001 System Expansion

개발 책 읽기 : 가상 면접 사례로 배우는 대규모 시스템 설계 기초 1 #

1장. 사용자 수에 따른 규모 확장성 #

개요 #

1명의 사용자를 지원하는 시스템 -> 몇백만 사용자를 지원하는 시스템으로 설계 확장

단일 서버 #

웹, 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행된다.

  1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹사이트에 접속한다. 위 접속을 위해서는 도메인 이름을 도메인 이름 서비스(Domain Name Service, DNS)에 질의하여 IP 주소로 변환하는 과정이 필요하다.
  2. DNS 조회 결과로 IP 주소가 반환된다.
  3. 해당 IP 주소로 HTTP(HyperText Transfer Protocol) 요청이 전달된다.
  4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

데이터베이스 #

사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다.

  • 서버1 : 웹/모바일 트래픽 처리 용도
  • 서버2 : 데이터베이스용

웹/모바일 트래픽 처리 서버(웹 계층)과 데이터베이스 서버(데이터 계층)를 분리하면 그 각각을 독립적으로 확장해 나갈 수 있게 된다.

어떤 데이터베이스를 사용할 것인가? #

  • 관계형 데이터베이스 : 관계형 데이터베이스 관리 시스템(Relational Database Management System, RDBMS)이라고도 부른다. MysSQL, 오라클 데이터베이스, PostgresSQL 등이 있다.
  • 비 관계형 데이터베이스 : NoSQL 이라고도 부른다. CouchDB, Neo4j, Cassandra, HBase, Amazone DynamoDB 등이 있다.
    • NoSQL은 4분류로 나눌 수 있다.
      • 키-값 저장소(key-value store)
      • 그래프 저장소(graph store)
      • 컬럼 저장소(column store)
      • 문서 저장소(document store)
    • 일반적으로 조인 연산은 지원하지 않는다.
    • 아래와 같은 경우에 비 관계형 데이터베이스가 바람직한 선택일 수 있다.
      • 아주 낮은 응답 지연시간(latency)이 요구됨
      • 다루는 데이터가 비정형(unstructured)이라 관계형 데이터가 아님
      • 데이터(JSON, YAML, XML 등)를 직렬화하거나(serialize) 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) : 수직적 규모 확장(vertical scaling) 프로세스, 서버에 고사양 자원을 추가하는 행위
    • 수직적 규모 확장에는 한계가 있다. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다.
    • 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다. 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다.
  • 스케일 아웃(scale out) : 수평적 규모 확장 프로세스, 더 많은 서버를 추가하여 성능을 개선하는 행위

로드밸런서 #

  • 로드밸런서는 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.
  • 보안을 위해 서버 간 통신에는 사설 IP 주소(private IP address)가 이용된다.
    • 사설 IP 주소는 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있는 IP 주소로, 인터넷을 통해서는 접속할 수 없다.

페일오버, 가용성(availability) 향상의 구체적 사례 #

  • 서버 1이 다운되면(offline) 모든 트래픽은 서버 2로 전송된다.
    • 웹 사이트 전체가 다운되는 일이 방지된다.
    • 부하를 나누기 위해 새로운 서버를 추가할 수도 있다.
  • 웹사이트로 유입되는 트래픽이 가파르게 증가하면 두 대의 서버로 트래픽을 감당할 수 없는 시점이 오는데, 로드밸런서가 있으므로 우아하게 대처할 수 있다.
    • 웹 서버 계층에 더 많은 서버를 추가하기만 하면 된다.
    • 로드밸런서가 자동적으로 트래픽을 분산하기 시작할 것이다.

데이터베이스 다중화 #

많은 데이터베이스 관리 시스템이 다중화를 지원한다. 보통은 서버 사이에 주(master)-부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.

  • 주 데이터베이스 : 쓰기 연산 지원
  • 부 데이터베이스 : 위 주 데이터베이스로부터 쓰기 연산의 사본을 전달 받으며, 읽기 연산만을 지원한다.

데이터베이스의 다중화의 경우 많은 이득이 있다.

  • 더 나은 성능 : 모든 데이터 변경 연산은 주 데이터베이스 서버로만 전달된다. 읽기 연산은 부 데이터베이스 서버들로 분산된다. 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로, 성능이 좋아진다.
  • 안정성(reliability) : 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존될 것이다. 데이터를 지역적으로 떨어진 여러 장소에 다중화시켜 놓을 수 있기 때문이다.
  • 가용성(availability) : 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있게 된다.

데이터베이스 서버 중에 1대가 다운된다면?

  • 부 서버가 1대 뿐인데 다운된 경우라면, 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달된다.
    • 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다.
    • 부 서버가 여러 대인 경우에 읽기 연산은 나머지 부 데이터베이스 서버들로 분산될 것이며, 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다.
  • 주 데이터베이스 서버가 다운된 경우라면, 1대의 부 데이터베이스만 있는 경우 해당 부 데이터베이스 서버가 새로운 주 서버가 된다.
    • 모든 데이터베이스 연산은 일시적으로 주 서버상에서 수행될 것이다.
    • 그리고 새로운 부 서버가 추가될 것이다.
    • 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있다.

