Compaction 과정이 읽기 성능과 저장 공간에 미치는 영향

데이터베이스의 숨은 일꾼 컴팩션 이해하기

현대 디지털 세상에서 우리는 매일 엄청난 양의 데이터를 생성하고 소비합니다. 스마트폰의 사진, 기업의 고객 로그, 실시간 금융 거래 정보까지 데이터는 끊임없이 쌓입니다. 이렇게 방대한 데이터를 효율적으로 관리하기 위해 많은 현대 데이터베이스 시스템은 ‘로그 구조화 병합 트리(LSM Tree)’와 같은 방식을 사용하며, 여기서 핵심적인 역할을 하는 것이 바로 ‘컴팩션(Compaction)’ 과정입니다. 컴팩션은 단순히 데이터를 압축하는 것을 넘어, 데이터베이스의 성능과 저장 공간 효율을 결정짓는 매우 중요한 프로세스입니다.

컴팩션이란 무엇이며 왜 필요한가

데이터베이스에 데이터를 저장할 때, 시스템은 쓰기 속도를 높이기 위해 데이터를 순차적으로 기록합니다. 하지만 시간이 지나면 같은 키(Key)를 가진 데이터가 여러 번 업데이트되거나, 삭제된 데이터가 메모리와 디스크에 섞이게 됩니다. 이때 쓸모없어진 옛날 데이터나 삭제 표시가 된 데이터들이 저장 공간을 차지하게 되는데, 이를 ‘데이터 파편화’라고 부릅니다. 컴팩션은 이러한 불필요한 데이터를 제거하고, 흩어져 있는 유효한 데이터들을 하나로 합쳐서 정렬하는 청소 작업입니다.

컴팩션이 중요한 이유는 크게 두 가지입니다. 첫째는 저장 공간의 확보입니다. 중복되고 삭제된 데이터를 정리함으로써 디스크 용량을 절약합니다. 둘째는 읽기 성능의 최적화입니다. 데이터가 여러 곳에 흩어져 있으면 특정 값을 찾기 위해 여러 파일을 뒤져야 하지만, 컴팩션을 통해 데이터를 정렬하고 합쳐두면 데이터베이스는 훨씬 적은 노력으로 원하는 정보를 빠르게 찾아낼 수 있습니다.

컴팩션이 읽기 성능과 저장 공간에 미치는 영향

컴팩션은 양날의 검과 같습니다. 제대로 작동하면 시스템의 효율성을 극대화하지만, 잘못 관리하면 오히려 시스템의 발목을 잡기도 합니다.

저장 공간 측면의 이점

• 유효하지 않은 데이터 제거: 삭제된 레코드나 이전 버전의 데이터를 물리적으로 삭제하여 디스크 점유율을 낮춥니다.

• 데이터 압축 효율 증대: 비슷한 데이터들이 한곳에 모이면 압축 알고리즘이 훨씬 더 높은 효율을 발휘하여 실제 저장 용량을 획기적으로 줄여줍니다.

읽기 성능 측면의 이점

• 검색 범위 최소화: 컴팩션이 잘 된 데이터베이스는 최신 정보가 잘 정렬되어 있어, 읽기 요청 시 여러 파일을 조회할 필요 없이 적은 수의 파일만 확인하면 됩니다.

• 캐시 적중률 향상: 데이터가 밀도 있게 저장되어 있으면 메모리 캐시를 사용할 때 더 많은 유효 데이터를 담을 수 있어 성능이 올라갑니다.

컴팩션의 주요 유형과 작동 방식

컴팩션은 크게 몇 가지 방식으로 나뉘며, 시스템마다 선택하는 방식이 다릅니다. 사용자의 요구사항에 따라 적절한 방식을 이해하는 것이 중요합니다.

사이즈 계층 컴팩션

작은 파일들이 일정 개수 이상 쌓이면 더 큰 파일로 합치는 방식입니다. 구현이 간단하고 쓰기 성능이 매우 뛰어나다는 장점이 있습니다. 다만, 읽기 성능은 상대적으로 떨어질 수 있는데, 이는 여러 개의 파일이 생성될 가능성이 높기 때문입니다.

레벨 컴팩션

데이터를 레벨별로 나누어 관리합니다. 낮은 레벨에서 높은 레벨로 데이터를 이동시키며 정렬을 유지합니다. 읽기 성능이 매우 우수하여 읽기 작업이 빈번한 서비스에 적합하지만, 컴팩션 과정에서 시스템 리소스를 많이 사용하여 쓰기 성능에 영향을 줄 수 있습니다.

컴팩션 과정에서 발생하는 흔한 오해들

많은 사용자가 컴팩션에 대해 잘못 알고 있는 부분들이 있습니다. 이를 바로잡는 것이 시스템 운영의 첫걸음입니다.

• 오해: 컴팩션은 시스템을 멈추게 한다.

