성능 튜닝

개요

PlantPulse 의 성능은 수집 → 처리 → 저장 의 각 계층 병목을 차례로 제거해야 향상됩니다. 무조건 모든 값을 키우는 것이 아니라, 모니터링 지표를 보고 병목 지점만 조정하는 것이 핵심입니다.

튜닝 원칙 3가지

한 번에 하나만: 동시에 여러 변수를 바꾸면 어떤 변경이 효과를 냈는지 알 수 없습니다.

운영 데이터 기반: stage 환경 + 실제 트래픽 재현 후 변경.

기록 남기기: 변경한 값, 변경 전후 지표를 GitOps / 운영 wiki 에 남기세요.

운영 환경별 권장 출발점

환경	CPU	메모리	디스크	권장 PIPELINE_THREADS	권장 PIPELINE_RATELIMIT
개발	16 vCPU	64 GB	SSD	16	10,000 MPS
표준	32 vCPU	128 GB	NVMe	36	40,000 MPS
대규모	48+ vCPU	200+ GB	NVMe	64	100,000 MPS

env.sh 기반 핵심 튜닝 변수

운영 환경에서 가장 자주 조정하는 변수는 호스트의 bin/env.sh 와 compose/docker-compose.yml 에서 관리됩니다 → 환경 변수 레퍼런스

변수	기본	영향
`PP_CLUSTER_CORES`	30	Spark / 분석 코어 할당
`PP_CLUSTER_MEMORY_BY_CORE`	2G	Spark executor 메모리/코어
`PP_LANG` / `PP_TZ`	ko / Asia/Seoul	JVM locale / timezone
`JAVA_TOOL_OPTIONS`	자동 생성	모든 자식 JVM 에 자동 적용

상세 변수는 프로퍼티 레퍼런스 의 env.sh 변수 인덱스 참고.

측정 도구

튜닝 전후를 비교할 수 있는 도구:

cd /opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin

./status.sh                            # 모듈별 CPU / 메모리(PSS) 요약
./ops-check.sh                         # 헬스 + critical log
./memory-check.sh                      # 모듈별 메모리 상세
./memory-rank.sh                       # 메모리 순위
./pd node tpstats                      # Cassandra 스레드풀
./pd node compactionstats              # Cassandra 컴팩션
./pd node table-stats                  # 테이블별 통계
./pd node proxyhistograms              # Cassandra 지연 히스토그램

# Kafka consumer lag
./pd node topic

# JVM Heap / GC (컨테이너 진입 후)
./shell.sh
jcmd <pid> GC.heap_info
jcmd <pid> GC.heap_dump /tmp/heap.hprof

외부 모니터링 (Grafana / Prometheus) 은 시스템 모니터링 페이지 참고.

안내: 성능 튜닝은 서버 사양, 데이터 규모, 사용 패턴에 따라 최적값이 달라질 수 있습니다. 아래의 권장 설정을 기준으로 시작하시고, 모니터링 결과를 확인하면서 점진적으로 조정해 나가시는 것을 권장합니다.

엔진 파이프라인 튜닝

설정 파일: plantpulse-server/config/plantpulse-engine.properties

안내: 엔진 파이프라인은 센서에서 수집된 데이터가 처리되는 핵심 경로입니다. 이 설정을 통해 데이터의 처리 속도와 용량을 조절할 수 있습니다.

파이프라인 핵심 파라미터

파라미터	기본값	설명	튜닝 가이드
`engine.pipeline.threads`	`36`	파이프라인 워커 스레드 수	호스트 코어 수의 70~80%를 권장합니다 (검증 환경 48코어 → 36)
`engine.pipeline.ratelimit`	`40000`	초당 최대 처리 메시지 수 (MPS)	서버 사양에 맞게 조정해 주세요
`engine.pipeline.queue.size`	`1200000`	파이프라인 큐 최대 크기	메모리 여유분에 맞게 조정해 주세요
`engine.pipeline.queue.o3.delay`	`50`	Out-of-Order 지연 처리 (ms)	네트워크 지연에 따라 조정해 주세요
`engine.pipeline.task.mode`	`SINGLE`	파이프라인 태스크 모드	`SINGLE` 또는 `MULTI`
`engine.async.parallelism`	`256`	비동기 병렬 처리 수	CPU 코어의 8~16배를 권장합니다