[설계] #

  1. 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다.
  2. 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속한다.
  3. HTTP 요청은 서버 1이나 서버 2로 전달된다.
  4. 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.
  5. 웹 서버는 데이터 변경 연산은 주 데이터베이스로 전달한다. 데이터 추가, 삭제, 갱신 영산 등이 이에 해당한다.

응답시간(latency)를 개선해야한다. 응답 시간은 캐시(cache)를 붙이고 정적 콘텐츠를 콘텐츠 전송 네트워크(Content Delivery Network, CDN)으로 옮기면 개선할 수 있다.

캐시 #

캐시 : 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소다. 캐시를 사용하면 아래 문제를 완화할 수 있다.

  • 애플리케이션의 성능은 데이터베이스를 얼마나 호출하느냐인데, 웹 페이지를 새로고침 할 때마다 표시할 데이터를 가져오기 위해 한 번 이상의 데이터베이스 호출이 발생한다. 캐시를 사용해서 실제 데이터베이스 호출을 줄일 수 있다.

캐시 계층 #

캐시 계층(cache tier)은 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다. 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.

[주도형 캐시 전략(read-through caching strategy)] #

  1. 만일 데이터가 캐시에 있으면 캐시에서 데이터를 읽음
  2. 데이터가 캐시에 없으면 데이터베이스에서 해당 데이터를 읽어 캐시를 씀
  3. 웹 서버에 데이터 반환

캐시 사용 시 유의할 점 #

  • 어떤 데이터를 캐시에 두어야 하는가?
    • 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다.
  • 캐시에 보관된 데이터는 어떻게 만료되는가?
    • 만료된 데이터는 캐시에서 삭제되어야 한다. 만료 기한은 너무 짧으면 곤란한데, 데이터베이스를 너무 자주 읽게 될 것이기 때문이다. 너무 길면 원본과 차이가 날 가능성이 높아진다.
  • 일관성(consistency)은 어떻게 유지되는가?
    • 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부다.
    • 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성은 깨질 수 있다.
  • 장애에는 어떻게 대처할 것인가?
    • 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(Single Point of Failure, SPOF)이 되어버릴 가능성이 있다.
    • 단일 장애 지점 : 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우, 해당 지점을 뜻한다.
    • 결과적으로 SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산시켜야 한다.
  • 캐시 메모리는 얼마나 크게 잡을 것인가?
    • 캐시 메모리가 너무 작으면 액세스 패턴에 따라서는 데이터가 너무 자주 캐시에서 밀려나버려 캐시의 성능이 떨어지게된다.
  • 데이터 방출(eviction) 정책은 무엇인가?
    • 캐시 데이터 방출 정책 : 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 한다.
    • LRU(Least Recently Used) : 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책
    • 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

콘텐츠 전송 네트워크 (CDN) #

CDN은 정적 콘텐츠를 전송하는데 쓰이는, 지리적으로 분산된 서버의 네트워크이다.

  • 이미지, 비디오, CSS, Javascript 파일 등을 캐시할 수 있다.
  • 반대 개념인 동적 콘텐츠 캐싱 : 요청 경로, 질의 문자열(query string), 쿠키(cookie), 요청 헤더(request header) 등의 정보를 기반하여 HTML 페이지를 캐시하는 것

CDN이 어떻게 동작할까? #

어떤 사용자가 웹 사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다. 사용자가 CDN 서버로부터 멀면 멀수록 웹사이트는 천천히 로드될 것이다.

[과정] #

  1. 사용자 A가 이미지 URL을 이용해서 image.png에 접근한다. URL 도메인은 CDN 서비스 사업자가 제공한 것이다.
  2. CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본(origin) 서버에 요청하여 파일을 가져온다.
  3. 원본 서버가 파일을 CDN 서버에 반환한다. 응답의 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지를 설명하는 TTL(Time-To-Live) 값이 들어있다.
  4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환된다. 이미지는 TTL에 명시된 시간이 끝날 때까지 캐시된다.
  5. 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송한다.
  6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리된다.

CDN 사용 시 고려해야 할 사항 #

  • 비용 : CDN에 들어가고 나가는 데이터 전송 양에 따라 요금이 청구된다.
  • 적절한 만료 시한 설정 : 시의성이 중요한(time-sensitive) 콘텐츠의 경우 만료 시점을 잘 정해야한다.
  • CDN 장애에 대한 재처 방안 : CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야한다.
  • 콘텐츠 무효화(invalidation) 방법 : 아직 만료되지 않은 콘텐츠라 하더라도 아래 방법 가운데 하나를 쓰면 CDN에서 제거할 수 있다.
    • CDN 서비스 사업자가 제공하는 API를 통한 콘텐츠 무효화
    • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(object versioning) 이용 (URL 마지막에 버전 번호를 인자로 주면 된다.)
      • ex) image.png?v=2

무상태(stateless) 웹 계층 #

웹 계층을 수평적으로 확장하기 위해서는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거하여야 한다. 바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.

