pile·
백엔드·vercel-blogVercel Blog·

서버리스 환경의 DB 연결 누출 문제와 해결법

서버리스에서 데이터베이스 연결 수가 폭발한다는 통념은 잘못됐다. 동시 요청 1,000개 기준 서버·Lambda·Vercel 모두 필요 연결 수는 동일하다. 진짜 문제는 함수 suspend 중 유휴 연결의 타임아웃 타이머가 멈춰 연결이 수분간 누출되는 현상이며, Vercel Fluid의 attachDatabasePool이 waitUntil 패턴으로 이를 해결한다.

핵심 포인트
  • 서버리스가 연결을 더 많이 쓴다는 건 오해. 동시 요청 수가 같으면 모든 컴퓨팅 모델의 필요 연결 수는 동일하다.
  • 진짜 문제: 함수가 suspend될 때 유휴 연결의 타임아웃 타이머가 멈춰 연결이 수분간 열려 있다.
  • @vercel/functions의 attachDatabasePool(pool)을 전역 스코프에 등록하면 타이머 스케줄링과 waitUntil로 연결 누출을 방지한다.
  • Lambda 권고 max pool size=1은 누출 방지가 안 되고 동시 처리 이점을 잃는 잘못된 권장사항이다.
  • 트래픽이 낮을 때는 아이들 타임아웃을 5초처럼 짧게 설정해 빠른 연결 해제를 유도한다.
상세 정리
  • 오해 바로잡기: 단일 서버 1,000 스레드 = 서버리스 1,000 인스턴스 x 1 클라이언트. Vercel Fluid 100 인스턴스 x 10 클라이언트도 같다. 총 연결 수는 동일하다.
  • 연결 누출 원인: 함수 suspend 중 타임아웃 타이머가 작동하지 않아 연결이 데이터베이스 서버 측 타임아웃(수분)까지 열려 있다.
  • 영향 사례: Supabase 무료 플랜(최대 200 연결)에서 50개 누출만으로도 즉각적인 연결 부족이 발생한다.
  • 해결 코드: import { Pool } from 'pg'; import { attachDatabasePool } from '@vercel/functions'; const pool = new Pool(…); attachDatabasePool(pool); 전역 스코프에 한 번만 등록한다.
  • 동작 원리: 클라이언트가 풀로 반환될 때 타이머 스케줄링, waitUntil로 함수를 유지해 타이머 완료 후 연결 해제. 새 클라이언트 요청 시 타이머 취소 및 재스케줄링.
  • 비용 영향: Active CPU Pricing 모델에서 타이머 대기 중 CPU 미사용(메모리 예약 비용만). 마지막 요청만 추가 시간 소요.
  • 추가 권장사항: Pool은 전역 스코프 정의, 아이들 타임아웃 짧게 설정, 롤링 배포로 연결 몰림(thundering herd) 방지.
  • 안티패턴: Lambda max pool size=1 권장은 연결 누출을 막지 못하면서 동시 처리 이점까지 잃는다.
왜 읽나서버리스 환경에서 Postgres/RDB 연결 풀 관리 문제를 겪는 백엔드 개발자에게 실제 원인 분석과 코드 수준 해결책을 제공한다.
vercel-blog
Vercel Blog 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