경험은 언제나 옳다

⚡ MongoDB 성능 튜닝 실전편: 인덱스 전략과 Aggregation Pipeline 최적화

MongoDB가 느려지는 원인의 90%는 잘못된 인덱스 구성과 비효율적인 Aggregation Pipeline 때문입니다.
이번 포스트에서는 쿼리 성능을 극적으로 올릴 수 있는 핵심 튜닝 전략을 실전 중심으로 소개합니다.

1️⃣ 인덱스(Index) 전략

✅ 기본 원칙

• 항상 조회 조건(where)에 사용되는 필드는 인덱싱
• 정렬(sort)에 자주 쓰이는 필드도 인덱스 고려
• 복합 인덱스는 조건 사용 빈도 + 필드 순서가 중요

📌 단일 vs 복합 인덱스

// 단일 인덱스
db.users.createIndex({ age: 1 })

// 복합 인덱스 (조건 + 정렬)
db.users.createIndex({ age: 1, createdAt: -1 })

🧠 인덱스가 작동하지 않는 경우

• 조건과 인덱스 순서가 다를 때
• 복잡한 $or / $regex 조합
• Aggregation에서 $project를 먼저 쓰는 경우

🔍 실행 계획 확인

db.users.find({ age: 30 }).explain("executionStats")

• COLLSCAN: 전체 Collection 스캔 → 성능 저하
• IXSCAN: 인덱스 사용 → OK

2️⃣ 인덱스 튜닝 실전 예제

🧪 문제 상황

db.orders.find({
  status: "shipped",
  createdAt: { $gte: ISODate("2023-01-01") }
}).sort({ createdAt: -1 })

이 쿼리가 느리다면?

✅ 해결 전략

• 복합 인덱스 생성

db.orders.createIndex({ status: 1, createdAt: -1 })

📌 WHERE → SORT 순서대로 인덱스 필드 배치하는 게 핵심입니다.

3️⃣ Aggregation Pipeline 최적화

Aggregation은 강력하지만, 성능 병목도 자주 발생하는 영역입니다.

⚠️ 자주 발생하는 비효율 구조

db.sales.aggregate([
  { $project: { total: { $multiply: ["$price", "$qty"] } } },
  { $match: { total: { $gt: 100 } } }
])

$project → $match 순서는 인덱스를 사용할 수 없습니다.

✅ 올바른 순서

db.sales.aggregate([
  { $match: { price: { $gt: 10 } } },
  { $project: { total: { $multiply: ["$price", "$qty"] } } }
])

• 인덱스 가능한 조건은 $match로 먼저 걸어야 성능 확보 가능
• 필터 → 가공 → 정렬 → 그룹 순서로 설계

4️⃣ $group 최적화 팁

대규모 데이터 집계에서 $group은 가장 느린 연산입니다.

💡 최적화 전략

• group 전에 가능한 한 match/filter로 줄이기
• allowDiskUse: true 옵션으로 메모리 초과 방지

db.logs.aggregate([
  { $match: { level: "ERROR" } },
  { $group: { _id: "$service", count: { $sum: 1 } } }
], { allowDiskUse: true })

5️⃣ 성능 튜닝 종합 체크리스트

• ✅ 모든 쿼리는 .explain() 으로 실행계획 확인
• ✅ 인덱스는 조회 조건 + 정렬 순서 기반으로 설계
• ✅ Aggregation은 $match → $project → $sort → $group 순서 지키기
• ✅ 복합 인덱스는 자주 사용하는 쿼리 패턴 중심으로

📌 추천 도구

• MongoDB Compass → 쿼리 분석 + 인덱스 추천
• Atlas Performance Advisor → 인덱스 자동 추천
• mongostat / mongotop → 실시간 부하 확인

✅ 마무리 요약

• 인덱스 전략은 MongoDB 성능의 핵심!
• Aggregation은 설계 순서와 필터링 범위가 성능을 좌우
• 쿼리 튜닝은 분석(Explain) → 테스트 → 튜닝의 반복

도움 되셨다면 공감/구독도 부탁드립니다 😊

🔥 MongoDB 운영 중 자주 발생하는 문제와 실전 대응법

MongoDB는 유연하고 강력한 NoSQL DB지만, 실 운영 환경에서는 다양한 이슈가 발생할 수 있습니다.
이 포스팅에서는 현장에서 자주 접하는 문제 상황과 그에 대한 대응 전략을 실제 경험 기반으로 정리해드립니다.

