1장 사용자 수에 따른 규모 확장성

단일 서버

웹 애플리케이션, 데이터베이스, 캐시 등이 모두 서버 한 대에서 실행

사용자는 도메인을 이용하여 웹사이트에 접속

이 접속을 위해 도메인 이름을 DNS 에 질의하고 IP 주소로 변환하는 과정이 필요

반환된 IP 주소로 http 요청 전달

웹 서버는 html 페이지나 json 형태의 응답을 반환

DB 서버

사용자가 늘면 가장 먼저 데이터베이스를 분리한다. 그래서 웹/모바일 트래픽을 처리하는 용도의 서버와 데이터베이스용 서버로 분리하면 각각을 독립적으로 확장할 수 있다.

DB 선택

•

RDBMS

◦

데이터를 테이블과 칼럼으로 표현한다.

◦

SQL 을 사용하여 여러 테이블에 있는 데이터를 그 관계에 따라 조인하고 합칠 수 있다.

•

NoSQL

◦

관계형 데이터베이스가 아닌 데이터베이스를 NoSQL 이라고 부르고 크게 네 부류로 나눌 수 있다.

▪

키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소

•

보통 친숙한 RDBMS 로 시작하지만 시스템의 요구에 따라 NoSQL 을 선택해야할 수도 있다.

◦

아주 낮은 응답 지연시간(latency)이 필요할 때

◦

다루는 데이터가 비정형이라 관계형 데이터가 아닐 때

◦

아주 많은 양의 데이터를 저장할 필요가 있을 때

수직적 규모 확장 vs 수평적 규모 확장

•

스케일 업(수직적 규모 확장) 프로세스

◦

서버에 더 좋은 CPU, 더 많은 RAM 등 고사양 자원을 추가하는 행위이다. 

◦

서버로 유입되는 트래픽의 양이 적을 때 좋은 선택, 단순함

◦

확장에 한계가 있다.

◦

장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다.

◦

서버에 장애가 발생하면 완전히 중단

•

스케일 아웃(수평적 규모 확장) 프로세스

◦

더 많은 서버를 추가하여 성능을 개선하는 행위이다.

◦

장단점은 스케일 업과 반대

로드 밸런서

부하 분산 집합에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할

사용자는 직접 웹 서버의 IP 로 요청을 보내지 않고 로드밸런서의 IP 주소로 요청을 보내게 된다. 이에 따라 웹 서버는 클라이언트의 접속을 직접 처리하지 않고 서버간 통신에 private IP 주소를 사용함으로써 보안을 향상시킬 수 있다.

로드밸런서 트래픽 분산으로 웹 서버를 추가하면 장애 복구 문제가 해소되며 웹 계층의 가용성이 향상된다.

DB 다중화

여러 DB 서버를 두고 서버 사이에 주-부 관계를 설정하고, 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식

쓰기 연산은 주 데이터베이스에서만 지원

부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받고 읽기 연산만을 지원

대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높기때문

•

더 나은 성능

◦

주-부 다중화 모델에서 쓰기 연산은 주 데이터베이스 서버로만 전달되고 읽기 연산은 부 데이터베이스 서버들로 분산되기때문에 병렬로 처리될 수 있는 쿼리의 수가 늘어나므로 성능이 좋아진다.

•

안정성(reliability)

◦

데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존될 수 있다. 

•

가용성(availability)

◦

하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스를 할 수 있다.

◦

주 데이터베이스 서버가 다운되면 부 데이터베이스 서버 중 하나가 새로운 주 데이터베이스 서버가 된다. 이 때 부 서버에 보관된 데이터가 최신 상태가 아닐 시에 없는 데이터는 복구 스크립트를 돌려서 추가해야 한다.

캐시

값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고 요청이 보다 빨리 처리될 수 있도록 하는 저장소

캐시 계층

캐시 계층은 데이터가 잠시 보관되는 곳으로 DB보다 훨씬 빠르다. 성능 개선과 DB 부하 감소가 장점이다. 또한 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능

캐시에 데이터가 저장되어있으면 바로 반환

없다면 DB 쿼리로 데이터를 얻고 캐시에 저장한뒤 반환

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

캐시할 데이터 종류, 크기, 비즈니스 로직에 맞는 캐시 전략을 잘 선택해야함

캐시 사용 시 유의점

•

캐시는 어떤 상황에 바람직한가?

◦

데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어날 때

•

캐시에 보관된 데이터는 어떻게 만료(expire)되는가?

◦

이에 대한 정책을 마련해 두는 것이 좋다.

◦

만료 기한이 너무 짧으면 DB 를 자주 읽는다.

◦

만료 기한이 너무 길면 원본과 차이가 날 가능성이 높아진다.

•

인관성은 어떻게 유지되는가?

◦

일관성은 데이터 저장소의 원본과 캐시 사본이 같은지 여부

◦

저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있다.

•

장애 대처

◦

SPOF가 되어버릴 가능성이 있어 서버를 여러 대 두어야 한다.

◦

SPOF: 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시킬 때

•

캐시 메모리의 크기는?

◦

메모리가 너무 작으면 데이터가 너무 자주 evict 된다. 

◦

캐시 메모리를 과할당하여 캐시에 저장할 데이터가 갑자기 늘어날 때도 문제를 방지할 수 있다.

•

eviction 정책은?

◦

일반적으로 LRU(Least-Recently-Used)

◦

LFU 또는 FIFO 도 있다.

