Aurora Performance Insights 활용: wait event 중심 병목 분석
Aurora의 DB Load와 대기 이벤트를 SQL·트랜잭션·애플리케이션 지연에 연결하고, Database Insights에서 병목을 검증하는 절차를 정리한다.
CPU 사용률은 낮은데 주문 처리 시간이 길어지는 경우가 있다. 행 잠금에 막힌 세션이 늘거나, 커밋 완료를 기다리거나, 클라이언트가 결과를 늦게 받아 가면 이런 현상이 나타난다. 반대로 CPU 사용률이 높더라도 처리량과 응답 시간이 목표 범위 안에 있다면 즉시 장애로 판단할 수 없다. 병목 분석의 출발점은 사용률 하나가 아니라 업무 지연이 발생한 시간에 세션이 어디에서 시간을 보냈는가이다.
Performance Insights에서 익숙해진 DB Load, 대기 이벤트, Top SQL 분석은 현재 CloudWatch Database Insights의 운영 흐름으로 연결된다. 2026-11-10에 확인한 AWS 공식 Aurora 문서는 DB 부하 모니터링을 Database Insights로 안내하면서 Performance Insights API 명칭은 유지하고 있다. 따라서 과거 화면의 메뉴 이름을 그대로 찾기보다 대상 인스턴스의 Database Insights 모드와 실제 제공 기능을 확인해야 한다. Standard와 Advanced의 기능·보존 범위·비용은 별도로 확인하며, 특정 실행 계획 분석 기능이 모든 모드에서 제공된다고 가정하지 않는다.
이 글은 Aurora MySQL의 대기 기반 진단 원리를 설명한다. SQL은 폐기용 Community MySQL 8.0에서 실행한 진단·축소 예제이며, Aurora에서의 실제 부하 수집, 스토리지 대기, 관리형 화면 및 성능 개선을 재현한 결과는 아니다.
1. 연결 수가 아니라 활동 중인 세션의 시간을 읽는다
DB Load와 AAS
연결 풀에 대기 중인 연결과 SQL을 수행 중인 연결은 다르다. DB Load의 단위인 AAS(Average Active Sessions)는 특정 구간에서 평균적으로 활동 중이었던 세션 수다. 여기서 활동 중에는 CPU에서 실행 중인 상태뿐 아니라 작업을 진행하기 위해 자원을 기다리는 상태도 포함된다. 다음 요청을 기다리는 일반적인 유휴 연결은 같은 의미의 활동 세션이 아니다.
동일 간격으로 수집한 표본에서는 다음과 같이 계산한다.
- 전체 AAS = 각 표본의 활동 세션 수 합계 ÷ 표본 수
- CPU AAS = CPU 범주에 속한 표본 세션 수 합계 ÷ 표본 수
- 특정 대기의 AAS = 해당 대기에 속한 표본 세션 수 합계 ÷ 표본 수
AWS는 상세 수집이 활성화된 구성에서 초 단위로 활동 세션을 표본 수집한다고 설명한다. 다만 Performance Schema가 꺼진 Aurora MySQL 구성에서는 수집 주기와 상세 정보가 달라진다. 그래프의 집계 구간도 원시 표본 간격과 같지 않을 수 있다. 긴 구간의 평균은 짧은 잠금 폭증이나 순간적인 연결 집중을 희석한다.
AAS는 처리량도, CPU 사용률의 백분율도 아니다. 처리량이 일정한 안정 구간에서 평균 활동 동시성은 대략 처리율과 DB 내 체류 시간의 곱으로 이해할 수 있지만, 애플리케이션 전체 지연에는 연결 풀 대기·네트워크·후처리도 포함된다. 두 시간 범위를 섞으면 AAS가 낮으니 서비스도 빨라야 한다는 잘못된 결론에 이른다.
가정 표본으로 계산 확인하기
다음 표본은 운영 측정값이 아닌 설명용 입력이다. 다섯 번 모두 CPU 활동 세션은 1개이고, 일부 표본에서 행 잠금 대기 세션이 추가된다. 유휴 연결은 계산에서 제외한다.
