<feed xmlns="http://www.w3.org/2005/Atom"> <id>https://blog.holychan.dev/</id><title>Chani's Dev</title><subtitle>인프라와 시스템 아키텍처를 중심으로, 실제 문제를 해결하는 안정적인 시스템을 설계하고 운영하며 배운 것을 기록하는 소프트웨어 엔지니어의 기술 블로그입니다.</subtitle> <updated>2026-11-18T14:02:42+09:00</updated> <author> <name>성찬</name> <uri>https://blog.holychan.dev/</uri> </author><link rel="self" type="application/atom+xml" href="https://blog.holychan.dev/feed.xml"/><link rel="alternate" type="text/html" hreflang="ko-KR" href="https://blog.holychan.dev/"/> <generator uri="https://jekyllrb.com/" version="4.4.1">Jekyll</generator> <rights> © 2026 성찬 </rights> <icon>/assets/img/favicons/favicon.ico</icon> <logo>/assets/img/favicons/favicon-96x96.png</logo> <entry><title>DynamoDB에서 발생한 저장 지연의 원인을 찾아서</title><link href="https://blog.holychan.dev/posts/dynamodb-write-throttling/" rel="alternate" type="text/html" title="DynamoDB에서 발생한 저장 지연의 원인을 찾아서" /><published>2026-10-23T04:25:56+09:00</published> <updated>2026-11-18T04:29:39+09:00</updated> <id>https://blog.holychan.dev/posts/dynamodb-write-throttling/</id> <content type="text/html" src="https://blog.holychan.dev/posts/dynamodb-write-throttling/" /> <author> <name>성찬</name> </author> <category term="데이터베이스" /> <summary>1. 들어가며 개인 프로젝트를 진행하며 DynamoDB에 저장하는 기능에서 약 300행을 처리하는 데 19초 가까이 걸리는 문제가 있었습니다. 처음에는 데이터를 순차적으로 저장하는 로직이 원인이라고 생각했습니다. 하지만 처리 시간을 분석하고 CloudWatch 지표를 확인하면서 예상과 다른 원인을 발견했습니다. 또한 원인을 추적하는 과정에서 DynamoDB의 쓰기 용량과 AWS SDK의 재시도 동작에 대해서도 새롭게 알게 되었습니다. 이 글에서는 저장 지연의 원인을 찾아가는 과정과 그 과정에서 알게 된 내용들을 정리하려고 합니다. 2. 문제 발견: 약 300행 저장에 18~19초가 걸렸다. 파일에서 읽은 데이터를 DynamoDB에 저장하는 과정에서 예상보다 긴 지연이 발생했습니다. 처리 시간을 ...</summary> </entry> <entry><title>DB는 디스크에서 어떻게 데이터를 읽을까?</title><link href="https://blog.holychan.dev/posts/sequential-vs-random-io/" rel="alternate" type="text/html" title="DB는 디스크에서 어떻게 데이터를 읽을까?" /><published>2026-08-30T04:24:56+09:00</published> <updated>2026-11-18T04:29:39+09:00</updated> <id>https://blog.holychan.dev/posts/sequential-vs-random-io/</id> <content type="text/html" src="https://blog.holychan.dev/posts/sequential-vs-random-io/" /> <author> <name>성찬</name> </author> <category term="데이터베이스" /> <summary>들어가며 지난 글에서 DB 인덱스가 B+Tree 계열 자료구조를 사용하는 이유에 대해서 알아봤습니다. 그리고 그 과정에서 Disk I/O 비용도 함께 봐야 한다고 언급을 했었습니다. 데이터베이스는 필요한 데이터를 읽을 때 순차 I/O 또는 랜덤 I/O 방식으로 접근합니다. 그리고 어떤 방식으로 데이터를 읽느냐에 따라서 성능에 큰 차이가 발생할 수 있습니다. 이번 글에서는 순차 I/O 와 랜덤 I/O 가 무엇인지, 그리고 두 방식이 DB 성능에 어떤 영향을 주는지에 대해서 작성하려고 합니다. 1. 순차 I/O 와 랜덤 I/O 이 내용을 이해하기 위해서는 다른 개념을 먼저 이해해야 합니다. 1-1. 디스크의 읽기 단위: Page DB는 디스크의 데이터를 Page 단위로 관리하고 읽습니다. Postgr...