01.사용자 수에 따른 규모 확장성

대규모 시스템 설계 기초 1장을 요약한 내용입니다.

단일 서버

모든 컴포넌트가 단 한 대의 서버에서 실행되는 간단한 시스템이다.

• 웹, 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행된다.

사용자 요청 처리 흐름

• (1) 사용자는 도메인 이름을 이용하여 웹사이트에 접속

  • 접속을 위해 도메인 이름을 도메인 이름 서비스(DNS)에 질의하고 IP 주소로 변환

  • DNS는 보통 제3 사업자가 제공하는 유료 서비스를 이용

• (2) DNS 조회 결과로 IP 주소가 반환

• (3) 해당 IP 주소로 HTTP 요청이 전달

• (4) 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태로 응답을 반환

데이터 베이스

웹/모바일 트래픽 처리 서버(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하면 각각을 독립적으로 확장해 나갈 수 있다.

어떤 데이터베이스를 사용할 것인가?

• 관계형 데이터베이스는 관계형 데이터베이스 관리 시스템(RDMBS)이라고도 부른다.

  • MySQL, Oracle, PostgreSQL 등

  • 자료를 테이블과 열, 칼럼으로 표현

  • SQL을 사용하여 여러 테이블에 있는 데이터를 관계에 따라 조인

• 비-관계형 데이터베이스는 NoSql이라고도 부른다.

  • CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등

  • NoSQL은 key-value store, graph store, column store, document store 부류로 나눌 수 있다.

  • 일반적으로 조인 연산은 지원하지 않음

비-관계형 데이터베이스가 바람직한 선택일 경우

• 아주 낮은 응답 지연시간(latency)이 요구

• 다루는 데이터가 비정형(unstructured)이라 관계형 데이터가 아닐 경우

• 데이터(JSON, YAML, XML 등)를 직렬화하거나 역직렬화 할 수 있기만 하면 될 경우

• 아주 많은 양의 데이터를 저장할 필요가 있을 경우

수직적 규모 확장 vs 수평적 규모 확장

수직적 규모 확장(vertical scaling) 프로세스

• 스케일 업(scale up)이라고도 불림

• 서버에 고사양 자원(CPU, RAM 등)을 추가하는 행위

• 서버 유입 트래픽이 적을 경우 적합하고 단순한 장점

• 심각한 단점이 존재

  • 한계 존재: 한 대의 서버에 CPU, 메모리를 무한대 증설할 방법이 없음

  • 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방은을 제시하지 않음: 서버 장애 발생 시 웹/앱은 완전히 중단

수평적 규모 확장 프로세스

• 스케일 아웃(scale out)이라고도 불림

• 더 많은 서버를 추가하여 성능을 개선하는 행위

• 수직적 규모 확장법의 단점으로 대규모 애플리케이션 지원에는 수평적 규모 확장법이 적합

로드밸런서

• 부하 분산 집합(load balancing set)에 속한 웹 서버들에게 트래픽 부화를 고르게 분산하는 역할

사용자는 로드밸런서의 공개 IP 주소(public IP address)로 접속

• 웹 서버는 클라이언트 접속을 직접 처리하지 않고 보안을 위해 서버 간 통신에는 사설 IP 주소(private IP address) 이용

• 사설 API 주소는 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있는 IP 주소

• 인터넷을 통한 접속은 불가

부하 분산 집합에 또 하나의 웹 서버를 추가하고 나면 **장애를 자동복구하지 못하는 문제(no failover)**는 해소

• 웹 계층의 가용성(availability)은 향상

데이터베이스 다중화

많은 데이터베이스 관리 시스템이 다중화를 지원한다.

• 보통 서버 사이에 master-slave 관계를 설정하고 데이터 원본은 master 서버에, 사본은 slave 서버에 저장하는 방식

• 쓰기 연산은 master에서만 지원(insert, delete, update)

• slave DB는 master DB로부터 그 사본을 전달받고, 읽기 연산만을 지원

• 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높아서 통상 slave DB 수가 주 데이터베이스의 수보다 많다.

데이터베이스를 다중화할 경우 얻을 수 있는 이득

• 더 나은 성능: 모든 데이터 변경 연산은 master, 읽기 연산은 slave로 분산되어 병렬로 처리될 수 있는 질의 수가 늘어나므로 성능이 좋아진다.

• 안정성(reliability): 자연 재해 등으로 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존. (데이터를 지역적으로 떨어진 여러 장소에 다중화)

• 가용성(availability): 데이터를 여러 지역에 복제함으로 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스.