WITH samples AS (
SELECT 1 AS sample_no, 1 AS cpu_active, 0 AS row_lock_active, 20 AS idle_connections
UNION ALL SELECT 2, 1, 2, 20
UNION ALL SELECT 3, 1, 4, 20
UNION ALL SELECT 4, 1, 2, 20
UNION ALL SELECT 5, 1, 2, 20
)
SELECT COUNT(*) AS sample_count,
ROUND(AVG(cpu_active), 2) AS cpu_aas,
ROUND(AVG(row_lock_active), 2) AS row_lock_aas,
ROUND(AVG(cpu_active + row_lock_active), 2) AS total_aas,
ROUND(AVG(idle_connections), 2) AS idle_connections_avg
FROM samples;
실행 결과(MySQL 8.0.x):
mysql> WITH samples AS (
-> SELECT 1 AS sample_no, 1 AS cpu_active, 0 AS row_lock_active, 20 AS idle_connections
-> UNION ALL SELECT 2, 1, 2, 20
-> UNION ALL SELECT 3, 1, 4, 20
-> UNION ALL SELECT 4, 1, 2, 20
-> UNION ALL SELECT 5, 1, 2, 20
-> )
-> SELECT COUNT(*) AS sample_count,
-> ROUND(AVG(cpu_active), 2) AS cpu_aas,
-> ROUND(AVG(row_lock_active), 2) AS row_lock_aas,
-> ROUND(AVG(cpu_active + row_lock_active), 2) AS total_aas,
-> ROUND(AVG(idle_connections), 2) AS idle_connections_avg
-> FROM samples;
+--------------+---------+--------------+-----------+----------------------+
| sample_count | cpu_aas | row_lock_aas | total_aas | idle_connections_avg |
+--------------+---------+--------------+-----------+----------------------+
| 5 | 1.00 | 2.00 | 3.00 | 20.00 |
+--------------+---------+--------------+-----------+----------------------+
1 row in set (0.00 sec)
핵심은 유휴 연결을 더하지 않는 것과, 전체 부하를 CPU와 대기로 분해하는 것이다. 대기 비중이 높다는 사실은 후속 조사 방향을 알려 주지만 원인 세션이나 문제 SQL까지 알려 주지는 않는다.
2. Max vCPU 선은 모든 대기의 포화 기준이 아니다
DB Load 그래프의 Max vCPU 선은 CPU 활동을 해석하는 기준이다. CPU 범주가 주된 상태이고 CPU AAS가 이 선을 지속적으로 넘으면 CPU 경합을 의심한다. Aurora의 cpu 범주는 CPU에서 실행 중이거나 CPU를 기다리는 스레드 상태를 나타낼 수 있으므로 OS의 CPUUtilization과 수치가 일치하는 백분율로 읽어서는 안 된다. Serverless의 Max vCPU 표시도 추정치라는 차이가 있다.
반면 전체 AAS가 선을 넘더라도 대부분이 행 잠금 대기라면 CPU 증설은 직접적인 해법이 아닐 수 있다. 동일 행을 오래 잡고 있는 트랜잭션이 그대로라면 더 큰 인스턴스에서도 직렬화가 유지된다. 전체 AAS가 선 아래여도 핵심 결제 요청 하나가 오래 막히면 업무 장애다.
해석 순서는 다음과 같다.
- 업무 응답 시간과 오류율이 나빠졌는지 확인한다.
- 같은 시간대의 전체 AAS와 CPU AAS, 주요 대기 AAS를 나눈다.
- CPU·메모리·읽기 및 쓰기 지연·접속 수·처리량을 같은 시간 축으로 맞춘다.
- 영향 SQL과 호출 경로를 찾고, 부하 증가인지 실행 효율 저하인지 구별한다.
CPU 사용률은 높지만 CPU AAS 증가가 작다면 연결 생성 폭증, DB 활동 표본에 충분히 잡히지 않는 작업, 수집 범위 차이도 조사한다. 하나의 그래프가 다른 그래프를 자동으로 반박하는 것은 아니다.
