04.처리율 제한 장치 설계

대규모 시스템 설계 기초 4장을 요약한 내용입니다.

네트워크 시스템에서 처리율 제한 장치(rate limiter)는 클라이언트 또는 서비스가 보내는 트래픽의 처리율(rate)을 제어하기 위한 장치다.

HTTP를 예로 들면 특정 기간 내에 전송되는 클라이언트의 요청 횟수를 제한
API 요청 횟수가 제한 장치에 정의된 임계치(threshold)를 넘어서면 추가로 도달한 모든 호출은 처리가 중단(block)
처리율 제한 장치 적용 사례
- 사용자는 초당 2회 이상 새 글을 올릴 수 없다.
- 같은 IP 주소로 하루에 10개 이상의 계정을 생성할 수 없다.
- 같은 디바이스로는 주당 5회 이상 리워드를 요청할 수 없다.

API에 처리율 제한 장치를 두면 좋은 점

DoS(Denial of Service) 공격에 의한 자원 고갈(resource starvation) 방지
비용 절감 (적은 서버로 유지할 수 있고, 우선순위가 높은 API에 더 많은 자원 할당)
- third-party API 사용료를 지불하고 있는 경우 중요
서버 과부화 방지
- 봇 또는 사용자의 잘못된 이용 패턴으로 유발된 트래픽을 필터링

1단계: 문제 이해 및 설계 범위 확정

처리율 제한 장치 구현을 위해 여러 알고리즘을 사용할 수 있는데, 각각 고유한 장단점을 가지고 있다.

요구사항

설정된 처리율을 초과하는 요청은 정확하게 제한
낮은 응답시간: HTTP 응답시간에 나쁜 영향을 주어서는 곤란
가능한 한 적은 메모리 사용
분산형 처리율 제한(distributed rate limiting): 하나의 처리율 제한 장치를 여러 서버나 프로세스에서 공유 가능
예외 처리: 요청 제한 시 사용자에게 분명하게 보여주어야 한다.
높은 결함 감내성(fault tolerance): 제한 장치의 장애가 전체 시스템에 영향을 주어서 안 된다.

2단계: 개략적 설계안 제시 및 동의 구하기

기본적으로 클라이언트-서버 통신 모델 사용

처리율 제한 장치의 위치

직관적으로 클라이언트 측에 둘 수도, 서버 측에 둘 수도 있다.

클라이언트 측에 위치: 일반적으로 클라이언트는 처리율 제한을 안정적으로 걸 수 있는 장소가 아니다.
- 클라이언트 요청은 쉽게 위변조가 가능하여 모든 클라이언트 구현을 통제하는 것이 어려울 수 있다.
서버 측에 위치: 처리율 제한 장치를 API 서버에 두는 방법과 처리율 제한 미들웨어(middleware)를 만들어 해당 미들웨어로 API 서버로 가는 요청을 통제하도록 할 수도 있다.
- 처리율 제한 시 HTTP 상태 코드 429(Too many requests) 반환
- API 게이트웨이(처리율 제한을 지원하는 미들웨어)

처리율 제한 장치를 서버에 두어야 할지 게이트웨이에 두어야 할지는 정답이 없다.

회사의 기술 스택, 엔지니어링 인력, 우선순위, 목표에 따라 달라질 수 있다.
일반적으로 적용될 수 있는 몇 가지 지침
- ✅ 현재 사용하고 있는 기술 스택(언어, 캐시 서비스 등) 점검
  - 사용하는 언어가 서버 측 구현을 지원하기 충분할 정도로 효율이 높은지 확인
- ✅ 사업 필요에 맞는 처리율 제한 알고리즘 탐색
  - 서버 측에서 구현한다면 알고리즘을 자유롭게 선택할 수 있지만 제3 사업자 제공 게이트웨이를 사용한다면 선택지는 제한도리 수 있음
- ✅ 설계가 마이크로서비스에 기반하고, 사용자 인증이나 IP 허용목록 관리 등을 처리하기 위해 API 게이트웨이를 설계에 포함시켰다면 처리율 제한 기능 또한 게이트웨이에 포함시켜야 할 수 있다.
- ✅ 처리율 제한 장치 구현에 충분한 시간, 인력이 없다면 상용 API 게이트웨이 사용이 바람직한 방법

처리율 제한 알고리즘

처리율 제한을 실현하는 알고리즘은 여러 가지가 있다. 그중 널리 알려진 인기 알고리즘의 장단점을 간단하게 알아보자.

