성능(Performance)은 데이터베이스 관리 시스템(DBMSs)과 같은 근본적인 시스템의 핵심적인 특성입니다. 학계와 산업계 모두 효율적인 최적화 알고리즘(Optimization algorithms)을 탐구하는 데 수십 년을 투자해 왔습니다. 이러한 노력에도 불구하고, DBMS는 성능 저하를 초래하는 성능 문제(Performance issues)가 발생하기 쉽습니다. 정답(Ground-truth) 성능을 알 수 없기 때문에 이러한 문제를 찾는 것은 오랫동안 지속된 과제였습니다. 기존 연구들은 실행 간의 성능 일관성을 조사하기 위해 블랙박스(Black-box) 방식을 채택하지만, 최적화(Optimizations)를 체계적으로 테스트할 수는 없습니다. 본 연구에서는 성능 문제를 체계적이고 효과적으로 발견하기 위해 새롭고 일반적인 화이트박스(White-box) 방법론인 분기 플립 분석(Branch Flip Analysis, BFA)을 제안합니다. BFA는 코드 분기(Code branches)를 뒤집어(Flip) 최적화를 강제하거나 비활성화하며, 이때 성능이 유의미하게 향상되지 않아야 합니다. 만약 그렇지 않다면 성능 문제가 존재하는 것입니다. BFA는 성능 문제를 찾고 최적화 로직(Optimization logics)을 미세한 단위(Fine-grained manner)로 테스트할 수 있는 새로운 관점을 제공합니다. 우리는 프로토타입 시스템인 QueryZen에서 BFA를 구현하였으며, 널리 사용되는 네 가지 성숙한 DBMS인 PostgreSQL, MySQL, CockroachDB, MariaDB를 대상으로 평가를 진행했습니다. QueryZen은 널리 사용되는 벤치마크인 TPC-H 및 TPC-DS 워크로드(Workload)를 통해 이전에 알려지지 않았던 21개의 고유한 성능 문제를 발견했습니다. BFA의 핵심 개념은 단순하고 폭넓게 적용 가능하며, 다른 소프트웨어 시스템의 성능을 분석하는 데에도 적응될 수 있습니다.