대규모 공간 데이터를 위한 분산 시스템과 성능 최적화를 다뤄왔습니다.
3D GIS 엔진 백엔드를 거쳐, 현재는 다중 위성 관제 플랫폼의 백엔드를 개발하고 있습니다.

Spatial Data Distributed Systems Performance Optimization Large-scale Backend GIS

• 나라스페이스테크놀로지 — 지상소프트웨어 & 데이터플랫폼팀 (2026.07 ~ 현재)
• 아이씨티웨이 — 3D GIS 엔진 & 백엔드 엔지니어 (2024.12 ~ 2026.07)
• 전북대학교 IT정보공학과 학사 (2019.03 ~ 2025.02)
• 소프트웨어 마에스트로 15기 백엔드 리드 (2024.04 ~ 2024.11)

• 문제를 기술로 풀지, 커뮤니케이션으로 풀지부터 판단한다. 기술이 당연한 해결책이라고 전제하지 않고, 여러 선택지 중 하나로 놓고 검토한다.
• 기술로 풀기로 했다면, 가장 간단한 해결책을 먼저 선택한다. 문제 크기에 비해 과한 설계를 경계한다.
• 목표를 마일스톤으로 쪼개 하나씩 해결한다. 큰 문제는 검증 가능한 단위로 나누고, 단계마다 결과를 확인하며 진행한다.
• 실패를 전제로 설계한다. 네트워크 단절, 프로세스 중단, 메시지 중복은 항상 발생한다고 가정하고 복구 가능한 구조를 만든다.
• 성능은 수치로 검증한다. 개선 전후를 같은 조건에서 측정하고, 재현 가능한 수치로 판단한다.

• 문제 — 수백만 개 공간 타일(데이터 조각)의 위치를 쿼드트리 순회로 탐색($O(\log_4 N)$)하고, 트리 전체 메타데이터를 클라이언트가 통째로 내려받아야 하는 구조.
• 해결 — 트리 자료구조를 규칙 기반 인코딩으로 대체. Z-Order(Morton) 인덱싱으로 좌표에서 데이터 위치를 직접 계산하는 $O(1)$ 랜덤 액세스 구현, 메타데이터는 서브트리 단위로 분할해 필요한 부분만 로드.
• 성과 — 렌더링 FPS 약 30% 향상, 클라이언트 메모리 점유 수백 MB → 수십 KB, 메타데이터 용량 30~40% 절감.
• 블로그 — 전 세계 공간정보를 다루는 자료구조 구현기

• 문제 — 최대 20MB 단위의 대용량 응답을 동기 방식으로 서빙하며 발생한 I/O 병목, WAS 스레드 고갈 및 JVM 메모리 불안정.
• 해결 — StreamingResponseBody 비동기 청크 전송, Caffeine 캐시, HTTP/2 멀티플렉싱 도입.
• 성과 — TTFB 27% 개선, 스레드 고갈과 OOM 방어로 서빙 안정성 확보.

• 문제 — NFS 위 단일 SQLite 파일을 다중 서버가 공유하며 발생한 I/O 락 경합, 수평 확장이 불가능한 모놀리식 빌더.
• 해결 — CQRS 기반 저장소 분리(PostgreSQL + 분산 오브젝트 스토리지), Kafka Consumer Group 분산 처리, Transactional Outbox 패턴으로 상태 변경과 이벤트 발행의 원자성 확보.
• 성과 — 분산 환경 데이터 정합성 100% 보장, 워커 노드 증설 시 약 90% 선형 수평 확장 효율 달성.

• 문제 — 일부 영역 수정에도 전국 단위 전체 재빌드(수백 시간)가 필요하고, 데이터 이력 관리가 부재.
• 해결 — Git 객체 모델을 참고한 SHA-1 기반 Content-Addressable Storage + Merkle Tree 설계, 변경된 영역만 감지해 영향받는 데이터만 재생성하는 증분 빌드, 포인터 교체 방식의 무중단 배포 구현.
• 성과 — 재빌드 수백 시간 → 수 분, 배포 전환 ms 단위, 중복 제거로 스토리지 비용 40~90% 절감.

• 문제 — 3D 데이터 포맷 변환 시 외부 라이브러리가 파일 전체를 디코딩 후 재인코딩하는 오버헤드.
• 해결 — 포맷의 바이너리 명세를 직접 파싱, 헤더 슬라이싱으로 필요한 영역만 추출해 재인코딩 단계 제거.
• 성과 — 2GB(3,500개 파일) 기준 변환 20분 → 5초, 약 240배 가속.

• 문제 — 한 장당 수 초 이상 걸리는 이미지 생성 요청 폭주 시 동기식 WAS 스레드 풀 고갈, 고비용 GPU 인스턴스 상시 운영 부담.
• 해결 — AWS SQS로 요청 레이어(CPU)와 생성 레이어(GPU)를 비동기 분리, CloudWatch 지표 기반 Spot Instance 오토스케일링 및 롤링 배포 설계.
• 성과 — 요청 폭주 상황에서도 API 서버 무중단 유지, 인프라 비용 56% 절감.

• 문제 — 대용량 테이블 확장 전략(샤딩 vs 인덱싱) 선택에 대한 정량적 판단 근거 부재.
• 해결 — 960만 건 데이터셋을 대상으로 쿼리 유형 × 인덱스 조합별(풀 테이블 / 레인지 스캔 / 커버링 인덱스) 부하를 통제한 비교 실험.
• 성과 — "선 인덱싱 최적화, 후 물리 샤딩" 의사결정 기준 수립.

• [분산 시스템] 5000개 파일을 원자적으로 배포하기 — Atomic Rename 패턴과 SeaweedFS 아키텍처
• [I/O 최적화] 대용량 파일 멀티파트 업로드, 정말 빠를까?
• [운영체제] Zero-Copy — 파일 전송 최적화와 Kafka 코드 분석
• [백엔드] Spring 비동기 처리 — MVC 비동기 → WebFlux → Virtual Threads
• [네트워크] Dual Write와 데이터 정합성 — 전파 지연과 장애 복구 전략
• [네트워크] 신뢰성을 위한 Timeout 처리와 멱등성 설계 전략
• [데이터베이스] PostgreSQL 내부구조 시리즈
• [데이터베이스] Log-based System — RDBMS와 Kafka 구조 분석 — WAL vs Commit Log

• 이메일: liging12@naver.com
• 링크드인: linkedin.com/in/minseojo
• 블로그: virtualworld.tistory.com