토큰 버킷(token bucket)
누출 버킷(leaky bucket)
고정 윈도 카운터(fixed window counter)
이동 윈도 로그(sliding window log)
이동 위도 카운터(sliding window counter)

토큰 버킷 알고리즘

처리율 제한에 폭넓게 이용되는 알고리즘

간단하고, 알고리즘에 대한 세간의 이해도도 높은 편
인터넷 기업(아마존, 스트라이프)들이 보편적으로 사용

동작 원리.

지정된 용량을 갖는 컨테이너로 버킷에는 사전 설정된 양의 토큰이 주기적으로 채워지고, 토큰이 꽉 찬 버킷에는 더 이상의 토큰은 추가되지 않는다.
각 요청은 처리될 떄마다 하나의 토큰을 사용
- 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사. 충분할 경우 버킷에서 토큰 하나를 꺼낸 후 요청을 시스템에 전달. 토큰이 없을 경우 해당 요청은 버려짐.

토큰 버킷 알고리즘은 2개 인자를 받는다.

버킷 크기: 버킷에 담을 수 있는 토큰의 최대 개수 (ex. 4)
토큰 공급률: 초당 몇 개의 토큰이 버킷에 공급되는가 (ex. 4)

버킷을 몇 개나 사용해야 하는지는 공급 제한 규칙에 따라 달라진다.

통상 API 엔드포인트마다 별도의 버킷을 둔다.
IP 주소별로 처리율 제한을 적용해야 한다면 IP 주소마다 버킷을 하나씩 할당
시스템 처리율을 초당 10,000개요청으로 제한하고 싶다면, 모든 요청이 하나의 버킷을 공유

장점.

쉬운 구현
메모리 사용 측면에서 효율적
짧은 시간에 집중되는 트래픽 처리 가능(버킷에 남은 토큰이 있기만 하면 요청은 시스템으로 전달)

단점.

버킷 크기와 토큰 공급률이라는 두 개의 인자를 적절하게 튜닝해야 하는 까다로움

누출 버킷 알고리즘

토큰 버킷 알고리즘과 비슷하지만 요청 처리율이 고정되어 있는 점이 다르다.

보통 FIFO 큐로 구현
전자상거래 기업인 Shopify 사용

동작 원리.

요청이 도착하면 큐가 가득 차 있는지 확인. 빈 자리가 있다면 큐에 요청을 추가
큐가 가득 차 있을 경우 새 요청은 버림
지정된 시간마다 큐에서 요청을 꺼내어 처리

누출 버킷 알고리즘은 두 인자를 사용

버킷 크기: 큐 사이즈와 같은 값 (큐에는 처리될 항목들이 보관)
처리율: 지정된 시간당 몇 개의 항목을 처리할지 지정하는 값 (보통 초 단위로 표현)

장점.

큐의 크기가 제한되어 메모리 사용량 측면에서 효율적
고정된 처리율을 가지므로 안정적 출력(stable outflow rate)이 필요한 경우 적합

단점.

단시간에 많은 트래픽이 몰릴 경우 큐에 오래된 요청들이 쌓이고, 그 요청들을 제때 처리 못하면 최신 요청들은 버려짐
두 개 인자를 올바르게 튜닝하기 까다로울 수 있음

고정 윈도 카운터 알고리즘

동작 원리.

