pile·
백엔드·삼쩜삼삼쩜삼·

5월을 대비하는 자세: 성능 테스트 및 모니터링 시나리오

삼쩜삼이 5월 종합소득세 신고 시즌의 3배 TPS 급증에 대비해 K6 기반 부하 테스트를 설계하고, HikariCP/HTTP 클라이언트/Kafka/Redis 최적화를 통해 시스템 안정성을 확보한 과정을 정리한다.

핵심 포인트
  • K6를 활용해 3월-4월 APM 데이터에서 상위 10개 고트래픽 API를 선별해 실사용자 시나리오 부하 테스트 설계
  • AWS CloudWatch(Micrometer), InfluxDB(K6 메트릭), Prometheus(Kafka Exporter), Grafana로 통합 모니터링 스택 구성
  • HikariCP 커넥션 풀 설정 최적화로 DB 커넥션 재사용률 개선
  • OpenFeign 클라이언트를 OkHttp에서 Apache HTTP Client로 통일해 커넥션 풀 관리 일원화
  • Kafka 파티션 수와 컨슈머 스케일 조정, Redis 캐싱으로 DB 쿼리 부하 감소
상세 정리
  • 3월-4월 실서비스 APM·OpenSearch 로그 분석으로 피크 트래픽 API Top 10을 정의, 테스트 현실성 확보
  • 외부 API(카카오 로그인, 웹 스크래핑)는 Mock 서버로 대체해 외부 시스템에 영향 없이 격리 테스트 환경 구성
  • Micrometer push 모델로 애플리케이션 메트릭을 CloudWatch로 전송, K6 HTTP 메트릭은 InfluxDB에 저장
  • Kafka Exporter → Prometheus 파이프라인으로 메시지 큐 메트릭을 Grafana 대시보드에서 통합 시각화
  • HikariCP minimumIdle, maximumPoolSize, connectionTimeout, idleTimeout 파라미터 체계적 조정
  • OpenFeign 클라이언트 라이브러리를 Apache HTTP Client로 통일하면 커넥션 풀·타임아웃 설정 일관성 확보
  • Redis는 변경 빈도가 낮은 데이터를 캐싱해 DB 쿼리 중복 제거
  • Kafka 파티션 증가로 컨슈머 병렬 처리 확대, 피크 시 메시지 지연 방지
  • 결과: 5월 실제 피크 트래픽에서 성능 저하 없이 목표 TPS 달성, 팀 간 표준 성능 설정 수립
왜 읽나계절성 피크 트래픽을 앞두고 실서비스 부하 테스트 환경을 구성하고 주요 병목(DB/HTTP/Kafka/캐시)을 체계적으로 최적화하려는 백엔드 팀에 실전 레퍼런스를 제공한다.
삼쩜삼
삼쩜삼 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