  사실: 과거에는 그랬을지 모르지만, 최신 데이터베이스들은 ‘백그라운드 컴팩션’을 지원합니다. 즉, 서비스 운영 중에 시스템의 성능을 최소한으로 저하시키면서 조용히 작업을 수행합니다.

• 오해: 컴팩션은 무조건 자주 할수록 좋다.

  사실: 아닙니다. 컴팩션 자체도 CPU와 디스크 입출력(I/O)을 사용하는 작업입니다. 너무 잦은 컴팩션은 오히려 시스템 자원을 고갈시켜 실제 서비스 성능을 떨어뜨릴 수 있습니다. 적절한 주기를 찾는 것이 기술력입니다.

실무자를 위한 컴팩션 최적화 팁

데이터베이스의 성능을 극대화하고 싶다면 다음의 실무 팁을 적용해보세요.

• 디스크 I/O 모니터링: 컴팩션이 일어나는 동안 디스크 사용량이 급증하는지 항상 확인하세요. 디스크 성능이 병목 지점이라면 컴팩션 주기를 조정해야 합니다.
• 데이터 접근 패턴 파악: 읽기 위주의 서비스라면 레벨 컴팩션을, 쓰기 위주의 로그성 서비스라면 사이즈 계층 컴팩션을 고려하는 것이 비용 효율적입니다.
• 적절한 압축 알고리즘 선택: CPU 사용량을 조금 더 쓰더라도 저장 공간을 극적으로 줄이고 싶다면 고성능 압축 알고리즘을 설정하세요. 반대로 CPU가 귀하다면 압축률은 낮더라도 빠른 알고리즘을 선택하는 것이 현명합니다.

전문가의 조언: 컴팩션은 튜닝의 예술이다

많은 전문가들은 컴팩션을 ‘데이터베이스의 심장 박동’에 비유합니다. 심장이 너무 빨리 뛰면(과도한 컴팩션) 에너지가 고갈되고, 너무 느리게 뛰면(부족한 컴팩션) 혈액 순환(데이터 조회)이 제대로 되지 않습니다. 따라서 자신의 시스템에 맞는 최적의 컴팩션 설정을 찾는 과정은 단번에 끝나지 않습니다.

처음에는 데이터베이스 제조사에서 제공하는 기본값(Default)으로 시작하되, 서비스의 트래픽 패턴이 변함에 따라 컴팩션 설정을 조금씩 조정해보는 것이 좋습니다. 특히 클라우드 환경에서는 디스크의 IOPS(초당 입출력 횟수) 제한이 있으므로, 이 제한을 넘지 않는 선에서 컴팩션이 이루어지도록 설정하는 것이 비용 효율적인 운영의 핵심입니다.

자주 묻는 질문과 답변

Q: 컴팩션이 진행 중일 때 시스템이 느려지는 이유는 무엇인가요?

A: 컴팩션은 데이터를 읽고, 정렬하고, 다시 쓰는 복잡한 과정을 거칩니다. 이때 많은 디스크 I/O와 CPU 자원을 사용하기 때문입니다. 이를 방지하려면 컴팩션이 수행되는 시간을 트래픽이 낮은 시간대로 예약하거나, 백그라운드 작업의 우선순위를 조정해야 합니다.

Q: 데이터 크기가 작을 때도 컴팩션이 중요한가요?

A: 데이터가 작을 때는 영향이 미미합니다. 하지만 데이터가 수 기가바이트(GB)에서 테라바이트(TB) 단위로 넘어가면 컴팩션 없이는 성능 저하가 눈에 띄게 나타납니다. 초기 설계 단계부터 컴팩션 전략을 세워두는 것이 나중에 겪을 고생을 줄이는 방법입니다.

Q: 컴팩션 설정을 잘못하면 데이터가 손실되나요?

A: 표준적인 컴팩션 프로세스는 데이터의 무결성을 보장하도록 설계되어 있습니다. 새로운 정렬 파일을 완전히 생성하고 기존 파일을 삭제하는 방식을 사용하므로, 시스템 장애가 발생하더라도 데이터가 유실될 가능성은 거의 없습니다.

비용 효율적인 데이터베이스 운영 전략

컴팩션은 운영 비용과도 직결됩니다. 클라우드 서비스(AWS, GCP 등)를 이용하는 경우, 저장 공간은 곧 비용입니다. 컴팩션을 효율적으로 설정하여 데이터 크기를 20%만 줄여도, 매달 지불하는 스토리지 비용을 그만큼 절감할 수 있습니다. 또한 데이터 읽기 효율이 좋아지면 더 낮은 사양의 인스턴스를 사용하여 서버 비용을 최적화할 수도 있습니다.

결국 컴팩션은 단순한 유지보수 작업이 아니라, 시스템의 건강을 유지하고 운영 비용을 절감하는 전략적인 도구입니다. 지금 운영 중인 데이터베이스의 컴팩션 설정을 한번 확인해보세요. 작은 조정이 시스템 전체의 생산성을 크게 높여줄 수 있습니다.