스트리밍 설정

파라미터	기본값	설명
`engine.stream.processor`	`DIRECT`	스트림 처리 모드
`engine.streaming.messaging.warning.ms`	`5000`	메시지 지연 경고 기준 (ms)
`engine.streaming.messaging.timeout.ms`	`10000`	메시지 타임아웃 (ms)
`engine.streaming.messaging.timeout.store.type`	`FILE_QUEUE`	타임아웃 메시지 저장 방식
`engine.streaming.messaging.timeout.recovery.type`	`DB`	타임아웃 복구 방식

작업 스레드

파라미터	기본값	설명
`engine.job.thread.asset`	`8`	에셋 작업 스레드 수
`engine.job.thread.point`	`8`	포인트 작업 스레드 수

사양별 권장 설정

아래 표는 서버 사양에 따른 권장 설정값입니다. 운영 환경의 사양에 맞는 열을 참고하여 설정해 주세요.

항목	소규모 (8코어/64GB)	중규모 (16코어/128GB)	대규모 (32코어/256GB)
`pipeline.threads`	16	36	64
`pipeline.ratelimit`	10,000	40,000	100,000
`pipeline.queue.size`	300,000	1,200,000	3,000,000
`async.parallelism`	64	256	512

Aster TSDB 튜닝

설정 파일: plantpulse-storage/db/cassandra/conf/cassandra.yaml

안내: Aster TSDB는 시계열 데이터를 저장하는 핵심 데이터베이스입니다. 데이터 규모가 커질수록 Aster TSDB 튜닝이 전체 성능에 큰 영향을 미치므로, 운영 환경에 맞게 조정해 주시는 것을 권장합니다.

메모리 설정

파라미터	기본값	설명
`memtable_heap_space`	`2GiB`	Memtable 힙 메모리
`memtable_offheap_space`	`2GiB`	Memtable Off-Heap 메모리
`memtable_allocation_type`	`offheap_objects`	메모리 할당 타입
`memtable_flush_writers`	`8`	Memtable 플러시 스레드 수

동시성 설정

파라미터	기본값	설명	튜닝 가이드
`concurrent_reads`	`256`	동시 읽기 스레드	디스크 수 x 16을 권장합니다
`concurrent_writes`	`256`	동시 쓰기 스레드	CPU 코어 x 8을 권장합니다
`concurrent_counter_writes`	`256`	동시 카운터 쓰기	concurrent_writes와 동일하게 설정해 주세요
`concurrent_compactors`	`8`	동시 컴팩션 스레드	CPU 코어 수의 1/4을 권장합니다

커밋로그

파라미터	기본값	설명
`commitlog_sync`	`periodic`	동기 방식
`commitlog_sync_period`	`10000ms`	동기 주기
`commitlog_segment_size`	`320MiB`	세그먼트 크기
`commitlog_total_space`	`32GiB`	전체 커밋로그 공간

타임아웃

파라미터	기본값	설명
`read_request_timeout`	`10000ms`	읽기 타임아웃
`write_request_timeout`	`60000ms`	쓰기 타임아웃
`counter_write_request_timeout`	`10000ms`	카운터 쓰기 타임아웃
`cas_contention_timeout`	`1000ms`	CAS 경합 타임아웃
`truncate_request_timeout`	`600000ms`	Truncate 타임아웃

컴팩션 전략

PlantPulse는 시계열 데이터 특성에 맞는 **UCS(Unified Compaction Strategy)**를 사용합니다.

