📘

9단계: 컴퓨터 공학 심화 (Deep CS)

분산 시스템의 정합성 모델, DB 스토리지 엔진의 원리 등 시니어 레벨로 가기 위한 이론적 깊이를 다룹니다.

타임라인 Learning 메인
모듈형 학습 자동 정렬

🧠 모듈 개요

이 단계에서 얻는 것

프레임워크나 라이브러리 사용법을 넘어, **시스템의 근본 원리(First Principles)**를 파고듭니다.
왜 분산 시스템에서 데이터가 깨지는지, DB가 디스크에 어떻게 쓰는지 이해하면 “해결할 수 없는 문제"와 “해결할 수 있는 문제"를 구분할 수 있게 됩니다.

  • 데이터 정합성(Consistency): Eventual Consistency가 실제 시스템에서 어떤 부작용을 낳는지, 어떻게 제어하는지 이해합니다.
  • 스토리지 엔진: B-Tree와 LSM-Tree의 차이를 알고, Write-heavy 워크로드에 맞는 DB를 선정할 수 있습니다.
  • 분산 합의: 리더가 죽었을 때 시스템이 어떻게 합의하고 복구하는지 원리를 봅니다.

커리큘럼 (Topic List)

1. 분산 시스템 이론 (Distributed Systems)

  • Consistency Models: Linearizability(Strong) vs Sequential vs Eventual Consistency.
  • CAP & PACELC: 단순히 “3개 중 2개"가 아니라, 지연(Latency)과 정합성(Consistency)의 트레이드오프 파악.
  • Clock Synchronization: 물리적 시간의 한계와 Logical Clock (Lamport, Vector Clock).

2. 데이터베이스 내부 (Database Internals)

  • Storage Engines:
    • B-Tree: Read에 유리한 전통적 구조 (MySQL InnoDB).
    • LSM-Tree (Log Structured Merge): Write에 유리한 구조 (Cassandra, RocksDB).
  • Transaction & WAL: Crash Recovery를 위한 Write Ahead Log의 역할.

3. 운영체제와 네트워크 심화 (OS & Network)

  • I/O Models: Blocking, Non-blocking, Multiplexing (Epoll), BIO/NIO/AIO 비교.
  • Zero Copy: Kafka가 빠른 이유 (sendfile 시스템 콜).

추천 학습 자료

  • 책: Data-Intensive Applications (데이터 중심 애플리케이션 설계) - 팀장급 필독서
  • 논문: Google Spanner, Amazon Dynamo, Raft Consensus

📑 이 모듈의 학습 노트