Published on
•
👁️

JPA N+1 문제 해결에 따른 성능 변화 분석 - Overview

Authors
  • avatar
    Name
    River
    Twitter

데이터 규모에 따른 JPA N+1 문제 진단과 해결 전략 비교
(Fetch Join, Entity Graph, Batch Fetching)

작성 일자2025년 4월 17일작성자이가람
연구 주제데이터 규모 및 batch size에 따라 JPA N+1 문제 해결 효과가 어떻게 달라지는지, 다양한 버전의 API를 통해 정량적으로 비교한다.
연구 기간2025년 4월 7일 ~ 2025년 4월 26일
사용 기술Spring Boot, JPA, Hibernate, Hibernate Statistics, P6Spy, K6, Grafana, JVM GC Log, Python
목차
1. JPA N+1 문제 개요
1.1. N+1 문제란?
1.2. N+1 문제의 영향
1.3. N+1 문제 해결 전략 비교
1.4. 해결 전략의 문제점과 해결 방안
2. 성능 측정 방법론
2.1. 성능 측정 설계 개요
2.2. 쿼리 분석 : Hibernate Statistics & P6Spy 로그 분석
2.3. 부하 테스트 : K6 부하테스트
2.4. 메모리 분석 : GC 로그 분석
3. 테스트 환경 및 조건
3.1. 테스트 데이터 설정
3.2. 테스트 API 선택 과정 및 선정 결과
3.3. API 버전 구성 (Pure, Original, Optimized, Graph)
3.4. 테스트 케이스 설계
3.5. 실행 환경 설정
4-1. 테스트 케이스 1 결과
(1) 테스트 케이스 설명
(2) 쿼리 분석 결과
(3) K6 부하 테스트 결과
(4) GC 로그 분석 결과
(5) 결과 종합
4.2. 테스트 케이스 2 결과
(1) 테스트 케이스 설명
(2) 쿼리 분석 결과
(3) K6 부하 테스트 결과
(4) GC 로그 분석 결과
(5) 결과 종합
4.3. 테스트 케이스 3 결과
(1) 테스트 케이스 설명
(2) 쿼리 분석 결과
(3) K6 부하 테스트 결과
(4) GC 로그 분석 결과
(5) 결과 종합
5. 테스트 결과 비교
5.1. 테스트 결과 데이터 요약
5.2. 전략별 메모리 효율성
5.3. 데이터 크기 증가에 따른 영향 분석
5.4. Batch Fetching의 영향
5.5. 3가지 전략 분석 (Fetch Join vs EntityGraph vs Batch Fetching)
6. 결론 및 Insight
6.1. K6 동시 접속자 수와 인프라 성능
6.2. 쿼리 모니터링의 필요성
6.3. N+1 문제의 영향과 해결 중요성
6.4. 각 최적화 전략의 특징과 권장 사용 패턴
6.5. 결론

다음 페이지로 이동 (1. JPA N+1 문제 개요)

Discuss on Twitter • View on GitHub