데이터 규모가 급격히 커질 때 샤딩(Sharding)을 도입하는 기준과 설계 원칙은 무엇인가요?

Question

Accepted Answer

단일 데이터베이스 서버의 리소스 한계에 도달하여 수직 확장(Scale-up)으로 해결이 불가능할 때 샤딩을 고려하며, 이때 가장 중요한 것은 데이터가 고르게 분산될 수 있는 샤드 키를 선정하는 것입니다. 핵심 키워드: 수평 확장(Scale-out), 샤드 키(Shard Key), 데이터 핫스팟, 리밸런싱 샤딩은 데이터를 여러 물리적 서버에 나누어 저장하는 방식입니다. 보통 특정 테이블의 데이터 건수가 수억 건을 넘어가고 인덱스 크기가 메모리를 초과하여 디스크 I/O가 급증할 때 검토를 시작합니다. 하지만 샤딩은 시스템 복잡도를 크게 높이므로 파티셔닝이나 리드 리플리카 분산으로 해결 가능한지 먼저 확인하는 것이 선행되어야 합니다. 설계 시 가장 핵심은 샤드 키입니다. 특정 샤드에만 데이터가 몰리는 '핫스팟' 현상을 피해야 합니다. 예를 들어 날짜를 샤드 키로 잡으면 최신 데이터가 쌓이는 특정 서버에만 부하가 집중됩니다. 사용자 ID의 해시값처럼 랜덤하게 분산될 수 있는 키를 선택해야...

데이터 규모가 급격히 커질 때 샤딩(Sharding)을 도입하는 기준과 설계 원칙은 무엇인가요?

질문 의도

평가 포인트

🔗 꼬리 질문

📚 이 주제를 더 공부하고 싶나요?

[CS 기술면접 4] 말이 트이는 데이터베이스| 이용준 - 인프런 강의

김영한의 실전 데이터베이스 - 기본편| 김영한 - 인프런 강의