상태 정보 의존적인 아키텍처 #

상태 정보를 저장하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다. 각 서버별로 세션 정보가 다르게 저장되어있어 의존하게 된다면, 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다. 대부분의 로드밸런서가 이를 지원하기 위해 고정 세션이라는 기능을 제공하고 있는데, 이는 로드밸런서에 부담을 준다. 이들 서버의 장애를 처리하기도 복잡해진다.

무상태 아키텍처 #

사용자로부터 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 있다. 이런 구조는 단순하고, 안정적이며, 규모 확장이 쉽다. 공유 저장소는 관계형 데이터베이스, Memcached/Redis와 같은 캐시 시스템, NoSQL일 수도 있다.

[autoscaling) #

트래픽 양에 따라 웹 서버를 자동으로 추가하거나 삭제하는 기능

상태 정보가 웹 서버들로부터 제거되었으므로, 트래픽 양에 따라 웹 서버를 넣거나 빼기만 하면 자동으로 규모를 확장할 수 있게 되었다.

데이터 센터 #

다중 데이터센터 아키텍처를 만들려면 몇 가지 기술적 난제를 해결해야 한다.

  • 트래픽 우회
    • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야한다. GeoNDS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해준다.
  • 데이터 동기화
    • 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어(failover) 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터 센터에는 찾는 데이터가 없을 수 있다. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터 센터에 걸쳐 다중화하는 것이다.
  • 테스트와 배포(deployment)
    • 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는 것이 중요하다. 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다.

메시지 큐 #

메시지 큐는 메시지의 무손실(durability, 즉 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는, 비동기 통신을 지원하는 컴포넌트다.

  • 메시지의 버퍼 역할
  • 비동기적 전송
  • 생산자(producer)/발행자(publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)한다.
  • 큐에 연결된 소비자(consumer)/구독자(subscriber)가 메시지를 받아 그에 맞는 동작을 수행한다.

메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다. 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

로그, 메트릭 그리고 자동화 #

웹 사이트의 규모가 커지게되면 로그나 매트릭, 자동화 같은 것들을 필수적으로 투자해야한다.

  • 로그
    • 에러 로그를 모니터링하는 것은 중요하다.
  • 메트릭
    • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉬게 파악할 수도 있다.
      • 호스트 단위 메트릭 : CPU, 메모리, 디스크 I/O에 관한 메트릭
      • 종합(aggregated) 메트릭 : 데이터베이스 계층의 성능, 캐시 계층의 성능 같은 것
      • 핵심 비즈니스 메트릭 : 일별 능동 사용자(daily active user), 수익(revenue), 재방분(retention)
  • 자동화
    • 시스템이 크고 복잡해지면 생산력을 높이기 위해 자동화 도구를 활용해야한다.
    • 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어서 개발 생산성을 크게 향상시킬 수 있다.

메시지 큐, 로그, 메트릭, 자동화 등을 반영하여 수정한 설계안 #

  1. 메시지 큐는 각 컴포넌트가 보다 느슨한 결합될 수 있도록 하고, 결함에 대한 내성을 높인다.
  2. 로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치를 추가한다.

데이터베이스의 규모 확장 #

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다. 이때 데이터베이스를 증설할 방법을 찾아야한다.

수직적 확장 #

  • 스케일 업이라고도 부르는 수직적 규모 확장법
    • 기존 서버에 더 많은, 또는 고성능의 자원(CPU, RAM, 디스크 등)을 증설하는 방법이다.
  • 단점
    • 데이터베이스 서버 하드웨어에는 한계가 있으므로 무한 증설할 수는 없다.
    • SPOF(Single Point Of Failure)로 인한 위험성이 크다.
    • 비용이 많이 든다. 고성능 서버로 갈수록 가격이 올라가게 마련이다.

수평적 확장 #

  • 데이터베이스의 수평적 확장은 샤딩(sharding)이라고도 부른다.
  • 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있도록 한다.
  • 샤딩
    • 대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술
    • 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은, 샤딩 키(sharding key)를 어떻게 정하느냐 하는 것이다.
    • 샤딩 키를 정할 때는 데이터를 고르게 분할 할 수 있도록 하는게 가장 중요하다.
    • 샤딩은 데이터베이스 규모 확장을 실현하는 훌륭한 기술이지만 완벽하진 않다.
  • 샤딩의 새로운 문제
    • 데이터의 재 샤딩(resharding)
      • 데이터가 너무 많아져서 하나의 샤드로는 더이상 감당하기 어려울 때
      • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때 (샤드 소진; shard exhaustion)
        • 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치하여야 한다.
    • 유명인사(celebrity) 문제
      • 핫스팟 키(hotspot key) 문제라고도 부른다.
      • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제다.
    • 조인과 비정규화(join and de-normalization)
      • 일단 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기가 힘들어진다.
      • 해결 방법으로는 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것이다.

백만 사용자, 그리고 그 이상 #

시스템의 규모를 확장하는 것은 지속적이고 반복적(iterative)인 과정이다. 이번 장에서 배운 시스템 규모 확장을 위한 기법들은 아래와 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
  1. 도서 : 가상 면접 사례로 배우는 대규모 시스템 설계 기초 1
Calendar February 14, 2024
Edit Edit this page