안내: 컴팩션(Compaction)은 Aster TSDB가 디스크에 저장된 데이터 파일(SSTable)을 정리하고 병합하는 작업입니다. 적절한 컴팩션 전략을 사용하면 디스크 공간을 절약하고 읽기 성능을 향상시킬 수 있습니다.

storage.properties 설정:

파라미터	기본값	설명
`storage.table.compaction.strategy`	`UCS`	컴팩션 전략 (`UCS` 또는 `TWCS`)
`storage.table.compaction.strategy.ucs.scailing_parameter`	`T8`	스케일링 파라미터
`storage.table.compaction.strategy.ucs.min_sstable_size`	`128MiB`	최소 SSTable 크기
`storage.table.compaction.strategy.ucs.target_sstable_size`	`512MiB`	목표 SSTable 크기
`storage.table.compaction.strategy.ucs.base_shard_count`	`8`	베이스 샤드 수
`storage.table.compaction.strategy.ucs.max_sstables_to_compact`	`6`	최대 컴팩션 SSTable 수

압축

ZStandard 딕셔너리 압축을 사용합니다:

파라미터	기본값	설명
`storage.compression.zstd.type`	`ZstdDictionaryCompressor`	압축 방식
`storage.compression.zstd.level`	`3`	압축 레벨 (1~22, 높을수록 압축률은 올라가지만 속도는 느려집니다)

TTL (데이터 보존 기간)

storage.properties에서 테이블별 TTL을 설정합니다. TTL이 지나면 해당 데이터는 자동으로 삭제되므로, 데이터 보존 요구사항에 맞게 설정해 주세요.

파라미터	기본값	설명
`storage.tag.point.ttl`	`62` (일)	태그 포인트 원본 데이터
`storage.tag.point.map.ttl`	`1` (일)	태그 포인트 맵
`storage.tag.point.sampling.ttl`	`93` (일)	샘플링 데이터
`storage.tag.point.snapshot.ttl`	`93` (일)	스냅샷 데이터
`storage.tag.point.aggregation.ttl`	`93` (일)	집계 데이터
`storage.tag.point.archive.ttl`	`365` (일)	아카이브 데이터
`storage.tag.blob.ttl`	`93` (일)	BLOB 데이터
`storage.asset.data.ttl`	`10` (일)	에셋 데이터
`storage.asset.data.sampling.ttl`	`31` (일)	에셋 샘플링 데이터

Aster TSDB 성능 점검 명령어

아래 명령어를 사용하여 Aster TSDB의 성능 상태를 점검하실 수 있습니다:

# 컴팩션 상태 확인
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node compactionstats

# 테이블별 통계 확인
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node table-stats

# 테이블 히스토그램 (읽기/쓰기 지연)
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node table-histograms

# SSTable 크기 확인
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node sstable-size

# 스레드풀 통계
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node tpstats

Spark 튜닝

설정 파일: plantpulse-analytics/spark/conf/spark-defaults.conf

안내: Apache Spark는 대용량 데이터 분석을 위한 분산 처리 엔진입니다. 분석 작업의 속도와 안정성을 높이기 위해 아래 설정을 참고해 주세요.

리소스 할당

파라미터	기본값	설명
`spark.cores.max`	`16`	Spark 최대 사용 코어
`spark.driver.cores`	`2`	드라이버 코어 수
`spark.driver.memory`	`4g`	드라이버 메모리
`spark.executor.cores`	`1`	Executor 코어 수
`spark.executor.memory`	`2G`	Executor 메모리
`spark.executor.memoryOverhead`	`2g`	Executor 오버헤드 메모리

동적 할당

파라미터	기본값	설명
`spark.dynamicAllocation.enabled`	`true`	동적 Executor 할당
`spark.dynamicAllocation.minExecutors`	`2`	최소 Executor 수
`spark.dynamicAllocation.maxExecutors`	`16`	최대 Executor 수
`spark.dynamicAllocation.executorIdleTimeout`	`30`	유휴 Executor 해제 시간 (초)

셔플 및 병렬도

파라미터	기본값	설명
`spark.default.parallelism`	`64`	기본 병렬도
`spark.sql.shuffle.partitions`	`128`	SQL 셔플 파티션 수
`spark.sql.adaptive.enabled`	`true`	Adaptive Query Execution
`spark.sql.adaptive.coalescePartitions.enabled`	`true`	파티션 자동 병합

JVM 설정

Spark 드라이버/Executor 모두 ZGC를 사용합니다:

-XX:+UseZGC
-XX:+AlwaysPreTouch
-XX:+UseTLAB
-XX:+ResizeTLAB
-XX:+DisableExplicitGC

