[스터디9] 01. 사용자 수에 따른 규모 확장성

목차

1장. 사용자 수에 따른 규모 확장성

단일 서버

웹/앱 데이터베이스 캐시 등이 전부 서버 한 대 내에서 실행된다.

사용자 요청 처리 흐름

1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹사이트에 접속한다. 이 접속을 위해서는 도메인 이름을 도메인 이름 서비스(Domain Name Service, DNS)에 질의하여 IP 주소로 변환하는 과정이 필요하다. DNS는 제3 사업자(third party)가 제공하는 유료 서비스를 이용하게 되므로, 우리 시스템의 일부는 아니다.
2. DNS 조회 결과로 IP 주소가 반환된다. 예제에서는 그 주소(웹 서버의 주소)가 15.125.23.214로 한다.
3. 해당 IP 주소로 HTTP(HyperText Transfer Protocol) 요청이 전달된다.
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

실제 요청 흐름

• 이 요청들은 두 가지 종류의 단말로부터 오는데, 하나는 웹 앱이고 다른 하나는 모바일 앱이다.
• 웹 애플리케이션: 비즈니스 로직, 데이터 저장 등을 처리하기 위해서는 서버 구현 언어(자바, 파이썬 등)를 사용하고, 프레젠테이션용으로는 클라이언트 구현 언어(HTML, 자바스크립트 등)를 사용한다.
• 모바일 앱: 모바일 앱과 웹 서버 간 통신을 위해서는 HTTP 프로토콜을 이용한다. HTTP 프로토콜을 통해서 반환될 응답 데이터의 포맷으로는 보통 JSON(JavaScript Object Notation)이 간편하여 널리 쓰인다.

데이터베이스

사용자가 늘면 서버 하나만으로는 충분하지 않아서 여러 서버를 두어야 한다.

• 하나는 웹/모바일 트래픽 처리 용도, 다른 하나는 데이터베이스용이다.
• 웹/모바일 트래픽 처리 서버(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하면 각각을 독립적으로 확장할 수 있다.

어떤 데이터베이스를 사용할 것인가?

전통적인 관계형 데이터베이스(relational database)와 비관계형 데이터베이스 사이에 고를 수 있다.

• 관계형 데이터베이스:
  • 관계형 데이터베이스 관리 시스템(Relational Database Management System, RDBMS)이라고도 부른다.
  • RDBMS 가운데 가장 유명한 것으로는 MySQL, 오라클 데이터베이스, PostgreSQL 등이 있다.
  • 관계형 데이터베이스는 자료를 테이블과 열, 칼럼으로 표현하며 SQL을 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 조인(join)하여 합할 수 있다.
• 비관계형 데이터베이스: NoSQL이라고도 부른다.
  • 대표적인 것으로는 CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등이 있다.
  • NoSQL은 다시 네 분류로 나눌 수 있는데, 키값 저장소(key-value store), 그래프 저장소(graph store), 칼럼 저장소(column store), 문서 저장소(document store)이다.
  • 비관계형 데이터베이스는 일반적인 조인 연산을 지원하지 않는다.
  • 아래와 같은 경우에는 비관계형 데이터베이스를 선택하는 것이 좋다.
    • 아주 낮은 응답 지연 시간(latency)이 요구됨.
    • 다른 데이터가 비정형(unstructured)이라 관계형 데이터가 아님.
    • 데이터(JSON, YAML, XML 등)를 직렬화(serialize) 또는 역직렬화(deserialize)할 수 있기만 하면 됨.
    • 아주 많은 양의 데이터를 저장할 필요가 있음.