1️⃣ Oplog Overflow (오플로그 오버플로우)

• 🔍 문제 현상: Secondary 노드 복제 실패, 에러 로그에 missing oplog records
• 🧠 원인: Secondary가 복제 지연 상태일 때 Oplog에서 오래된 로그가 삭제됨

✅ 대응 방법

• Replication 지연 확인: rs.printSlaveReplicationInfo()
• Secondary 초기화 후 재시작 (전체 동기화)

🛡️ 예방 전략

• Oplog 크기 충분히 확보 (디폴트보다 ↑)
• 복제 지연 감시 → 알람 설정

2️⃣ Replication Lag (복제 지연)

• 🔍 문제 현상: Secondary가 Primary 변경을 늦게 반영함
• 🧠 원인: 느린 네트워크, Disk I/O 병목, 쿼리 부하

✅ 대응 방법

rs.printSlaveReplicationInfo()

• 지연이 10초 이상이면 주의, 수 분이면 위험
• Secondary가 과부하 상태인지 top 또는 mongotop으로 확인

🛡️ 예방 전략

• 네트워크 품질 확인 (Private VPC 권장)
• Secondary에 백업, 분석 작업 몰리지 않도록 분리

3️⃣ Lock 경합 (Write/Read 경합)

• 🔍 문제 현상: 응답 지연, CPU 사용량 급증
• 🧠 원인: 동일 컬렉션에 대한 동시 쓰기, 대용량 업데이트

✅ 대응 방법

• db.currentOp()로 오래된 쿼리 확인
• killOp(opid)로 불필요한 작업 중단

🛡️ 예방 전략

• 배치 작업은 슬라이스로 나눠서 실행
• 업데이트 쿼리는 조건 최소화, 필드 선택적으로 업데이트

4️⃣ 커넥션 수 초과 (Too Many Connections)

• 🔍 문제 현상: "Too many connections" 에러
• 🧠 원인: 커넥션 풀 미사용, 앱 재시도 로직 과잉

✅ 대응 방법

db.serverStatus().connections

• 앱의 커넥션 풀 설정 확인 (e.g., Mongoose, Spring Data 등)
• 최대 커넥션 수 조정: maxIncomingConnections 파라미터

🛡️ 예방 전략

• 앱단에서 커넥션 풀 필수
• Atlas에서는 Auto-scaling + 경고 알림 활용

5️⃣ 쿼리 성능 저하 (Index 미사용 / Full Collection Scan)

• 🔍 문제 현상: 응답 시간 ↑, 서버 CPU 사용량 ↑
• 🧠 원인: 인덱스 누락, 복합 조건 쿼리의 비효율적 설계

✅ 대응 방법

db.collection.find({ ... }).explain("executionStats")

• COLLSCAN이면 인덱스 미사용
• 적절한 인덱스 생성: db.collection.createIndex()

🛡️ 예방 전략

• slow query log 활성화 & 주기적 리뷰
• 복합 인덱스는 자주 쓰는 순서로 구성

6️⃣ 디스크 공간 부족

• 🔍 문제 현상: MongoDB 다운, insert 불가
• 🧠 원인: oplog, log, WiredTiger cache가 디스크를 가득 채움

✅ 대응 방법

• db.stats()로 DB 사이즈 확인
• logRotate 설정으로 로그 압축

🛡️ 예방 전략

• 모니터링 도구에서 디스크 임계값 경고 설정
• 데이터 아카이빙 전략 운영 (cold data 이동)

✅ 마무리 요약

• Oplog & Replication Lag은 고가용성 핵심
• Lock 경합, 쿼리 성능 저하는 실시간 트래픽 대응력에 영향
• 모니터링 도구 & 경고 알람은 반드시 설정해야 함
• 지속적인 점검 & 튜닝 없이는 MongoDB도 결국 느려집니다

도움이 되셨다면 공감과 구독도 부탁드립니다! 😊

🛠️ MongoDB DBA가 꼭 챙겨야 할 관리 포인트 정리

MongoDB를 운영 환경에 도입했다면, 이제부터는 DBA 입장에서의 관리 전략이 중요합니다.
이 글에서는 MongoDB를 안정적으로 운영하기 위한 주요 관리 포인트를 하나씩 짚어볼게요.

