pile·
백엔드·클라우드메이트클라우드메이트·

빌링 3.0 성능 이슈 개선 기록 - Part 1

문제AhnLab CloudMate 빌링 3.0이 매월 200건 인보이스 일괄 발송 시 DB 쿼리 타임아웃, SMTP 전송 제한, DB 최대 커넥션 초과가 복합적으로 터졌다.
접근KeyId·batchDate 복합 인덱스로 쿼리 개선, MySQL max_connections를 151→250으로 올리고 백엔드 커넥션 풀을 80으로 제한, Go 코드에서 누락된 rows.Close() 복구와 db.Query→db.Exec 전환으로 누수를 잡고, 200건을 50건 단위 배치로 쪼개 프론트 호출 시점을 정리했다.
결과인보이스 발송 안정성을 확보했고, 다음 단계로 OpenTelemetry와 K6 부하 테스트로 관측성을 강화할 계획.
클라우드메이트
클라우드메이트 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. 백엔드·twilio-engTwilio Engineering·

    Programmable Messaging에서 Verify API로 마이그레이션하기

    Twilio의 Programmable Messaging API로 자체 OTP 솔루션을 운영하던 서비스가 Verify API로 전환하는 방법을 코드 예시와 함께 설명한다. Verify는 OTP 전송·검증을 위한 전용 API로, 전화번호 구매, 토큰 생성, DB 저장·만료 관리를 내부에서 처리해 개발자가 직접 구현할 코드를 크게 줄인다.

    요약 이어보기
    #authentication#twilio#sms+2
  2. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 2부

    포스타입 백엔드 엔지니어가 벡터 기반 개인화 추천 시스템을 실제 운영하며 맞닥뜨린 성능 장애와 용량 문제를 해결한 과정을 담은 2부다. 수백만 개의 벡터 KNN 검색이 피크 시간대에 전체 Elasticsearch 검색 성능을 흔드는 문제부터 클러스터 OOM 사태까지, 쿼리 최적화와 인프라 분리 두 가지 경로로 근본 해결에 이른다.

    요약 이어보기
    #elasticsearch#vector-search#recommendation-system+2
  3. 백엔드·포스타입포스타입·

    포스타입이 개인화 추천을 하는 방법 1부

    포스타입이 태그 기반 추천의 한계를 극복하고 벡터 임베딩 기반 개인화 추천 시스템을 구축한 과정을 담은 1부다. 유사한 콘텐츠가 다른 용어를 쓰거나 동일한 태그가 전혀 다른 톤의 콘텐츠를 가리키는 문제를 임베딩 벡터로 해결하고, OpenSearch의 HNSW ANN 검색으로 수백만 벡터를 실시간 검색하는 시스템을 구축해 구매율 15% 향상을 달성했다.

    요약 이어보기
    #opensearch#vector-search#recommendation-system+2