3. 대기 이름에서 원인과 조치로 바로 뛰지 않는다
flowchart TD
A[업무 지연과 오류 발생 구간 고정] --> B[대상 writer 또는 reader와 관측 설정 확인]
B --> C[DB Load를 CPU와 대기별로 분해]
C --> D[주요 대기로 필터링하고 Top SQL 확인]
D --> E[호출량과 실행당 비용 분리]
E --> F{원인 가설에 맞는 증거가 있는가}
F -->|아니오| G[잠금 관계와 실행 계획 및 인스턴스 지표 보완]
G --> F
F -->|예| H[한 가지 변경을 제한된 범위에 적용]
H --> I[같은 부하 조건에서 지연과 처리량 및 대기 재확인]
CPU가 우세한 경우
상위 SQL의 호출 빈도, 행 탐색량, 조인 방식, 정렬과 집계 비용을 확인한다. 같은 SQL의 실행당 비용이 유지된 채 호출량만 늘었는지, 배포 이후 실행 계획이나 바인드 값 분포가 달라졌는지를 구별해야 한다. 인덱스 개선과 불필요한 호출 제거, 동시성 제한을 먼저 후보로 두고 증설은 업무 수요와 함께 판단한다.
io/table/sql/handler가 우세한 경우
이 이름에 io가 들어간다고 물리 디스크가 느리다는 뜻은 아니다. SQL 계층이 스토리지 엔진에 테이블 접근 작업을 넘기는 과정이며, 데이터가 버퍼 풀에 있어도 관측된다. 대량 스캔, 많은 반복 호출, 행 변경량 증가도 조사 대상이다.
AWS는 Performance Insights가 중첩 대기를 확인하여 실제 잠금 대기가 있으면 해당 대기를 보고한다고 설명한다. 따라서 Performance Schema의 현재 이벤트에서 본 상위 handler 이벤트와 관리형 화면의 분류를 단순히 일대일 대응시키면 안 된다. 먼저 해당 대기에 기여하는 SQL의 탐색 행 수·반환 행 수·실행 계획을 살피고 읽기 지연 및 캐시 관련 지표를 보완한다. handler가 항상 최상위라는 이유만으로 장애를 선언하지 않는다.
행 잠금과 메타데이터 잠금이 우세한 경우
버전에 따라 synch/cond/innodb/row_lock_wait, synch/cond/innodb/row_lock_wait_cond 등의 이름이 보일 수 있다. 대기 SQL은 피해자일 수 있으며, 원인은 앞서 행을 변경한 뒤 커밋하지 않은 다른 연결일 수 있다. 차단 세션이 현재 아무 SQL도 실행하지 않더라도 트랜잭션의 잠금은 남을 수 있다.
MDL_context::COND_wait_status 계열은 별도로 메타데이터 잠금을 조사한다. 이 경우 행 잠금 테이블만 조회해서는 관계를 충분히 설명할 수 없다. performance_schema.metadata_locks 및 대상 객체·트랜잭션 수명을 함께 확인한다. 행 잠금과 MDL을 같은 처방으로 처리하거나 무조건 세션을 종료하지 않는다. 세션 종료는 롤백 부담과 재시도 폭증을 만들 수 있다.
커밋 및 클라이언트 전달 대기가 우세한 경우
io/aurora_redo_log_flush 또는 버전별 io/redo_log_flush는 Aurora 스토리지에 변경을 지속시키는 경로와 관련된다. 일반 MySQL의 로컬 redo 파일 설정을 그대로 바꾸는 문제가 아니다. 쓰기량, 커밋 빈도, 트랜잭션 크기와 해당 시점의 지연을 함께 본다. 트랜잭션 묶기는 커밋 횟수를 줄일 수 있지만 잠금 유지와 실패 시 재처리 단위를 키우므로 제한된 크기로 검증해야 한다.
io/aurora_respond_to_client는 결과를 클라이언트로 전달하는 경로를 조사하게 한다. 반환 데이터량, 네트워크, 애플리케이션의 결과 소비 속도를 확인한다. 이벤트의 제공 버전과 의미는 엔진 버전에 따라 다르므로 최신 버전에 과거 버전의 결함 설명을 일반화하지 않는다. 이 상태를 곧바로 SQL 계산 자체가 느리다는 증거로 취급하지 않는다.