1️⃣ 운영 환경 구성

✅ Replica Set

• MongoDB 고가용성을 위한 기본 구성
• 최소 3개 이상의 노드 구성: 1 Primary + 2 Secondary
• 자동 Failover 지원

rs.initiate({
  _id: "rs0",
  members: [
    { _id: 0, host: "mongo1:27017" },
    { _id: 1, host: "mongo2:27017" },
    { _id: 2, host: "mongo3:27017" }
  ]
});

✅ Sharding

• 수평 확장(Scale-out)을 위한 기능
• 샤드 키(Shard Key) 선정이 매우 중요
• 불균형 파티셔닝은 성능 저하로 이어짐

📌 샤딩은 반드시 트래픽 패턴 기반으로 설계해야 합니다.

2️⃣ 모니터링 포인트

운영 환경에서는 지속적인 모니터링이 필수입니다.

🧪 주요 명령어

• mongostat: 실시간 트래픽 확인
• mongotop: 컬렉션별 읽기/쓰기 시간 확인

📊 MongoDB Atlas Monitoring

• CPU, 메모리, IOPS, 컬렉션별 쿼리 수행 시간
• Slow Query Analytics 제공

🔍 300ms 이상 걸리는 쿼리는 slow query log로 추적하세요.

3️⃣ 성능 최적화

✅ 인덱스 관리

• 쿼리에 사용되는 필드는 인덱스 필수
• 복합 인덱스는 순서 중요 ({ a: 1, b: 1 })

✅ 쿼리 분석

db.collection.find({ a: 1 }).explain("executionStats")

• COLLSCAN → 인덱스 미사용 경고
• IXSCAN → 인덱스 정상 사용

✅ Write Concern / Read Concern

• 데이터 일관성을 위해 적절히 조정 필요
• 기본: { w: "majority" }

4️⃣ 백업과 복구

🧰 mongodump & mongorestore

# 백업
mongodump --out=/data/backup

# 복구
mongorestore /data/backup

🌀 Point-in-Time 복구 (MongoDB Atlas)

• 클러스터 설정 시 PITR(지점 복구) 설정 가능
• 실수로 인한 삭제/변경 복구에 유용

5️⃣ 사용자 권한과 보안

🔐 Role-Based Access Control (RBAC)

• read, readWrite, dbAdmin 등 역할 기반 권한
• 운영 계정에는 최소 권한 부여 원칙 적용

🔒 인증 & 암호화

• 비밀번호 인증 기본
• LDAP, Kerberos 등 외부 인증 연동 가능
• 데이터 암호화: TLS/SSL + Encryption-at-Rest

6️⃣ 장애 대응 체크리스트

• Primary 전환 감지 (rs.status())
• Secondary 복제 지연 확인 (Replication Lag)
• 디스크 공간, 커넥션 수 상시 모니터링
• 애플리케이션에서 재시도 로직 포함 여부 확인

📍 MongoDB는 장애 발생 시 자동 복구 기능이 있지만, DBA의 사전 대응 설계가 핵심입니다.

✅ 마무리 요약

• Replica Set은 기본, Sharding은 상황에 따라
• 인덱스/쿼리 분석은 성능 유지의 핵심
• 권한 관리와 백업은 운영 안정성의 필수 요소
• Atlas 활용 시 시각화된 모니터링과 자동 백업이 장점

도움이 되셨다면 공감과 구독도 부탁드립니다! 😊

✅ 현재 Oplog 사이즈 확인 방법

Mongo Shell에서 확인

db.getReplicationInfo()

📘 예시 출력:

{
  logSizeMB: 1024,
  usedMB: 23.45,
  timeDiff: 14400,
  timeDiffHours: 4,
  tFirst: ISODate("2025-04-18T03:00:00Z"),
  tLast: ISODate("2025-04-18T07:00:00Z"),
  now: ISODate("2025-04-18T07:00:01Z")
}

컬렉션 직접 확인 (local.oplog.rs)

use local db.oplog.rs.stats().maxSize / 1024 / 124 // MB 단위로 변환

Oplog 컬렉션 자체의 maxSize 확인 가능합니다.