수직적 규모 확장 vs 수평적 규모 확장

• 스케일 업(scale up)이라고도 하는 수직적 규모 확장(vertical scaling) 프로세스는 서버에 고사양 자원(더 좋은 CPU, 더 많은 RAM 등)을 추가하는 행위를 말한다.
• 수평적 규모 확장(scale out)이라고도 하는 수평적 규모 확장 프로세스는 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.
• 수직적 확장의 장단점
  • 장점: 서버로 유입되는 트래픽의 양이 적을 때 좋다. 단순하다.
  • 단점: 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법이 없다. 장애에 대한 자동 복구(failover) 방식이나 다중화(redundancy) 방식을 제시하지 않는다. 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다.
  • 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장이 더 적절하다.
• 로드밸런서: 부하 분산 집합(load balancing set)에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할을 한다. 사용자는 로드밸런서의 공개 IP 주소(public IP address)로 접속한다. 따라서 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다. 서버 간 통신에는 사설 IP 주소(private IP address)가 이용된다.
• 데이터베이스 다중화: 쓰기 연산은 마스터에서만 지원되고, 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산만 지원한다. 데이터베이스를 변경하는 명령어들은 주 데이터베이스로만 전달되어야 한다.
  • 더 나은 성능
  • 안정성(reliability)
  • 가용성(availability)

캐시

응답 시간은 캐시(cache)를 붙이고 콘텐츠 전송 네트워크(Content Delivery Network, CDN)를 도입하여 개선할 수 있다.

• 캐시: 값비싼 연산 결과 또는 자주 접근하는 데이터를 메모리에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소
• 웹 페이지를 새로고침 할 때마다 표시할 데이터를 가져오기 위해 한 번 이상의 데이터베이스 호출이 발생한다. 애플리케이션의 성능이 데이터베이스를 얼마나 자주 호출하느냐에 따라 좌우되는 문제를 완화할 수 있다.
• 캐시 계층(cache tier): 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다. 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시킬 수 있다.
• 캐시를 사용 시 고려할 점
  • 캐시는 어떤 상황에 바람직한가?
  • 어떤 데이터를 캐시에 두어야 하는가?
  • 캐시에 보관된 데이터는 어떻게 만료(expire)되는가?
  • 일관성(consistency)은 어떻게 유지되는가?
  • 장애에는 어떻게 대처할 것인가?
  • 캐시 메모리는 얼마나 크게 잡을 것인가?
  • 데이터 방출(eviction) 정책은 무엇인가?

콘텐츠 전송 네트워크(CDN)

• CDN: 정적 콘텐츠를 전송하는 데 쓰이는 지리적으로 분산된 서버의 네트워크. 이미지, 비디오, CSS, JavaScript 파일 등을 캐시할 수 있다.
• 어떤 사용자가 웹사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다. 사용자가 CDN 서버로부터 멀면 멀수록 웹사이트는 천천히 로드될 것이다.
• CDN 사용 시 고려할 점
  • 비용
  • 적절한 만료 시간 설정
  • CDN 장애에 대한 대처 방안
  • 콘텐츠 무효화(invalidation) 방법
    • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
    • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(object versioning) 이용

무상태(stateless) 웹 계층

이제 웹 계층을 수평적으로 확장하기 위해서는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거하여야 한다. 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다. 이렇게 구성된 웹 계층을 무상태 웹 계층이라 부른다.

• 상태 정보 의존적인 아키텍처: 상태 정보를 보관하는 서버는 클라이언트의 이전 정보나 상태를 유지하여 요청들 사이에 공유되도록 한다. 무상태 서버는 이런 장치가 없다. 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 문제가 있다.
• 무상태 아키텍처: 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있다. 웹 서버는 상태 정보가 필요할 경우 공유 저장소(shared storage)로부터 데이터를 가져온다. 따라서 상태 정보는 웹 서버로부터 물리적으로 분리되어 있어 구조가 단순하고, 안정적이며, 규모 확장이 쉽다.

데이터 센터

장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데, 이 전략을 지리적 라우팅(geoDNS-routing 또는 geo-routing)이라고 부른다. 지리적 라우팅에서의 geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해 주는 DNS 서비스다.

• 다중 데이터 센터 아키텍처 설계 시 고려할 점
  • 트래픽 우회
  • 데이터 동기화(synchronization)
  • 테스트와 배포(deployment)

시스템을 더 큰 규모로 확장하기 위해서는 시스템의 컴포넌트를 분리하여 독립적으로 확장될 수 있도록 한다. 메시지 큐(message queue)는 많은 실제 분산 시스템이 이 문제를 풀기 위해 사용하고 있는 핵심적 전략이다.