S3 (RustFS) 연동 설정

파라미터	기본값	설명
`spark.hadoop.fs.s3a.connection.maximum`	`400`	최대 S3 연결 수
`spark.hadoop.fs.s3a.threads.max`	`128`	최대 S3 스레드
`spark.hadoop.fs.s3a.max.total.tasks`	`1024`	최대 비동기 작업
`spark.hadoop.fs.s3a.fast.upload`	`true`	빠른 업로드 활성화
`spark.hadoop.fs.s3a.fast.upload.buffer`	`disk`	업로드 버퍼 타입
`spark.hadoop.fs.s3a.block.size`	`128MB`	S3 블록 크기

Iceberg 설정

파라미터	기본값	설명
`spark.sql.iceberg.write.target-file-size-bytes`	`256MB`	대상 파일 크기
`spark.sql.iceberg.column-stats.enabled`	`true`	컬럼 통계 활성화
`spark.sql.iceberg.vectorization.enabled`	`true`	벡터화 읽기 활성화
`spark.sql.iceberg.manifest.merge.enabled`	`true`	매니페스트 병합
`spark.sql.parquet.compression.codec`	`zstd`	Parquet 압축 코덱

Kafka 튜닝

설정 파일: plantpulse-messaging/kafka/config/server.properties

안내: Kafka는 센서 데이터를 실시간으로 전달하는 메시지 브로커입니다. 데이터 양이 많아지면 Kafka 설정을 조정하여 처리 성능을 높일 수 있습니다.

핵심 설정

파라미터	기본값	설명
`num.network.threads`	`3`	네트워크 처리 스레드
`num.io.threads`	`8`	I/O 처리 스레드
`socket.send.buffer.bytes`	`102400`	소켓 전송 버퍼
`socket.receive.buffer.bytes`	`102400`	소켓 수신 버퍼
`socket.request.max.bytes`	`104857600`	최대 요청 크기 (100MB)
`num.partitions`	`1`	기본 파티션 수
`log.retention.hours`	`168`	로그 보존 기간 (7일)
`log.segment.bytes`	`1073741824`	로그 세그먼트 크기 (1GB)

대용량 처리 튜닝

대량의 IoT 데이터를 처리하실 경우, 아래 설정을 참고하여 조정해 주세요:

# 파티션 수 증가 (메시지 병렬 처리)
num.partitions=4

# I/O 스레드 증가
num.io.threads=16

# 네트워크 스레드 증가
num.network.threads=8

# 소켓 버퍼 증가
socket.send.buffer.bytes=1048576
socket.receive.buffer.bytes=1048576

메시징 설정

설정 파일: plantpulse-server/config/plantpulse-mq.properties

Kafka DDS 토픽

파라미터	기본값	용도
`mq.dds.kafka.topic.tag.point`	`pp-tag-point`	태그 포인트 값
`mq.dds.kafka.topic.tag.alarm`	`pp-tag-alarm`	태그 알람
`mq.dds.kafka.topic.asset.data`	`pp-asset-data`	에셋 데이터
`mq.dds.kafka.topic.asset.alarm`	`pp-asset-alarm`	에셋 알람
`mq.dds.kafka.topic.asset.event`	`pp-asset-event`	에셋 이벤트
`mq.dds.kafka.topic.asset.aggregation`	`pp-asset-aggregation`	에셋 집계
`mq.dds.kafka.topic.domain.changed.event`	`pp-domain-changed-event`	메타데이터 변경

MQTT DDS 토픽

파라미터	기본값	용도
`mq.dds.mqtt.topic.tag.point`	`tag/point/{tag_id}`	태그별 포인트 값
`mq.dds.mqtt.topic.tag.alarm`	`tag/alarm/{tag_id}`	태그별 알람
`mq.dds.mqtt.topic.asset.data`	`asset/data/{asset_id}`	에셋별 데이터
`mq.dds.mqtt.topic.asset.command`	`asset/command/{asset_id}`	에셋 제어 명령

스케줄러 설정

설정 파일: quartz.properties (웹앱 내부 클래스패스 리소스 — 외부화 대상 아님)

파라미터	기본값	설명
`org.quartz.threadPool.threadCount`	`8`	스케줄러 스레드 수
`org.quartz.threadPool.threadPriority`	`5`	스레드 우선순위

메일 / 알림 설정

설정 위치: PostgreSQL pp.mm_config 표입니다. 2026-09-17 에 plantpulse-mail.properties 를 지웠고, 외부 conf 에 남은 옛 사본을 읽던 경로도 2026-09-18 에 없앴습니다 — 값은 콘솔이나 pp.mm_config 로만 들어갑니다. 키 이름과 기본값은 그대로입니다.

