pile·
DB / 데이터·미리디미리디·

Amazon DocumentDB 인덱스 최적화로 미리캔버스의 쿼리 성능을 개선 사례

문제미리캔버스가 MongoDB Atlas 에서 Amazon DocumentDB 로 전환하면서 partial index, $or 정렬, prefix regex, hot document lock 등에서 호환성 차이로 쿼리 성능이 저하됐다.
접근partialFilterExpression 과 쿼리 필터를 정확히 일치시키고, $or+정렬은 쿼리 분리 후 앱 단 머지, regex 는 $gt/$lt range 쿼리로 변환, 핫 문서 카운터는 Redis 분리 + 배치 업데이트로 풀었다.
결과IXSCAN 안정 확보, document-level lock 경합 해소, MVCC ID 모니터링과 마이그레이션 직후 slow query 추적까지 운영 체크리스트로 정착했다.
미리디
미리디 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)
·takedown 요청

이 글과 비슷한

  1. DB / 데이터·pinterest-engPinterest Engineering·

    Pinterest 차세대 DB 수집 프레임워크의 자동화된 스키마 진화

    Pinterest의 CDC 기반 DB 수집 파이프라인은 MySQL에서 Kafka, Flink, Spark, Iceberg를 거치는 다층 구조다. 스키마 변경이 생기면 모든 계층을 동시에 업데이트해야 해 드리프트, 배포 실패, 데이터 불일치가 반복됐다. Pinterest 엔지니어링 팀은 이를 해결하기 위해 가산적 변경만 자동화하는 스키마 진화 프레임워크를 구축하고, PR 기반 롤아웃과 SLA 기반 일관성 모델을 도입했다.

    #data-pipeline#apache-flink#cdc+2