로드밸런서와 데이터베이스 다중화를 고려한 설계안

• (1) 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다.

• (2) 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속.

• (3) HTTP 요청은 서버 1이나 서버 2로 전달

• (4) 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.

• (5) 웹 서버는 데이터 변경 연산(데이터 추가, 삭제, 갱신 연산 등)은 주 데이터베이스로 전달한다.

이제 응답시간(latency)을 개선해볼 순서다.

• 응답 시간은 캐시(cache)를 붙이고 정적 콘텐츠를 콘텐츠 전송 네트워크(Content Delivery Network, CDN)로 옮기면 개선할 수 있다.

캐시

캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 이후 요청이 보다 빨리 처리될 수 있도록 하는 저장소이다.

• 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데, 캐시는 그런 문제를 완화할 수 있다.

캐시 계층

• 데이터가 잠시 보관되는 곳으로 DB보다 훨씬 빠르다.

• 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 DB 부하를 줄일 수 있고, 캐시 계층 규모를 독립적으로 확장하는 것도 가능해 진다.

• 읽기 주도형 캐시 전략(read-through caching strategy)

  • 요청 받은 웹 서버는 캐시에 응답이 저장되어 있는지 확인

  • 저장되어 있다면 해당 데이터를 클라이언트에 반환하고, 없을 경우 DB 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환

• 이외에도 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시 전략이 존재

  • Caching Strategies and How to Choose the Right One

• 캐시 서버는 일반적으로 널리 쓰이는 프로그래밍 언어로 API를 제공하므로 이용하는 방법이 간단하다.

캐시 사용 시 유의할 점

• 캐시는 어떤 상황에 바람직한가❓

  • 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 고려해볼 만하다.

• 어떤 데이터를 캐시에 두어야 하는가❓

  • 캐시 데이터는 휘발성 메모리에 두므로, 중요 데이터는 지속적 저장소(persistent data store)에 두어야 한다.

• 캐시에 보관된 데이터는 어떻게 만료되는가❓

  • 만료된 데이터는 캐시에서 삭제되고, 만료 정책이 없다면 데이터는 캐시에 계속 남게 된다.

  • 만료 기간이 너무 짧으면 DB를 너무 자주 읽고, 너무 길면 원본가 차이가 날 가능성이 있다.

• 일관성은 어떻게 유지되는가❓

  • 저장소의 원본 갱신 연산과 캐시 갱신 연산이 단일 트랜잭션으로 처리되지 않을 경우 일관성이 깨질 수 있다.

  • 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 캐시와 저장소 사이의 일관성 유지에 어려움 문제가 있다.

  • Scaling Memcache at Facebook

• 장애에는 어떻게 대처할 것인가❓

  • 캐시 서버를 한 대만 둘 경우 단일 장애 지점(Single Point of Failure, SPOF)이 되어 버릴 수 있다.

    • 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우.

  • SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산시켜야 한다.

• 캐시 메모리는 얼마나 크게 잡을 것인가❓

  • 캐시 메모리가 너무 작으면 액세스 패턴에 따라 데이터가 너무 자주 캐시에서 밀려나버려(eviction) 캐시 성능이 떨어지게 된다.

  • 캐시 메모리를 과할당(overprovision)하면 캐시에 보관될 데이터가 갑자기 늘어났을 때 생길 문제를 방지할 수 있다.

• 데이터 방출 정책은 무엇인가❓

  • 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내는 정책

  • LRU(Least Recently Used) 정책이 가장 널리 쓰이는데 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책이다.

  • LFU(Least Frequently Used, 사용된 빈도가 가장 낮은 데이터를 내보내는 정책), FIFO(First In First Out, 가장 먼저 캐시에 들어온 데이터를 가장 먼저 내보내는 정책)도 있다.

콘텐츠 전송 네트워크(CDN)

CDN은 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크

• 이미지, 비디오, CSS, JavaScript 파일 등을 캐시

• 요청 경로, 질의 문자열, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시한다.