타임라인을 고정된 간격의 윈도로 나누고, 각 윈도마다 카운터를 붙인다.
요청이 접수될 때마다 이 카운터의 값은 1씩 증가.
이 카운터의 값이 사전에 설정된 임계치에 도달하면 새로운 요청은 새 윈도가 열릴 때까지 버려진다.

타임라인 시간 단위: 1초
시스템은 초당 3개까지의 요청만 허용
매초마다 열리는 윈도에 3개 이상의 요청이 밀려오면 초과분은 버려진다.

장점.

좋은 메모리 효율
이해하기 쉬움
윈도가 닫히는 시점에 카운터를 초기화하는 방식은 특정한 트래픽 패턴을 처리하기에 적합

단점.

윈도 경계 부근에서 일시적으로 많은 트래픽이 몰려들 경우, 기대했던 시스템 처리 한도보다 많은 양의 요청을 처리

이동 윈도 로그 알고리즘

고정 윈도 카운터 알고리즘의 단점을 해결하는 알고리즘

동작 원리.

요청의 타임스탬프를 추적. 타임스탬프 데이터는 보통 레디스의 정렬 집합 같은 캐시에 보관.
새 요청이 오면 만료된 타임스탬프는 제거. (만료된 타임스탬프는 그 값이 현재 윈도의 시작 시점보다 오래된 타임스탬프를 말한다)
새 요청의 타임스탬프를 로그에 추가
로그의 크기가 허용치보다 같거나 작으면 요청을 시스템에 전달. 그렇지 않은 경우 처리를 거부

분당 2개 요청이 한도인 시스템

장점.

이동 윈도 로그 알고리즘이 구현하는 처리율 제한 매커니즘은 아주 정교하다.
어느 순간의 윈도를 보더라도 허용되는 요청 개수는 시스템의 처리율 한도를 넘지 않는다.

단점.

거부된 요청의 타임스템프도 보관하므로 다량의 메모리를 사용한다.

이동 위도 카운터 알고리즘

고정 윈도 카운터 알고리즘과 이동 윈도 로깅 알고리즘을 결한한 알고리즘

동작 원리.

처리율 제한 장치의 한도가 분당 7개 요청으로 설정되어 있을 경우. 이전 1분 동안 5개 요청, 그리고 현재 1분의 30% 시점에 3개의 요청이 왔다고 가정

현재 1분간의 요청 수 + 직전 1분간의 요청 수 X 이동 윈도와 직전 1분이 겹치는 비율
3 + 5 X 70% = 6.5 개 (반올림 또는 내림하여 사용)
처리율 제한 한도는 분당 7개 이므로 신규 요청은 시스템으로 전달되고, 그 직후에는 한도에 도달하였으므로 더 이상의 요청은 받을 수 없다.
또 한 가지 구현법. System Design — Rate limiter and Data modelling

장점.

이전 시간대의 평균 처리율에 따라 현재 윈도의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 대응
메모리 효율이 좋음

단점.

직전 시간대에 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하므로 다소 느슨
이 문제는 생각만큼 심각하지 않지만 클라우드플레어가 실시했던 실험에 따르면 40억 개의 요청 가운데 시스템 실제 상태와 맞지 않게 허용되거나 버려진 요청은 0.003%에 불과
How we built rate limiting capable of scaling to millions of domains

개략적인 아키텍처

처리율 제한 알고리즘의 기본 아이디어는 단순하다.

얼마나 많은 요청이 접수되었는지를 추적할 수 있는 카운터를 추적 대상별(사용자별로? IP주소별로? API 엔드포인트나 서비스 단위로?)로 두고, 이 카운터의 값이 어떤 한도를 넘어서면 한도를 넘어 도착한 요청은 거부하는 것

카운터는 어디에 보관할 것인가?