4. 관측이 가능한 상태인지 먼저 확인한다
Database Insights와 Performance Schema는 같은 기능이 아니다. AWS 문서는 Performance Schema 비활성화 시 상세 대기 이벤트와 SQL별 지표를 수집하지 못하고 활동 세션 수집도 5초 간격으로 달라진다고 설명한다. 자동 관리 여부와 실제 설정값도 확인해야 한다. 파라미터 그룹에 기록된 값만으로 인스턴스에서 사용 중인 계측 상태를 단정할 수 없다.
다음은 읽기 전용 점검이다. 값을 바꾸거나 consumer를 켜지 않는다.
SELECT VERSION() AS mysql_version,
@@global.performance_schema AS performance_schema_enabled;
SELECT NAME, ENABLED
FROM performance_schema.setup_consumers
WHERE NAME IN ('global_instrumentation', 'thread_instrumentation',
'events_waits_current', 'statements_digest')
ORDER BY NAME;
SELECT NAME, ENABLED, TIMED
FROM performance_schema.setup_instruments
WHERE NAME IN ('wait/io/table/sql/handler',
'statement/sql/select')
ORDER BY NAME;
실행 결과(MySQL 8.0.x):
mysql> SELECT VERSION() AS mysql_version,
-> @@global.performance_schema AS performance_schema_enabled;
+---------------+----------------------------+
| mysql_version | performance_schema_enabled |
+---------------+----------------------------+
| 8.0.46 | 1 |
+---------------+----------------------------+
1 row in set (0.00 sec)
mysql> SELECT NAME, ENABLED
-> FROM performance_schema.setup_consumers
-> WHERE NAME IN ('global_instrumentation', 'thread_instrumentation',
-> 'events_waits_current', 'statements_digest')
-> ORDER BY NAME;
+------------------------+---------+
| NAME | ENABLED |
+------------------------+---------+
| events_waits_current | NO |
| global_instrumentation | YES |
| statements_digest | YES |
| thread_instrumentation | YES |
+------------------------+---------+
4 rows in set (0.00 sec)
mysql> SELECT NAME, ENABLED, TIMED
-> FROM performance_schema.setup_instruments
-> WHERE NAME IN ('wait/io/table/sql/handler',
-> 'statement/sql/select')
-> ORDER BY NAME;
+---------------------------+---------+-------+
| NAME | ENABLED | TIMED |
+---------------------------+---------+-------+
| statement/sql/select | YES | YES |
| wait/io/table/sql/handler | YES | YES |
+---------------------------+---------+-------+
2 rows in set (0.00 sec)
이 결과는 로컬 검증 환경의 상태다. events_waits_current가 꺼져 있어도 다른 요약 계측이 일부 동작할 수 있다. 반대로 일부 consumer가 켜져 있다는 사실만으로 Aurora의 상세 수집이 정상이라고 보증할 수 없다. 운영에서는 AWS의 자동 관리 상태, 필요한 계측 설정, 대상 인스턴스의 실제 대시보드 수집을 함께 확인한다. Performance Schema 자체의 활성화 변경에는 재부팅이 필요하므로 장애 중 임의로 적용하지 않는다.
5. Top SQL을 호출량과 실행당 비용으로 분해한다
Top SQL은 선택한 시간과 필터 안에서 DB 부하에 크게 기여한 SQL을 찾는 출발점이다. 가장 오래 걸린 한 번의 SQL 목록과 같지 않다. 짧은 SQL이 매우 자주 호출되어 총 부하를 크게 만들 수도 있다. 또한 정규화된 SQL은 여러 리터럴 값을 묶기 때문에, 일부 고객이나 특정 기간 값에서만 발생한 편향이 평균에 가려질 수 있다.