CDN의 동작

• (1) 사용자 A가 이미지 URL을 이용해 png 파일에 접근. (URL의 도메인은 CDN 서비스 사업자가 제공)

• (2) CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본 서버에 요청하여 파일을 가져온다. (웹 서버 또는 AWS S3)

• (3) 원본 서버가 파일을 CDN 서버에 반환. (응답 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지 설명하는 TTL(Time-To-Live) 값이 포함)

• (4) CDN 서버는 파일을 캐시하고 사용자 A에게 반환 (이미지는 TTL에 명시된 시간이 끝날 때까지 캐시)

• (5) 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송

• (6) 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리

CDN 사용 시 고려해야 할 사항

• 비용

  • 보통 제3 사업자에 의해 운영. CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금 지불

  • 자주 사용되는 콘텐츠 위주로 캐시하는 것을 권장

• 적절한 만료 시한 설정

  • 시의성이 중요한 콘텐츠는 만료 시점이 중요

  • 너무 길면 콘텐츠 신선도가 떨어지고, 너무 짧으면 원본 서버에 빈번한 접속이 필요

• CDN 장애에 대한 대처 방안

  • 일시적으로 CDN 응답이 없을 경우 해당 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 클라이언트를 구성해야 하는 것이 필요

• 콘텐츠 무효화 방법

  • 아직 만료되지 않은 콘텐츠라도 CDN에서 제거 가능

    • CDN 서비스 사업자 제공 API 사용

    • 콘텐츠의 다른 버전을 서비스하도록 Object versioning 이용 (새로운 버전 지정은 버전 번호를 인자로. image.png?v=2)

CDN과 캐시가 추가된 설계

• 정적 콘텐츠(JS, CSS, IMG ..)는 웹 서버가 아닌 CDN을 통해 제공하여 더 나은 성능을 보장한다.

• 캐시가 DB 부하를 줄어준다.

무상태 웹 계층

웹 계층을 수평적으로 확장하려면 상태 정보(ex. 사용자 세션 데이터)를 웹 계층에서 제거해야 한다.

• 바람직한 전략은 상태 정보를 RDB, NoSQL 같은 지속성 저장소에 보관하고, 필요 시 가져오도록 하는 것이다.

• 이렇게 구성된 웹 계층을 무상태(stateless) 웹 계층이라고 부른다.

상태 정보 의존 아키텍처

• 클라이언트 정보(상태)를 유지하여 요청들 사이에 공유되도록 한다.

• 하지만 문제는 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 것이다.

• 대부분의 로드밸런서가 고정 세선(sticky session)이라는 기능으로 지원하고 있지만, 로드밸런서에 부담을 준다.

• 로그밸런서 뒷단에 서버 추가나 제거도 까다로워지고, 서버 장애를 처리하기도 복잡해진다.

무상태 아키텍처

• 웹 서버는 상태 정보가 필요할 경우 공유 저장소(shared storage)로부터 데이터를 가져온다.

• 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다.

• 이러한 구조는 단순하고, 안정적이며, 규모 확장이 쉬워진다.

• 공유 저장소는 RDB, Memcached/Redis, NoSQL 모두 사용 가능하다. (단, NoSQL을 사용하면 규모 확장이 간편해질 수 있다.)

데이터 센터

두 개의 데이터 센터를 이용할 경우 장애가 없는 상황에서 시용자는 가장 가까운 데이터 센터로 안내된다.

• 통상 이 절차를 지리적 라우팅(geoDNS-routing, geo-routing)이라고 부른다.

  • geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스이다.

• 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.

다중 데이터센터 아키텍처를 만들기 위해 몇 가지의 기술적 난제를 해야해야 한다.

• 트래픽 우회

  • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법

  • GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해 준다.

• 데이터 동기화

  • 데이터 센터마다 별도의 DB를 사용하고 있다면, 장애가 자동 복구되어 트래픽이 다른 DB로 우회되어 해당 DB에는 찾는 데이터가 없을 수 있다.

  • 이 상황을 막는 보편적인 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것이다.

  • 넷플릭스의 데이터 다중화 방법

• 테스트와 배포

  • 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해 보는 것이 중요하다.

  • 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다.

시스템을 더 큰 규모로 확장하기 위해 시스템의 컴포넌트를 분리하여, 각기 독립적으로 확장될 수 있도록 해야 한다.

• 메시지 큐(message queue)는 많은 분산 시스템이 이 문제를 해결하기 위해 사용하고 있는 핵심적인 전략 가운데 하나다.

메시지 큐

메시지의 무손실(durability, 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전하게 보관된다는 특성)을 보장하는 비동기 통신 지원 컴포넌트

• 메시지의 버퍼 역할을 하며 비동기적으로 전송

메시지 큐의 기본 아키텍처

• 생산자 또는 방행자(producer/publisher)로 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)

• 큐에는 보통 소비자 혹은 구독자(consumer/subscriber)라 불리는 서비스 혹은 서버가 연결되어 있는데, 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.

메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.

• 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발생할 수 있고,

• 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

• 생산자와 소비자 서비스의 규모는 각기 독립적으로 확장 가능하다.

