분산 트랜잭션과 이벤트 스트림의 정합성
AI 분석 도구와 리뷰가 짚은 후보를 코드와 라이브러리 소스로 직접 검증하고 수정 범위를 정해, 2PC의 모호한 커밋과 의도대로 동작하지 않던 Kafka 되감기를 고쳤습니다. CDC로 흘러갈 뻔한 TTL 삭제는 직접 찾아 막았고, 출시 후에는 재시도 안전성을 전체 경로로 점검했습니다.
상황
게임 서버는 유저와 길드를 이벤트 소싱 액터로 다루고, 여러 액터를 함께 바꾸는 요청은 2단계 커밋(2PC)으로 묶습니다. 변경 이벤트는 CDC와 Transactional Outbox로 Kafka에 흘러갑니다. 이 구조에서는 작은 결함이 테스트에 잘 드러나지 않는 데이터 불일치로 이어집니다.
판단
2PC의 모호한 커밋: DB가 커밋 여부를 알 수 없다고 응답하면 이벤트는 이미 기록됐을 수 있는데, 롤백 경로는 메모리 상태만 되돌리고 있었습니다. AI 분석 도구가 낸 수정안 가운데 실제 커밋 여부를 다시 확인해 저널과 메모리를 맞추는 안을 골라 구현했습니다. 코디네이터 쪽까지 넓힌 확장은 경합 상황에서 틀릴 수 있어 직접 되돌리고, 엔티티를 직접 쥔 액터 쪽에서만 판정하도록 범위를 좁혔습니다.
Kafka 되감기: 컨슈머가 시작할 때 몇 분 전으로 되감으려던 코드가 라이브러리 동작과 어긋나 실제로는 늘 최신 위치에서 시작하고 있었습니다. 처음에는 DB 복구로 충분하다고 보고 되감기를 살리지 않았지만, DB를 읽는 시점과 구독 시작 사이의 틈을 짚은 리뷰를 받아들여 판단을 고쳤습니다. 시각 기준으로 시작 위치를 잡고 겹치는 구간은 멱등하게 흡수하도록 바꿨고, 알림처럼 되감으면 중복이 생기는 컨슈머는 최신 위치에서 시작하도록 코드에 명시했습니다.
TTL 삭제: outbox 테이블의 TTL 삭제가 CDC로 빈 이벤트를 내보내 다운스트림에 빈 기본값이 쓰일 수 있다는 것을 로컬에서 재현해 확인하고, outbox 도입 직후 출시 전에 막았습니다. 실패를 건너뛰는 처리도 넣었다가, 조용히 건너뛰면 실제 문제까지 묻힌다는 리뷰 의견에 따라 되돌렸습니다.
재시도 안전성: 모바일 네트워크에서는 같은 요청이 여러 번 도착할 수 있습니다. 길드 기능 하나의 재시도 안전성을 확인하다 범위를 전체로 넓혀, AI와 함께 재화와 보상이 걸린 지점부터 호출 경로를 역추적해 재시도에 안전하지 않은 경로를 체계적으로 찾아 막았습니다.
결과
2PC, Kafka, TTL 결함은 출시 전에 고쳤고, 재시도 안전성 점검은 출시 후 전체 경로로 넓혔습니다. 처리가 계속 실패하는 메시지를 바로 알 수 있는 메트릭과 알람도 만들었습니다.
제 역할
2PC와 Kafka 결함은 동료가 만든 AI 코드 분석 도구가 먼저 짚었고, 수정 방향도 그 제안 가운데서 골랐습니다. 제 몫은 후보를 코드와 라이브러리 소스로 검증하고, 영향과 수정 범위를 정하고, 리뷰 지적을 반영해 고친 것입니다. TTL 삭제와 재시도 안전성 점검은 직접 시작한 작업입니다.