조사할 때는 다음을 함께 기록한다.
- 같은 시간 구간의 실행 횟수 또는 초당 호출 수
- 실행당 지연과 탐색·반환 행 수
- CPU 및 대기별 부하 기여도
- 가능한 경우 계획, 바인드 값 분포, 테이블 크기와 통계 변경
- 해당 SQL을 호출한 배포 버전, 사용자, 호스트 및 업무 경로
다음 축소 예제는 같은 형태의 조회를 다른 값으로 두 번 실행한 뒤 digest와 테이블 접근 누계를 확인한다. 별도 실습 스키마에서 실행하며, 동명 테이블이 없는 상태를 전제로 한다. 테이블은 끝에서 제거한다.
CREATE TABLE pi_probe (
id INT PRIMARY KEY,
status_code INT NOT NULL,
amount INT NOT NULL
) ENGINE=InnoDB;
INSERT INTO pi_probe VALUES
(1, 1, 100), (2, 1, 200), (3, 1, 300),
(4, 2, 400), (5, 2, 500), (6, 2, 600);
SELECT SUM(amount) AS total_amount FROM pi_probe WHERE status_code = 1;
SELECT SUM(amount) AS total_amount FROM pi_probe WHERE status_code = 2;
SELECT COUNT_STAR AS executions,
SUM_ROWS_EXAMINED AS rows_examined,
SUM_ROWS_SENT AS rows_sent,
ROUND(SUM_ROWS_EXAMINED / NULLIF(COUNT_STAR, 0), 2) AS rows_per_exec
FROM performance_schema.events_statements_summary_by_digest
WHERE SCHEMA_NAME = DATABASE()
AND DIGEST_TEXT LIKE 'SELECT SUM%'
AND DIGEST_TEXT LIKE '%`pi_probe`%';
SELECT OBJECT_NAME, COUNT_READ, COUNT_WRITE
FROM performance_schema.table_io_waits_summary_by_table
WHERE OBJECT_SCHEMA = DATABASE()
AND OBJECT_NAME = 'pi_probe';
DROP TABLE pi_probe;
실행 결과(MySQL 8.0.x):
준비문과 긴 조회문 표기는 줄였으며, 결과의 행과 열은 그대로 실었다.
mysql> CREATE TABLE pi_probe (...);
Query OK, 0 rows affected (0.00 sec)
mysql> INSERT INTO pi_probe VALUES (...);
Query OK, 6 rows affected (0.01 sec)
Records: 6 Duplicates: 0 Warnings: 0
mysql> SELECT SUM(amount) AS total_amount FROM pi_probe WHERE status_code = 1;
+--------------+
| total_amount |
+--------------+
| 600 |
+--------------+
1 row in set (0.00 sec)
mysql> SELECT SUM(amount) AS total_amount FROM pi_probe WHERE status_code = 2;
+--------------+
| total_amount |
+--------------+
| 1500 |
+--------------+
1 row in set (0.00 sec)
mysql> SELECT ... FROM performance_schema.events_statements_summary_by_digest ...;
+------------+---------------+-----------+---------------+
| executions | rows_examined | rows_sent | rows_per_exec |
+------------+---------------+-----------+---------------+
| 2 | 12 | 2 | 6.00 |
+------------+---------------+-----------+---------------+
1 row in set (0.00 sec)
mysql> SELECT ... FROM performance_schema.table_io_waits_summary_by_table ...;
+-------------+------------+-------------+
| OBJECT_NAME | COUNT_READ | COUNT_WRITE |
+-------------+------------+-------------+
| pi_probe | 12 | 6 |
+-------------+------------+-------------+
1 row in set (0.00 sec)
mysql> DROP TABLE pi_probe;
Query OK, 0 rows affected (0.00 sec)
두 조회가 하나의 digest에 모여 실행 횟수 2, 탐색 행 합계 12, 실행당 탐색 행 6으로 집계되었다. 같은 실습을 같은 서버에서 반복하면 digest 누계가 남아 있을 수 있으므로 출력 횟수를 그대로 기대하지 않는다.
