재고의 변동을 시계열 데이터로?!

문제 상황

• 모든 매장·상품의 재고를 주기적으로 색인하는 과정에서 1,000만 SKU 이상의 대량 조회가 반복됨
• Redis Hash 구조는 최신 재고만 보관해 전체 데이터를 매번 훑어야 하는 비효율 발생
• 주기적 대량 조회로 Redis CPU와 API Latency 급증

원인 분석

• 재고 변동 이력이 없어서 시점별 재고 추적이 어려움
• 전체 데이터를 한 번에 조회하는 방식이 Redis 단일 스레드 특성과 맞물려 부담 증가
• 조회 범위가 크면 XRANGE의 처리량이 커져 성능 저하 위험

해결 방법

• 판매·입고·반품·폐기 등 재고 변동 이벤트를 Redis Stream에 누적 기록
• Stream Key를 날짜 단위로 분리하고 TTL을 부여해 당일 데이터 중심으로 관리
• XRANGE를 시간 구간별로 나누어 조회하고, Reactive 방식으로 병렬 처리

성능/운영 포인트

• Redis Stream의 append-only 시계열 특성으로 처리 순서와 범위 조회를 동시에 확보
• 조회 범위를 너무 넓히지 않고, 시스템별 적절한 시간 분할 간격을 탐색
• 분포도를 분석해 조회 횟수와 단일 명령어 부하 사이의 균형 조정