DB는 디스트 접근 때문에 늘리므로, 메모리상에서 동작하는 캐시가 바람직하다.
- 빠르고 시간에 기반한 만료 정책을 지원하기 떄문이다.
레디스는 처리율 제한 장치를 구현할 때 자주 사용되는 메모리 기반 저장장치다.
- INCR, EXPIRE 두 명령어를 지원한다.
- INCR: 메모리에 저장된 카운터 값을 1만큼 증가
- EXPIRE: 카운터에 타임아웃 값을 설정(설정된 시간이 지나면 카운터는 자동 삭제)

처리율 제한 장치의 개략적 구조

클라이언트가 처리율 제한 미들웨어에게 요청
처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와 한도에 도달했는지 검사
- 한도에 도달한 요청은 거부
- 한도에 도달하지 않은 요청은 API 서버로 전달. 미들웨어는 카운터를 증가시킨 후 다시 레디스에 저장

3단계: 상세 설계

처리율 제한 규칙

리프트(Lyft)는 처리율 제한에 오픈 소스를 사용

규칙들은 모통 설정 파일 형태로 디스크에 저장

-- 시스템이 처리할 수 있는 마케팅 메시지의 최대치를 하루 5개로 제한한 예시
domain: messaging
descriptors:
  - key: message_type
    value: marketing
    rate_limit:
        unit: day
        requests_per_unit: 5

-- 클라이언트가 분당 5회 이상 로그인 할 수 없도록 제한
domain: auth
descriptors:
  - key: auth_key
    value: login
    rate_limit:
        unit: minute
        requests_per_unit: 5

처리율 한도 초과 트래픽 처리

어떤 요청이 한도 제한에 걸리면 API는 HTTP 429 응답(too many request)을 클라이언트에게 보낸다.

경우에 따라 한도 제한에 걸린 메시지를 나중에 처리하기 위해 큐에 보관할 수도 있다.

처리율 제한 장치가 사용하는 HTTP 헤더

HTTP 응답 헤더를 통해 클라이언트는 자기 요청이 처리율 제한에 걸리고 있는지, 처리율 제한에 걸리기까지 얼마나 많은 요청을 보낼 수 있는지 알 수 있다.

X-Ratelimit-Remaining: 윈도 내 남은 처리 가능 요청 수
X-Ratelimit-Limit: 매 윈도마다 클라이언트가 전송할 수 있는 요청의 수
X-Ratelimit-Retry-After: 한도 제한에 걸리지 않기 위해 몇 초 뒤에 요청을 다시 보내야 하는지 알림

사용자가 너무 많은 요청을 보내면 429 too many requests 오류를 X-Ratelimit-Retry-After 헤더와 함께 반환하도록 한다.

상세 설계

처리율 제한 규칙은 디스크에 보관하고, 작업 프로세스는 수시로 규칙을 디스크에서 읽어 캐시에 저장한다.

클라이언트가 요청을 서버에 보내면 요청은 먼저 처리율 제한 미들웨어에 도달
처리율 제한 미들웨어는 제한 규칙을 캐시에서 가져온다.
- 카운터 및 마지막 요청의 타임스탬프를 레디스 캐시에서 가져온다.
- 가져온 값들에 근거하여 해당 미들웨어는 아래 결정을 내린다.
  - 해당 요청이 처리율 제한에 걸리지 않은 경우 API 서버로 보낸다.
  - 해당 요청이 처리율 제한에 걸렸다면 429 too many requests 에러를 클라이언트에 보낸다. 해당 요청은 버릴 수도, 메시키 쥬에 보관할 수도 있다.

분산 환경에서의 처리율 제한 장치의 구현

여러 대의 서버와 병렬 스레드를 지원하도록 시스템을 확장하는 것은 또 다른 문제.

다음 두 가지 어려운 문제를 풀어야 한다.

경쟁 조건(race condition)
동기화(synchronization)

경쟁 조건

병행성이 심한 환경에서는 경쟁 조건 이슈가 발생할 수 있다.