여기서 확인하려는 것은 동일 형태 SQL의 집계 횟수와 실제 탐색 행 수다. 작은 테이블의 스캔 자체를 나쁜 실행 계획이라고 단정하는 시험은 아니다. COUNT_READ·COUNT_WRITE는 계측된 테이블 I/O 이벤트 횟수이지, 물리 스토리지 I/O 요청 수를 그대로 뜻하지 않는다.
운영의 digest 요약은 일반적으로 서버 가동 또는 요약 초기화 이후의 누계다. SQL 본문이 동일하더라도 집계 키에는 스키마 등의 구분이 관여한다. 두 시점의 같은 키를 비교해 횟수·누적 시간을 차분하고, 재시작이나 초기화로 카운터가 감소했으면 그 구간을 폐기해야 한다. 신규 digest나 소실된 항목, 집계 용량 제한도 고려한다. 위처럼 절대 누계 하나를 조회한 결과를 특정 장애 5분 구간의 Top SQL이라고 부르면 안 된다.
Performance Schema의 시간 누계는 피코초 단위로 표현되므로 초로 바꿀 때는 단위를 맞춰야 한다. 그러나 wait 요약의 누적 시간을 관측 구간으로 나누었다고 관리형 DB Load가 그대로 재현되는 것은 아니다. 표본 수집과 이벤트 누적은 자료원이 다르고 중첩 이벤트·스레드 범위·활성화 시점도 다르다. 특히 handler와 그 안쪽 대기 시간을 단순 합산하면 중복 계산할 수 있다.
6. 대기 SQL과 차단 세션을 연결한다
행 잠금 대기가 보이면 같은 인스턴스에서 data_lock_waits를 출발점으로 요청·차단 스레드와 트랜잭션을 확인한다. 아래 SQL은 SQL 원문이나 접속 주소를 출력하지 않도록 열을 좁혔다. 모니터링 계정에는 필요한 조회 권한을 별도로 부여해야 한다.
SELECT w.REQUESTING_ENGINE_TRANSACTION_ID AS waiting_trx_id,
rt.PROCESSLIST_ID AS waiting_connection,
w.BLOCKING_ENGINE_TRANSACTION_ID AS blocking_trx_id,
bt.PROCESSLIST_ID AS blocking_connection,
b.trx_state AS blocking_trx_state,
b.trx_rows_modified AS blocking_rows_modified
FROM performance_schema.data_lock_waits AS w
LEFT JOIN performance_schema.threads AS rt
ON rt.THREAD_ID = w.REQUESTING_THREAD_ID
LEFT JOIN performance_schema.threads AS bt
ON bt.THREAD_ID = w.BLOCKING_THREAD_ID
LEFT JOIN information_schema.INNODB_TRX AS b
ON b.trx_id = w.BLOCKING_ENGINE_TRANSACTION_ID
LIMIT 10;
실행 결과(MySQL 8.0.x):
mysql> SELECT w.REQUESTING_ENGINE_TRANSACTION_ID AS waiting_trx_id,
-> rt.PROCESSLIST_ID AS waiting_connection,
-> w.BLOCKING_ENGINE_TRANSACTION_ID AS blocking_trx_id,
-> bt.PROCESSLIST_ID AS blocking_connection,
-> b.trx_state AS blocking_trx_state,
-> b.trx_rows_modified AS blocking_rows_modified
-> FROM performance_schema.data_lock_waits AS w
-> LEFT JOIN performance_schema.threads AS rt
-> ON rt.THREAD_ID = w.REQUESTING_THREAD_ID
-> LEFT JOIN performance_schema.threads AS bt
-> ON bt.THREAD_ID = w.BLOCKING_THREAD_ID
-> LEFT JOIN information_schema.INNODB_TRX AS b
-> ON b.trx_id = w.BLOCKING_ENGINE_TRANSACTION_ID
-> LIMIT 10;
Empty set (0.00 sec)
검증 환경에는 잠금 경합을 만들지 않았으므로 빈 결과가 정상이다. 이는 조회의 실행과 객체 존재를 확인한 것이지 실제 차단 관계를 재현한 결과가 아니다. 운영에서도 빈 결과가 나오면 조회한 그 순간 해당 조회에 드러난 관계가 없었다고 해석한다. 이미 끝난 대기, 다른 인스턴스의 대기, MDL, 관측 권한 문제까지 없었다는 증거는 아니다. 실시간 테이블이므로 조회 중 관계가 해소되면 조인한 부가 정보가 비어 있을 수도 있다.