로그, 메트릭, 그리고 자동화

웹 사이트와 함께 사업 규모가 커지고 나면, 로그, 메트릭, 자동화 도구에 필수적으로 투자해야 한다.

• 로그

  • 에러 로그를 모니터링하는 것은 중요하다.

  • 에러 로그는 서버 단위로 모니터링 할 수도 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있다.

• 매트릭

  • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수 있다.

  • 메트릭 가운데 유용한 몇 가지

    • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O 등

    • 종합(aggregated) 메트릭: DB 계층 성능, 캐시 계층 성능 등

    • 핵심 비즈니스 메트릭: 일별 능동 사용자(Daily Active User), 수익, 재방문 등

• 자동화

  • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다.

  • 지속적 통합(continuous integration)을 도와주는 도구를 활용할 수 있다.

  • 이 외에도 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어서 갭라 생산성을 크게 향상시킬 수 있다.

데이터베이스의 규모 확장

저장할 데이터가 많아지면 DB에 대한 부하도 증가한다.

• DB 규모 확장에는 두 가지 접근법이 있다.

• 수직적 규모 확장법, 수평적 규모 확장법

수직적 규모 확장(scale-up)

• 기존 서버에 더 많은, 또는 고성능의 자원(CPU, RAM, 디스크 등)을 증설하는 방법

• 이 접근법은 심각한 약점이 존재한다.

  • DB 서버 하드웨어 한계로 CPU, RAM 등을 무한 증설할 수는 없다.(사용자가 계속 늘어나면 한 대의 서버로는 결국 감당하기 어렵다.)

  • SPOF(Single Point of Failure)로 인한 위험성이 크다.

  • 고성능 서버로 갈수록 비용이 많이 든다.

수평적 규모 확장(scale-out)

• 샤딩(sharding)이라고도 부르고, 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있다.

• 샤딩은 대규모 DB를 샤드라고 부르는 작은 단위로 분할하는 기술을 말한다.

• 모든 샤드는 같은 스키마를 쓰지만 보관되는 데이터 사이에 중복은 없다.

• 사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 정한다. (ex. user_id % 4)

샤딩 전략 구현 시 고려해야 할 가장 중요한 것은 샤딩 키(sharding key)를 어떻게 정하느냐 이다.

• 샤딩 키는 파티션 키(partition key)로도 불리는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성된다.(ex. user_id)

• 샤딩 키를 정할 때는 데이터를 고르게 분할할 수 있도록 하는 것이 가장 중요하다.

• 샤딩은 DB 규모 확장을 실현하는 훌륭한 기술이지만 완벽하진 않다. 시스템이 복잡해지고 풀어야 할 새로운 문제도 생긴다.

샤딩 도입으로 풀어야 할 문제

• 데이터의 재 샤딩(resharding)

  • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 경우 필요

  • 샤드 간 데이터 분포가 균등하지 못하여 특정 샤드에 할당된 공간 소모(샤드 소진, shard exhaustion)가 다른 샤드에 비해 빨리 진행될 경우 -> 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치해야 한다. 안정 해시(consistent hashing) 기법으로 해결 가능하다.

• 유명인사(celebrity) 문제

  • 핫스팟 키(hotspot key) 문제로도 불리고, 특정 샤드에 질의가 집중되어 서버에 과부화가 걸리는 문제다.

  • 유명인사(케이티 페리, 저스틴 비버, 레이디 가가 등)가 전부 같은 샤드에 저장되는 현상을 말한다.

• 조인과 비정규화(join and de-normalization)

  • 하나의 DB를 여러 샤드 서버로 쪼개면, 여러 샤드에 걸친 데이터를 조인하기 힘들어 진다.

  • DB 비정규화로 하나의 테이블에서 질의가 수행될 수 있도록 해결할 수 있다.

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정이다.

• 수백만 사용자 이상을 지원하려면 새로운 전략을 도입해야 하고 지속적으로 시스템을 가다듬어야 한다.

• 시스템을 최적화하고 더 작은 단위의 서비스로 분할해야 할 수도 있다.

최종 아키텍처

시스템 규모 확장을 위해 살펴본 기법을을 정리해 보자.

웹 계층은 무상태 계층으로

모든 계층에 다중화 도입

가능한 한 많은 데이터 캐시하기

여러 데이터 센터를 지원하기

정적 콘텐츠는 CDN을 통해 서비스하기

데이터 계층은 샤딩을 통해 규모 확장하기

각 계층은 독립적 서비스로 분리하기

시스템을 지속적으로 모니터링하고, 자동화 도구 활용하기