레디스에서 카운터 값 읽기
카운터 값에 1을 더한 값이 임계치를 넘는지 확인
넘지 않았다면 레디스에 보관된 카운터 값을 1 증가

경쟁 조건 문제를 해결하는 가장 널리 알려진 해결책은 Lock 이다.

락은 시스템 성능을 상당히 떨어뜨리는 문제가 있다.
락 대신 쓸 수 있는 해결책은 루아 스크립트(Lua script), 정렬 집합(sorted set)이라 불리는 레디스 자료구조를 사용하는 것이다.
- Better Rate Limiting With Redis Sorted Sets
- Scaling your API with rate limiters

동기화 이슈

동기화는 분산 환경에서 고려해야 할 또 다른 중요한 요소이다.

처리율 제한 장치 서버를 여러 대 두게 되면 동기화가 필요해진다.
웹 계층은 무상태이므로 동기화하지 않으면 제한 장치 1은 클라이언트 2에 대해 아무것도 모르므로 처리율 제한을 올바르게 수행할 수 없다.

이에 대한 해결책으로 고정 세션(sticky session)을 활용하는 것이다.

같은 클라이언트로부터의 요청은 항상 같은 처리율 제한 장치로 보낼 수 있도록 하는 방법
하지만, 이 방법은 규모면에서 확장 가능하지 않고 유연하지 않으므로 추천하지 않는다.

더 나은 해결책으로 레디스 같은 중앙 집중형 데이터 저장소를 쓰는 것이다.

성능 최적화

지금까지의 설계에서 두 가지 지점에서 개선이 가능하다.

(1) 여러 데이터센터를 지원하는 문제

데이터센터애서 멀리 떨어진 사용자를 지원하려다 보면 지연시간(latency)이 증가할 수밖에 없다.
대부분의 클라우드 서비스 사업자는 세계 곳곳에 에지 서버(edge server)를 심어놓고 있다.
사용자의 트래픽을 가장 가까운 에지 서버로 전달하여 지연시간을 줄일 수 있다.

(2) 제한 장치 간에 데이터를 동기화할 때 최종 일관성 모델(eventual consistency model) 사용

모니터링

처리율 제한 장치를 설치한 이후 효과적으로 동작하는지 데이터를 모을 필요가 있다.

기본적으로 모니터링을 통해 확인하려는 것은 두 가지다.

채택된 처리율 제한 알고리즘이 효과적이다.
정의한 처리율 제한 규칙이 효과적이다.

처리율 제한 규칙이 너무 빡빡하게 설정되어 있다면 많은 유효 요청이 처리되지 못하고 버려질 것이다.

이 경우 규칙을 다소 완화할 필요가 있다.

이벤트로 트래픽이 급증할 때 처리율 제한 장치가 비효율적으로 동작한다면, 이러한 트래픽 패턴을 잘 처맇라 수 있도록 알고리즘을 바꾸는 것을 생각해 보아야 한다.

이 경우 토큰 버킷이 적합할 것이다.

4단계: 마무리

아래 주제들도 언급해 보자.

경성(hard) 또는 연성(soft) 처리율 제한
- 경성 처리율 제한: 요청 개수는 임계치를 절대 넘어설 수 없다.
- 연성 처리율 제한: 요청 개수는 잠시 동안은 임계치를 넘어설 수 있다.
다양한 계층에서의 처리율 제한
- 애플리케이션 계층 말고도 다른 계층(IP 등 다른 OSI 계층)에서 처리율 제한이 가능하다.
처리율 제한을 회피하는 방법
- 클라이언트 측 캐시를 사용하여 API 호출 횟수 줄이기
- 처리율 제한의 임계치를 이해하고, 짧은 시간 동안 너무 많은 메시지를 보내지 않도록 하기
- 예외나 에러를 처리하는 코드를 도입하여 클라이언트가 예외적 상황으로 우아하게(gracefully) 복구될 수 있도록 하기
- 재시도 로직을 구현할 때는 충분한 백오프(back-off) 시간 두기

Last updated 4 months ago