서 느렸지만, 다시 잰 값에서는 같았습니다.

한계는 다음과 같습니다.

  • 재현은 합성 데이터로 했습니다. 타입, 인덱스, 데이터 분포가 가정이라서, 운영에서도 같은 비율로 줄었다고 말할 수 없습니다.
  • 운영의 3초는 브라우저에서 본 API 호출 시간이고, 재현의 23 ms는 DB 서버가 잰 질의 시간입니다. 데이터 건수와 서버 환경도 달라서 두 값을 그대로 비교할 수 없습니다.
  • 버퍼 풀 크기에 따른 차이가 1 ms 안팎이어서, 이 실험으로는 메모리 효과가 드러나지 않았습니다. 운영에서 메모리 증설이 얼마나 기여했는지는 이 실험으로 알 수 없습니다.

배운 점

  • 조치를 한꺼번에 적용하면 무엇이 효과였는지 남지 않습니다. 운영에서도 한 가지씩 적용하고 재야 했습니다.
  • 조건 컬럼에 인덱스를 넣어도, 행마다 도는 서브쿼리가 남아 있으면 시간은 줄지 않습니다. 실행 계획에서 가장 많이 반복되는 부분을 먼저 봐야 합니다.
전체 글경력소개
  • 최적화4
  • 설계5
  • 연구0

태그

  • 성능 최적화4
  • 운영 문제4
  • 데이터베이스3
  • 멀티테넌트2
  • 스키마2
  • 이벤트 처리2
  • 가상화1
  • 결제 연동1
  • 공공 API1
  • 데이터 정제1
  • 로깅1
  • 마이그레이션1
  • 멀티스레드1
  • 배치 처리1
  • 엑셀1
  • 이벤트 순서1
  • 전자서명1
  • 타임아웃1
  • AI 연동1

스킬

  • React4
  • Spring Boot3
  • C#2
  • Apache POI1
  • DataTables1
  • Django1
  • Docker1
  • JPA1
  • LLM API1
  • MyBatis1
  • MySQL1
  • PostgreSQL1
  • Spring1
  • TypeScript1
문의

댓글 0

    조회 0