쇼핑 시즌의 악몽

O사 배경

**업종:** 종합 쇼핑몰
**규모:** 월 거래액 100억
**목표:** 블랙프라이데이 500억 달성

전년도 참사

2023년 블랙프라이데이

**11/24 오전 10시:**
- 주문 폭주
- DB 응답 느림 (10초+)
- 장바구니 타임아웃

**10시 30분:**
- DB 다운
- 서비스 전체 중단

**복구:**
- 2시간 후 재시작
- 고객 대거 이탈

**손실:**
- 목표 매출: 300억
- 실제 매출: 80억
- 손실: 220억

**원인:**
- DB 설계 미흡
- 파티셔닝 없음
- 인덱스 부적절

2024년 준비

CEO 결정

**선언:**
"올해는 반드시 성공한다"

**투자:**
DB 전면 개선 (6개월 프로젝트)

팀 교육

**강의:**
김영한의 실전 데이터베이스

**집중 학습:**
- 파티셔닝
- 인덱스 최적화
- 대용량 데이터 처리

DB 개선 프로젝트

1. 파티셔닝 전략

**주문 테이블:**
``sql
CREATE TABLE orders (
order_id BIGINT,
user_id BIGINT,
order_date DATETIME,
...
) PARTITION BY RANGE (YEAR(order_date) * 100 + MONTH(order_date))
(
PARTITION p202401 VALUES LESS THAN (202402),
PARTITION p202402 VALUES LESS THAN (202403),
...
PARTITION p202411 VALUES LESS THAN (202412), -- 블랙프라이데이 전용!
PARTITION p202412 VALUES LESS THAN (202501)
);
`

**효과:**
- 블랙프라이데이 데이터만 빠르게 조회
- 이전 데이터와 분리

**상품 테이블:**
- 카테고리별 파티셔닝
- 인기 상품 빠른 조회

2. 인덱스 최적화

**Before:**
- 인덱스 500개 (무분별)
- 쓰기 느림

**After:**
- 핵심 인덱스 50개만
- 복합 인덱스 전략적 설계

**블랙프라이데이 전용 인덱스:**
`sql
CREATE INDEX idx_bf_order
ON orders(order_date, status, user_id);
``

3. 읽기/쓰기 분리

**Master:**
주문 쓰기 전용

**Read Replicas (5대):**
- 상품 조회
- 재고 확인
- 주문 내역 조회

4. 캐시 전략

**Redis:**
- 상품 정보
- 재고 (실시간 동기화)
- 장바구니

**효과:**
DB 읽기 부하 70% 감소

5. 비동기 처리

**주문 프로세스:**
1. 주문 접수 (즉시)
2. 재고 차감 (비동기)
3. 결제 처리 (비동기)
4. 알림 발송 (비동기)

**효과:**
주문 응답 속도 10배 향상

부하 테스트

시뮬레이션

**목표:**
동시 접속 10만 명

**테스트:**
- 주문 초당 1,000건
- 상품 조회 초당 10,000건

**결과:**
- DB 응답: 평균 50ms
- 장애 없음 ✓

블랙프라이데이 D-Day

2024년 11월 29일

**09:50 (10분 전)**
- 모니터링 팀 대기
- DB 메트릭 정상

**10:00 (시작)**
- 동시 접속: 5만 명
- 초당 주문: 500건
- DB 응답: 30ms ✓

**10:30 (작년 장애 시점)**
- 동시 접속: 12만 명 (!!)
- 초당 주문: 1,200건
- DB 응답: 80ms ✓
- **장애 없음!**

**12:00 (점심)**
- 누적 주문: 15만 건
- 매출: 150억
- 시스템 안정

**18:00 (저녁 피크)**
- 동시 접속: 15만 명
- 초당 주문: 1,500건
- DB 응답: 100ms ✓

**23:59 (종료)**
- 총 주문: 50만 건
- 총 매출: **520억**
- 장애 시간: **0초**

성공 요인

1. 파티셔닝

**효과:**
- 블랙프라이데이 데이터만 빠르게 처리
- 이전 데이터와 간섭 없음

2. 인덱스 최적화

**효과:**
- 주문 조회 10배 빠름
- 재고 확인 즉시

3. 읽기/쓰기 분리

**효과:**
- 주문 쓰기 안정적
- 조회 부하 분산

4. 사전 준비

**부하 테스트:**
문제 미리 발견 및 수정

경쟁사 비교

P사 (경쟁사)

**블랙프라이데이:**
- 12시에 DB 다운
- 4시간 장애
- 목표 400억 → 실제 100억
- 손실 300억

**O사:**
- 무장애
- 목표 500억 → 실제 520억
- 초과 달성 20억

**차이:**
DB 설계

비즈니스 효과

매출

**당일:**
520억 (목표 대비 104%)

**고객 만족:**
"O사는 안정적이다" 입소문

**다음 달:**
월 거래액 100억 → 150억 (50% 증가)

브랜드 가치

**Before:**
"블랙프라이데이는 O사 피하자" (작년)

**After:**
"O사가 제일 안정적" (올해)

**고객 유입:**
+40%

투자 유치

**시리즈 B:**
- 투자: 150억
- VC: "대용량 트래픽 처리 능력 검증됨"

CTO 인터뷰

**Q: 작년 참사 후 어떤 결심을 했나요?**

"DB를 처음부터 다시 설계하자"였어요. 김영한 강의로 팀 전체가 공부했죠.

**Q: 가장 효과적이었던 개선은?**

파티셔닝이요. 블랙프라이데이 데이터를 별도 파티션으로 분리한 게 핵심이었어요.

**Q: 당일 가장 긴장한 순간은?**

작년에 다운됐던 10시 30분이요. 그때 DB 메트릭을 보는데 안정적이더라고요. 그때 "성공했다"고 느꼈죠.

ROI

**투자:**
- DB 개선: 2억원
- 강의: 300만원
- 6개월 개발

**효과:**
- 블랙프라이데이 성공: 520억 (작년 대비 +440억)
- 다음 달 효과: +50억/월
- 브랜드 가치: 측정 불가

**ROI:**
투자 대비 200배 이상

결론

**대용량 트래픽:**
DB 설계가 핵심

**핵심 기술:**
- 파티셔닝
- 인덱스 최적화
- 읽기/쓰기 분리

**학습:**
김영한의 실전 데이터베이스

**결과:**
블랙프라이데이 무장애 성공

---

**태그**: #블랙프라이데이 #커머스 #DB최적화 #대용량트래픽 #파티셔닝