데이터 다이어트와 비동기 파이프라인으로 달성한 20배 비용 절감

How We Keep Mobile Session Replay 17x Cheaper Than PostHog

Mohammad R. Rashid2026년 5월 18일8분advanced

AI 요약

Context

기존 Session Replay 툴의 고해상도 캡처와 동기적 업로드 방식에 따른 과도한 스토리지 및 인프라 비용 발생. 데이터 볼륨 증가에 따라 기하급수적으로 상승하는 운영 비용 해결이 핵심 과제.

Framebuffer 읽기 단계에서 1.25x 스케일 적용 및 1 FPS 제한을 통한 Raw Pixel 데이터 5.8배 감소
.utility QoS 기반의 Background OperationQueue 도입 및 Backpressure 제한으로 메인 스레드 부하 방지 및 메모리 폭주 차단
On-Device Redaction 처리로 서버 측 블러링 파이프라인 제거 및 개인정보 유출 리스크 원천 차단
Binary Frame Bundle 구성 후 zlib Level 9 압축을 적용하여 네트워크 전송량 및 Storage 비용 최소화
Redis 기반의 Ingest Relay와 BullMQ 워커를 통한 비동기 Object Storage 쓰기 구조로 SDK 응답 속도 50ms 이하 유지
k3s 도입 및 EU 지역 VPS 분산 배치를 통한 Managed Kubernetes 오버헤드 제거 및 I/O 기반 Auto-scaling 구현

실천 포인트

1. 고빈도 데이터 캡처 시 클라이언트 단에서 해상도/프레임 제한 및 Redaction 처리 여부 검토

2. 외부 Storage API의 지연시간이 유저 경험에 영향을 주지 않도록 Redis/Queue 기반의 Write-behind 패턴 적용

3. CPU 집약적 압축 작업 시 QoS 설정을 통해 메인 스레드와의 리소스 경합 방지

4. 인프라 비용 최적화를 위해 Managed 서비스 대신 경량 k8s(k3s) 및 지역 특화 VPS 조합 고려

태그