</summary> </entry> <entry><title>DB 인덱스가 B+Tree 계열 자료구조를 사용하는 이유</title><link href="https://blog.holychan.dev/posts/db-index-bplus-tree/" rel="alternate" type="text/html" title="DB 인덱스가 B+Tree 계열 자료구조를 사용하는 이유" /><published>2026-08-26T04:22:54+09:00</published> <updated>2026-11-18T04:26:15+09:00</updated> <id>https://blog.holychan.dev/posts/db-index-bplus-tree/</id> <content type="text/html" src="https://blog.holychan.dev/posts/db-index-bplus-tree/" /> <author> <name>성찬</name> </author> <category term="데이터베이스" /> <summary>들어가며 데이터베이스에서 인덱스를 추가하면 조회 성능이 높아진다는 것은 알고 있었습니다. 하지만 인덱스가 내부에서 어떤 자료구조를 사용하는지, 그리고 왜 그 자료구조를 사용하는지에 대해서는 깊게 생각해보지 않았습니다. 학교 후배들에게 멘토링을 진행해주며 B-Tree 와 B+Tree 에 대해서 복습하게 되었고, 데이터베이스는 어떤 식으로 이 자료구조를 사용하는지 궁금해졌습니다. 이를 이해하기 위해서 단순히 시간 복잡도만 비교하지 않고 데이터베이스가 데이터를 저장하고 읽는 방식과 Disk I/O 비용까지 함께 살펴볼 필요가 있었습니다. 이번 글에서는 B-Tree 와 B+Tree 의 구조를 살펴보고 이러한 구조가 데이터베이스 인덱스에 적합한 이유를 정리해보려고 합니다. 1. Binary Search ...</summary> </entry> <entry><title>가변적인 데이터를 저장하는 방법: RDB의 JSONB vs NoSQL</title><link href="https://blog.holychan.dev/posts/jsonb-vs-nosql/" rel="alternate" type="text/html" title="가변적인 데이터를 저장하는 방법: RDB의 JSONB vs NoSQL" /><published>2026-08-11T04:21:08+09:00</published> <updated>2026-11-18T04:26:15+09:00</updated> <id>https://blog.holychan.dev/posts/jsonb-vs-nosql/</id> <content type="text/html" src="https://blog.holychan.dev/posts/jsonb-vs-nosql/" /> <author> <name>성찬</name> </author> <category term="데이터베이스" /> <summary>들어가며 프로젝트를 진행하며 구조가 일정하지 않은 가변적인 데이터를 저장해야 하는 상황이 있었습니다. 이러한 데이터를 어떤 방식으로 저장하고 관리하는 것이 적절할지가 고민이었고, RDB의 jsonb 타입과 NoSQL을 비교하며 각각의 특징과 선택 기준을 정리하려고 합니다. 1. RDB의 jsonb와 NoSQL 1-1. 데이터 구조의 유연성 jsonb 타입과 NoSQL 모두 가변적인 데이터를 저장할 수 있습니다. 따라서 단순히 데이터 구조가 자주 바뀐다는 이유로 NoSQL을 사용하자고 판단하기에는 근거가 부족합니다. 1-2. 관계형 연산의 필요 여부 jsonb 타입은 RDB 안에서 사용되기 때문에 다른 테이블과의 JOIN, 트랜잭션, 제약 조건 등 관계형 DB의 장점을 함께 활용할 수 있습니다. 하지만...</summary> </entry> <entry><title>Redis 에서 파이프라이닝을 적용했는데 왜 느려질까?</title><link href="https://blog.holychan.dev/posts/redis-pipelining-slower/" rel="alternate" type="text/html" title="Redis 에서 파이프라이닝을 적용했는데 왜 느려질까?" /><published>2026-07-20T04:19:38+09:00</published> <updated>2026-11-18T04:26:15+09:00</updated> <id>https://blog.holychan.dev/posts/redis-pipelining-slower/</id> <content type="text/html" src="https://blog.holychan.dev/posts/redis-pipelining-slower/" /> <author> <name>성찬</name> </author> <category term="데이터베이스" /> <summary>특정 API에 요청이 들어오면 네 개의 캐시를 무효화해야 하는 로직이 있었습니다. 각 캐시를 개별적으로 삭제했기 때문에 Redis에 총 네 번의 요청이 전송되었고, 그만큼 네트워크 왕복 비용(RTT)도 네 차례 발생했습니다. 이 문제를 해결하고자 Redis 파이프라이닝 기법을 적용했습니다. 여러 명령어를 한 번에 전송하면 RTT를 줄일 수 있으므로, 당연히 성능 개선이 이루어질 것이라고 예상했습니다. 하지만 적용 전후의 성능 측정 로그를 비교한 결과, 파이프라이닝을 적용한 이후 처리 시간이 약 4배 느려졌습니다. 여기서 “네 번 나누어 보내던 명령을 한 번에 전송하는데 왜 느려졌지?”라는 의문이 들었습니다. 이 현상을 이해하기 위한 시간을 가지게 되었고, 이 글에서 제가 이해한 것을 최대한 이해하기...</summary> </entry> </feed>