메시지 큐

• 메시지 큐: 메시지의 무손실(durability)을 보장하는 비동기 통신(asynchronous communication)을 지원하는 컴포넌트.
• 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.
• 메시지 큐의 기본 아키텍처는 간단하다. 생산자 또는 발행자(producer/publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)한다. 큐에는 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 확장이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다. 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서버가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

로그, 메트릭 그리고 자동화

몇 개 서버에서 실행되는 소규모 웹 사이트를 만들 때는 로그나 메트릭(metric), 자동화(automation) 같은 것이 필요하지 않다. 하지만 사업 규모가 커지면, 이런 도구의 필요성은 급증한다.

• 로그: 여러 로그를 모니터링 하는 것은 중요하다. 시스템의 오류나 문제를 보다 쉽게 찾아낼 수 있도록 돕기 때문이다.
• 메트릭: 메트릭을 잘 수집하면 사업 현황에 대한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있다.
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O에 관한 메트릭
  • 통합(aggregated) 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능
  • 핵심 비즈니스 메트릭: 일별 능동 사용자(daily active user), 수익(rev-enue), 재방문(retention)
• 자동화: 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다. 가령 지속적 통합(continuous integration)을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제 발생을 감지할 수 있다. 이 외에도 빌드, 테스트, 배포 등의 절차를 자동화할 수 있다.

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가하는데, 데이터베이스를 증설할 방안을 찾아야 한다.

• 데이터베이스의 규모를 확장하는 방법
  • 수직적 확장: 스케일 업이라고도 부르는 수직적 규모 확장법은 기존 서버에 더 많은, 또는 고사양의 자원(CPU, RAM, 디스크 등)을 증설하는 방법이다. 고성능 데이터베이스 서버는 많은 양의 데이터를 보관하고 처리할 수 있다.
    • 단점:
      • 데이터베이스 서버 하드웨어에는 한계가 있으므로 CPU, RAM 등을 무한 증설할 수는 없다.
      • SPOF(Single Point of Failure)로 인한 위험성이 크다.
      • 비용이 많이 든다.
  • 수평적 확장: 데이터베이스의 수평적 확장은 샤딩(sharding)이라고도 부르는데, 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있다. 샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술을 일컫는다. 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.
    • 단점:
      • 데이터의 재 샤딩(resharding)
      • 유명 인사(celebrity) 문제
      • 조인과 비정규화(join and de-normalization)

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적(iterative)인 과정이다. 시스템 규모 확장을 위해 살펴본 기법들을 정리하면 다음과 같다.

• 웹 계층은 무상태 계층으로
• 모든 계층에 다중화 도입
• 가능한 한 많은 데이터를 캐시할 것
• 여러 데이터 센터를 지원할 것
• 정적 콘텐츠는 CDN을 통해 서비스할 것
• 데이터 계층은 샤딩을 통해 그 규모를 확장할 것
• 각 계층은 독립적 서비스로 분할할 것
• 시스템을 지속적으로 모니터링하고, 자동화 도구들을 활용할 것

 

✔️ 복습하기

1. 단일 서버로 운영 중인 서비스에서 갑자기 사용자가 급증하여 성능 이슈가 발생했을 때, 이를 어떻게 해결할 것인가?
2. 서버 성능을 높이는 두 가지 방법(수직적 확장, 수평적 확장)은?
3. 관계형 데이터베이스(RDBMS)와 비관계형 데이터베이스(NoSQL)의 차이점은?
4. 샤딩(Sharding)이란?
5. 로드밸런서(Load Balancer)이란?
6. 공용 IP 주소와 사설 IP 주소의 차이점은?
7. 캐시(Cache)란?
8. 콘텐츠 전송 네트워크(CDN)이란?
9. 무상태(Stateless) 웹 계층이란?
10. 메시지 큐(Message Queue)란?

 

이 글은 『 가상 면접 사례로 배우는 대규모 시스템 설계 기초』 책을 학습한 내용을 정리한 것입니다.