[Regression 12] 분산·클러스터 성능 회귀 (전문)

샤딩: 키 분포가 조금만 바뀌어도 특정 샤드만 뜨거워집니다.
다중 리전: RTT·복제 지연이 정상 분산 을 넓힙니다.
공유 자원: 디스크·네트워크·관리 플레인이 노드 간 간섭 을 만듭니다.
버전 혼재: 롤아웃 중 일시적으로 구버전·신버전 이 섞입니다.

본 장은 전문 난이도입니다. 단일 노드에서의 회귀 방지(단위·마이크로벤치·프로파일)는 Tr.01와 이 트랙 앞선 챕터들에서 다룹니다. 분산·클러스터에서는 노이즈·트래픽 믹스·데이터 치우침 때문에 같은 게이트가 오탐 또는 미탐으로 쉽게 갈립니다.

왜 분산이 어려운가

따라서 “메인 브랜치에서 벤치 돌리고 끝”으로는 부족하고, 게이트 계층을 설계해야 합니다.

각 층은 다른 통계적 성격을 가집니다. 한 층의 실패가 다른 층을 어떻게 트리거할지 정책으로 박아 둡니다.

flowchart TB
  subgraph layer ["게이트 층"]
    A["마이크로·단일 노드"]
    B["샘플링 스테이징"]
    C["E2E SLO"]
  end
  A --> B
  B --> C

샘플이 특정 테넌트·지역·시간대에 치우치면 회귀 탐지는 다른 문제의 그림자를 볼 수 있습니다. 문서에 다음을 적습니다.

분산 게이트는 돈과 시간이 듭니다. 전문 조직은 예산 상한(CPU 시간·네트워크·스토리지)을 명시하고, 실패 시 추가 샘플링을 자동으로 줄이는 정책을 둡니다.

분산 클러스터에서 성능 회귀 방지는 통계·운영·아키텍처가 한 팀이 되는 문제입니다. 본 장은 도구 이름보다 층별 게이트 계약을 잡는 데 쓰십시오.