DevLog

엔지니어링 블로그를 한 곳에서 탐색하고, 최근 발행 흐름을 빠르게 파악할 수 있는 서비스 입니다.

Quick Links

  • Latest Feed
  • Engineering Directory

Support

  • 소개
  • 개인정보처리방침

Contribute

  • 원하는 블로그 추가 (준비 중)
  • Feedback

© 2026 DevLog Inc. All rights reserved.

본 사이트는 공개 RSS 피드를 통해 콘텐츠를 수집하며, 모든 콘텐츠의 저작권은 원저작자에게 있습니다.

Back to Feed
Read Original

Contents

Continue Reading

  • More from 미리디
  • Related reads#AmazonDocumentDB
#Backend

Amazon DocumentDB로 미리캔버스의 성능 50%와 비용 30%를 개선하다

Amazon DocumentDB로 미리캔버스의 성능 50%와 비용 30%를 개선하다
01

Summary

MongoDB Atlas에서 DocumentDB로: 미리캔버스가 비용 30% 아끼고 성능 2배 높인 비결

IOPS 병목 해결부터 11억 건 데이터 마이그레이션 중 겪은 CDC 장애 대응기까지

실시간 협업 디자인 플랫폼 미리캔버스가 데이터베이스 병목을 해결하고 인프라 효율을 극대화하기 위해 Amazon DocumentDB로 전환한 기술적 여정을 다룹니다. Aurora 기반의 분산 스토리지 아키텍처를 활용해 성능과 비용이라는 두 마리 토끼를 잡은 과정과, 대규모 마이그레이션 시 반드시 체크해야 할 실전 노하우를 상세히 공유합니다.

  • 01WiredTiger 엔진의 체크포인트로 인한 IOPS 스파이크 문제를 DocumentDB의 공유 스토리지 구조로 근본적 해결
  • 02IO-Optimized 모드 도입을 통해 별도의 IOPS 과금 없이 대량의 트래픽을 처리하며 비용 30% 절감
  • 03AWS DMS의 range 기반 파티셔닝 설정을 통해 11억 건의 대용량 데이터를 지연 없이 로딩
  • 04CDC 장애 상황에서 직접 구현한 커스텀 파이프라인과 데이터 감사 체계를 활용한 긴급 복구 성공 사례
  • 05복제 지연 시간을 37ms에서 2.5ms로 단축하여 실시간 동시 편집의 안정성과 정합성 확보

+RECOMMENDATION

MongoDB의 IOPS 제한이나 복제 지연으로 서비스 확장에 어려움을 겪는 팀에게 DocumentDB 전환을 강력 추천합니다. 다만, 엔진의 내부 동작이 다르므로 전환 전 반드시 주요 쿼리 패턴에 대한 인덱스 최적화와 쓰기 처리량(Write Ceiling) 테스트를 선행해야 합니다.

The Problem

실시간 협업 디자인 플랫폼 미리캔버스는 기존 MongoDB Atlas 환경에서 WiredTiger 엔진의 체크포인트 작업 시 발생하는 IOPS 스파이크와 3,000 IOPS 상한 제한으로 인해 심각한 복제 지연 및 성능 저하 문제를 겪었습니다. 또한 서비스 성장에 따라 급증하는 IOPS 과금으로 인한 인프라 비용 부담이 가중되는 상황이었습니다.

The Solution

AWS Aurora 기반의 MongoDB 호환 엔진인 Amazon DocumentDB로 전환하고, IOPS 비용이 포함된 IO-Optimized 스토리지 모드를 도입하여 병목 현상을 제거했습니다. AWS DMS를 활용한 11억 건의 데이터 병렬 로딩과 CDC 장애 발생 시 직접 구현한 커스텀 CDC 파이프라인 및 감사 컬럼(Audit Column) 기반 복구 전략을 통해 마이그레이션을 완수했습니다.

The Result

DB 응답 속도(p50)가 4.2ms에서 2.1ms로 50% 개선되었으며, 복제 지연(Replication Lag)은 37ms에서 2.5ms로 약 93% 감소하여 동시 편집 사용자 경험을 크게 향상했습니다. 결과적으로 IOPS 비용 절감을 통해 전체 데이터베이스 운영 비용의 30%를 아끼는 성과를 거두었습니다.

Trade-off

DocumentDB는 MongoDB와 100% 호환되지 않아 집계 파이프라인 및 특정 연산자의 쿼리 수정이 필요했으며, Atlas 대비 데이터 압축 효율이 낮아 스토리지 사용량이 증가하는 트레이드오프가 발생했습니다. 또한 단일 Writer 구조의 한계로 인해 피크 타임의 쓰기 부하가 인스턴스 사양을 초과하지 않도록 철저한 사전 검증이 요구됩니다.

03

Key Concepts

Concept · 01

Amazon DocumentDB

Amazon Aurora 아키텍처를 기반으로 하는 MongoDB 호환 관리형 NoSQL 데이터베이스입니다. 컴퓨팅과 스토리지가 분리되어 있으며, 3개 가용 영역에 데이터를 6개 복사하여 저장하는 분산 공유 스토리지 모델을 사용합니다.

  • 미리캔버스의 실시간 편집 환경에서 복제 지연을 37ms에서 2.5ms로 단축함
  • IO-Optimized 구성을 통해 IOPS 병목 문제를 해결하고 비용 효율성을 확보함
Concept · 02

AWS DMS (Database Migration Service)

다양한 데이터 소스 간의 데이터를 안전하게 마이그레이션할 수 있도록 돕는 관리형 서비스입니다. 초기 데이터 전체 로드(Full Load)와 변경 데이터 캡처(CDC) 기능을 모두 지원합니다.

  • 11억 건의 대용량 데이터를 range 타입의 병렬 로딩 설정으로 신속하게 전송함
  • CDC 장애 발생 시 복구 전략의 기준점으로 활용되었으나 프로덕션 부하에 따른 window 모니터링이 필수적임
Concept · 03

Quorum-based Storage

분산 데이터 시스템에서 데이터의 일관성과 내구성을 보장하기 위해 사용되는 합의 알고리즘입니다. DocumentDB는 6개의 스토리지 사본 중 4개 쓰기, 3개 읽기 승인을 통해 장애 대응력을 높입니다.

  • 특정 가용 영역 장애 시에도 데이터 유실 없이 지속적인 서비스 운영을 가능케 함
  • 네트워크 복제가 아닌 공유 스토리지 직접 읽기 방식으로 복제 지연을 최소화함
Continue reading · same source

미리디More from 미리디

View all posts from 미리디
  • AI 잘 쓰는 사람의 노하우, 어떻게 팀 전체로 퍼질까?

    AI EnablementAXAI Native
    2일 전
  • 미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법

    LLM AgentsMulti-Agent OrchestrationTrend Analysis
    1주 전
  • AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지

    n8nE2E TestingLLM
    2주 전
  • 통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기

    EmbeddingMulti-task LearningContrastive Learning
    2주 전
  • 데이터 요청 응대 30분을 3분으로 줄인 n8n AI 에이전트

    n8nAI AgentWorkflow Automation
    3주 전

Related reads#AmazonDocumentDB

Explore #AmazonDocumentDB
미리디

Amazon DocumentDB 인덱스 최적화로 미리캔버스의 쿼리 성능을 개선 사례

#AmazonDocumentDB4개월 전

Source

미리디
미리디
Engineering Blog

Published · April 23, 2026

Topics

Amazon DocumentDBMongoDB AtlasAWS DMSDatabase OptimizationCloud Migration