파라미터	기본값	설명
`mail.smtp.host`	`192.168.0.41`	SMTP 서버 주소
`mail.smtp.port`	`25`	SMTP 포트
`mail.smtp.auth`	`false`	인증 사용 여부
`mail.smtp.starttls.enable`	`false`	TLS 사용 여부

애플리케이션 설정

application.properties 파일은 2026.06 에 제거되었습니다. 테마 / 홈페이지 등 콘솔 동작 설정은 콘솔의 시스템 > 설정 관리 (PostgreSQL mm_config 테이블)에서 관리하고, alarm.duplicate.check.minutes(중복 알람 체크 간격, 분)는 plantpulse-server/config/plantpulse-engine.properties 로 이관되었습니다.

성능 병목 진단

성능 문제가 발생했을 때 아래 증상별 진단 방법과 해결책을 참고해 주세요.

1. 파이프라인 큐 적체

증상: 파이프라인 대기 큐가 지속적으로 증가합니다

# PlantPulse Dashboard 에서 "파이프라인 대기 큐" 패널을 확인해 주세요
# 또는 JMX: pipeline.queue.size 값을 확인해 주세요

해결:

engine.pipeline.threads 값을 늘려 주세요
engine.pipeline.ratelimit 값을 상향 조정해 주세요
Aster TSDB 쓰기 성능을 확인해 주세요

2. Aster TSDB 쓰기 지연

증상: 쓰기 타임아웃 또는 WriteTimeoutException이 발생합니다

# 컴팩션 상태 확인
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node compactionstats

# Memtable 플러시
/opt/kopens/plantpulse-platform/plantpulse-datalake-cli/bin/pd node flush

해결:

concurrent_writes 값을 늘려 주세요
compaction_throughput 값을 늘려 주세요
디스크 I/O 성능을 점검해 주세요 (SSD 사용을 권장합니다)

3. 메모리 부족

증상: JVM GC가 빈번하게 발생하거나 OutOfMemoryError가 발생합니다

해결:

서비스 모듈의 bin/start.sh에서 -Xmx 값을 늘려 주세요
engine.pipeline.queue.size 값을 줄여 메모리 사용을 절약해 주세요
불필요한 캐시를 비활성화해 주세요

4. 네트워크 지연

증상: 데이터 수신 지연이 증가합니다 (PlantPulse Dashboard "네트워크 지연" 패널에서 확인 가능)

해결:

OPC 서버와 PlantPulse 간 네트워크 상태를 확인해 주세요
engine.streaming.messaging.timeout.ms 값을 조정해 주세요
MQTT QoS 레벨을 확인해 주세요

기술 지원

성능 튜닝 관련 문의: webmaster@kopens.com

개요​

운영 환경별 권장 출발점​

env.sh 기반 핵심 튜닝 변수​

측정 도구​

엔진 파이프라인 튜닝​

파이프라인 핵심 파라미터​

스트리밍 설정​

작업 스레드​

사양별 권장 설정​

Aster TSDB 튜닝​

메모리 설정​

동시성 설정​

커밋로그​

타임아웃​

컴팩션 전략​

압축​

TTL (데이터 보존 기간)​

Aster TSDB 성능 점검 명령어​

Spark 튜닝​

리소스 할당​

동적 할당​

셔플 및 병렬도​

JVM 설정​

S3 (RustFS) 연동 설정​

Iceberg 설정​

Kafka 튜닝​

핵심 설정​

대용량 처리 튜닝​

메시징 설정​

Kafka DDS 토픽​

MQTT DDS 토픽​

스케줄러 설정​

메일 / 알림 설정​

애플리케이션 설정​

성능 병목 진단​

1. 파이프라인 큐 적체​

2. Aster TSDB 쓰기 지연​

3. 메모리 부족​

4. 네트워크 지연​

기술 지원​

개요