🛠️ 수동으로 oplog 크기 변경하는 법

MongoDB는 실행 중에는 oplog 크기를 직접 변경할 수 없어요. 하지만 아래와 같이 수동으로 변경은 가능합니다:

1. 복제 중단 (노드 내리기)
2. 기존 oplog.rs 삭제
3. 새 크기로 다시 초기화

# Step 1: mongod 종료
sudo systemctl stop mongod

# Step 2: oplog 크기 변경하여 다시 시작
mongod --replSet rs0 --oplogSize 2048

⚠️ 주의: 이 작업은 데이터 손실 위험이 있으므로,  Secondary 노드에서만 수행합니다.

🚀 MongoDB 기본기, RDBMS와 비교하며 쉽게 이해하기

안녕하세요! 이 글에서는 MongoDB의 기본 개념을 RDBMS(MySQL 등)와 비교하면서 쉽게 정리해볼게요.
SQL은 익숙한데 NoSQL이 처음이라면, 아래 비교와 실습 예제만 따라와도 MongoDB 감이 팍 잡힐 거예요!

✅ MongoDB란?

MongoDB는 NoSQL 기반의 문서형 데이터베이스입니다.
데이터를 테이블이 아닌 JSON 형태의 Document로 저장하고, 유연한 스키마를 지원해요.

📌 NoSQL = Not Only SQL
기존 SQL 방식 외에도 다양한 구조의 데이터를 저장할 수 있는 DB

• 스키마가 자유로워서 빠른 개발에 적합
• JSON 형태의 데이터 저장 (BSON으로 처리)
• 수평 확장(Sharding)에 강해 대규모 데이터 처리 가능

1️⃣ RDBMS vs MongoDB 구조 비교

핵심 차이: MongoDB는 스키마 정의 없이, 자유롭게 JSON 형태로 데이터를 저장합니다.

2️⃣ 설치 & 실행 (로컬)

MongoDB 공식 다운로드에서 Community 버전 설치

# MongoDB 서버 실행
mongod

# Mongo Shell 접속
mongosh

최근에는 mongosh가 기본 쉘입니다 (기존 mongo 명령어에서 변경됨).

3️⃣ MongoDB 기본 명령어

# 데이터베이스 목록
show dbs

# DB 선택/생성
use myDB

# 컬렉션에 도큐먼트 삽입
db.users.insertOne({ name: "Alice", age: 25 })

# 컬렉션 조회
show collections

# 도큐먼트 전체 조회
db.users.find()

# 조건 검색 (나이 ≥ 20)
db.users.find({ age: { $gte: 20 } })

4️⃣ 데이터 삽입 비교

🟦 RDBMS

CREATE TABLE users (
  id INT AUTO_INCREMENT,
  name VARCHAR(50),
  age INT
);

INSERT INTO users (name, age) VALUES ('Alice', 25);

🟩 MongoDB

use myDB;
db.users.insertOne({ name: "Alice", age: 25 });

MongoDB는 컬렉션이 없어도 자동 생성되고, 스키마 없이 바로 삽입 가능해요.

5️⃣ 데이터 조회 비교

🟦 MySQL

SELECT * FROM users WHERE age >= 20;

🟩 MongoDB

db.users.find({ age: { $gte: 20 } });

조건문은 SQL과 달리 $gte, $lte, $in 같은 연산자를 사용합니다.

6️⃣ 유연한 스키마란?

MongoDB에서는 컬렉션 내 도큐먼트 구조가 서로 달라도 저장이 가능합니다.

// 첫 도큐먼트
{ name: "Tom", age: 30 }

// 두 번째 도큐먼트
{ name: "Jane", email: "jane@example.com" }

→ 초반 개발 속도가 빠르고, 구조가 자주 바뀌는 프로젝트에 적합해요.

7️⃣ 기타 기능 비교 요약

✨ 마무리 요약

• MongoDB는 테이블 대신 컬렉션, 행(Row) 대신 도큐먼트를 사용
• JSON 스타일 문법으로 간편한 삽입/조회 가능
• 스키마가 자유로워 빠르게 시작할 수 있음
• 대용량 데이터에 강하고, 클라우드 연동이 쉬움

도움이 되셨다면 공감과 구독도 부탁드립니다!😀