실제 관계가 있으면 잠금 대상과 모드, 차단 트랜잭션 시작 시각, 앞서 실행한 변경문, 애플리케이션의 커밋 경로를 추가로 확인한다. 현재 SQL이 NULL이거나 유휴 상태라는 이유만으로 차단자를 제외하지 않는다. 같은 기다림이 여러 잠금 관계로 나타날 수 있으므로 행 수를 고유한 대기 세션 수로 그대로 읽지 않는다.
7. Aurora 운영에서 분석 범위를 고정한다
인스턴스 역할을 먼저 고정한다. 공유 스토리지를 사용하는 클러스터여도 writer와 reader의 쿼리 실행, 버퍼 풀, 연결 및 부하는 인스턴스별로 관측해야 한다. reader endpoint 뒤에서 연결이 여러 reader에 분산되었다면 문제가 난 연결의 실제 대상부터 찾는다. failover 전후에는 같은 endpoint가 다른 인스턴스를 가리킬 수 있으므로 사건 시각의 역할도 남긴다.
서비스 범위와 SQL 범위를 구별한다. 애플리케이션의 응답 시간은 연결 풀 대기를 포함할 수 있다. DB Load가 낮은데 p99가 높다면 연결 획득 시간, 재시도, DNS 및 네트워크, 결과 직렬화도 살핀다. 반대로 DB Load가 줄었어도 오류로 요청이 버려져 처리량이 함께 줄었다면 개선이 아니다.
동일한 부하 조건에서 변경을 비교한다. 전후 시간 구간의 요청 수, SQL 구성, 데이터 분포, 캐시 상태가 다르면 대기 감소의 원인이 변경인지 판단하기 어렵다. 호출량을 줄인 효과와 호출당 비용을 줄인 효과를 분리한다. 성공 기준은 주요 대기 감소뿐 아니라 지연 목표 충족, 처리량 유지, 오류율 및 복제 지연 악화 없음이다.
증거를 남기되 민감정보를 줄인다. 장애 시각과 시간대, 인스턴스 식별자와 당시 역할, DB Load 구간, 주요 SQL 식별자, 대기 분해, 변경 및 롤백 조건을 내부 기록으로 남긴다. SQL 원문·실행 계획·바인드 값에는 업무 데이터가 포함될 수 있으므로 공개 문서나 외부 티켓에는 비식별화된 정보만 사용한다.
8. 운영 점검표
-
handler
결론
대기 기반 분석의 목적은 가장 큰 색상 영역에 이름을 붙이는 것이 아니다. DB Load로 병목 후보를 좁히고, Top SQL에서 기여도를 확인한 뒤, 실행 계획·잠금 관계·커밋 경로·클라이언트 소비 속도 중 어디에 원인이 있는지 증거로 연결하는 것이다. 관측 설정과 시간 범위를 먼저 맞추어야 이 연결이 성립한다.
이 원칙은 다음 단계의 느린 쿼리 로그 및 CloudWatch 지표 분석에도 이어진다. 단일 화면의 순위가 아니라 서로 다른 관측 자료가 같은 가설을 지지하는지 확인하는 것이 운영 판단의 기준이다.
참고 자료
아래 공식 문서는 2026-11-10에 확인했다. 일부 상세 대기 문서에는 과거 Performance Insights 화면 이름이 남아 있으므로 현재 콘솔의 Database Insights 안내와 함께 읽는다.