CDN

지리적으로 분산되어 있고 정적 콘텐츠를 저장하고 전송하는데 쓰이는 서버의 네트워크

request path, query string, 쿠키, 헤더 등의 정보에 기반하여 html 페이지를 캐싱하는 동적 컨텐츠 전송 서버도 있긴하다.

사용자에게 가장 가까운 CDN 서버가 정적 컨텐츠를 전송한다.

사용자 A가 image.png 를 요청한다.

CDN 서버의 캐시에 해당 이미지가 없다면 원본 서버에 요청하여 파일을 가져온다.

원본 서버가 파일을 CDN 서버에 반환한다. 응답 헤더에는 TTL(Time-To-Live) 값이 들어있다.

CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다.

사용자 B가 image.png 를 요청한다.

만료되지 않은 이미지 파일을 CDN 서버의 캐시를 통해 처리한다.

CDN 사용 시 고려 사항

•

비용

◦

CDN 은 데이터 전송 양에 따라 비용을 지불한다. 자주 사용되지 않는 컨텐츠를 캐싱하는 것은 비효율적이다.

•

적절한 만료 시한 설정

◦

너무 길면 컨텐츠의 신선도가 떨어지고 너무 짧으면 원본 서버에 빈번히 접속하여 성능상 좋지 않다.

•

장애 대처 방안

◦

만약 CDN 서버의 장애가 감지될 경우 클라이언트에서 원본 서버로 직접 컨텐츠를 요청하도록 만들 수 있다.

CDN 과 캐시가 추가된 설계

무상태(stateless) 웹 계층

웹 계층 수평적 확장을 위해 사용자 세션 데이터와 같은 상태 정보를 웹 계층에서 제거해야한다. 상태 정보를 관계형 DB 나 NoSQL 과 같은 영속 저장소에 보관하고 필요할 때 가져오도록 한다.

상태 정보 의존적인 아키텍처

상태정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다. 무상태 서버에는 이런 장치가 없다.

사용자의 상태 정보가 분산된 서버에 저장된다면 사용자는 자신의 상태 정보가 저장된 서버로만 요청을 보내야 한다. 즉, 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다. 이를 지원하기 위해 로드밸런서는 Sticky Session 기능을 제공하지만, 이는 로드 밸런서에 부담을 준다.

무상태 아키텍처

웹 서버는 어떤 사용자든 http 요청을 받고 사용자의 상태 정보는 별도의 공유 저장소로부터 데이터를 저장하고 가져온다. 이에 따라 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다. 이런 구조는 단순하고, 안정적이고, 규모 확장이 쉽다. 공유 저장소는 RDB 일 수도, Memcached/Redis 같은 캐시 시스템일 수도, NoSQL 일 수도 있다. 규모 확장이 간편해서 책에서는 NoSQL 을 사용하였다.

공유 저장소를 포함한 현재까지의 설계

자동 규모 확장은 트래픽 양에 따라 웹 서버를 자동으로 추가하거나 삭제하는 기능이다. 상태 정보를 서버로부터 분리하였기때문에 서버를 확장하고 축소하는 데에 문제가 없다.

데이터 센터

가용성을 높이고 전 세계 어디서도 쾌적하게 사용하기 위해 여러 데이터 센터를 지원하는 것이 필수이다. 장애가 없는 상황에서 사용자는 가장 가까운 데이터센터로 라우팅되는데, 이 절차를 지리적 라우팅이라고 한다. 지리적 라우팅에서 geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP주소로 변환할지 결정해주는 DNS 서비스이다.

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

다중 데이터센터 아키텍처를 만들기 위해서는 몇 가지 기술적 난제를 해결해야한다.

•

트래픽 우회: 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾는다. geoDNS는 사용자의 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해야 한다.

•

데이터 동기화: 데이터 센터마다 별도로 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어, 트래픽이 다른 데이터베이스로 우회된다 해도 데이터 정합성이 맞지 않을 수 있다. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것이다.

•

테스트와 배포: 웹 사이트 혹은 애플리케이션을 여러 위치에서 테스트 해보는 것이 중요하다. 자동화된 배포 도구를 사용하여 모든 데이터 센터에 동일한 서비스가 설치되도록 한다.

메시지 큐

시스템을 더 큰 규모로 확장하기 위해 시스템의 컴포넌트를 분리하여 각각 독립적으로 확장될 수 있도록 해야 한다. 메시지 큐는 많은 분산 시스템에서 채용하고 있는 핵심 전략이다.

메시지 큐는 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트이다. 메시지의 버퍼 역할을 하며 비동기적으로 전송한다. 메시지 큐의 기본 아키텍쳐는 생산자 또는 발행자(producer/publisher) 인 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)한다. 큐에는 소비자 또는 구독자(consumer/subscriber)인 서비스 또는 서버가 연결되어 있고 메시지를 받아 그에 맞는 동작을 수행한다.

메시지 큐를 사용하면 서비스 또는 서버 간 결합이 느슨해져, 규모 확장성이 보장되어야 하는 안정적인 애플리케이션을 구성하기 좋다. 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 반대로 소비자는 생산자 서비스가 다운되어 있어도 메시지를 수신할 수 있다.

사용 예로 시간이 오래 걸리는 사진 보정 작업

로그, 메트릭, 자동화

웹 사이트와 사업 규모가 커지면 로그, 메트릭(metric), 자동화(automation)에 필수적으로 투자해야 한다.

•

로그: 에러 로그를 모니터링 하는 것은 중요하다. 시스템의 오류와 문제를 보다 쉽게 찾아낼 수 있도록 하기 때문이다. 서버 단위로 로그를 모니터링하는 것도 좋지만, 로그를 하나로 모아주는 도구를 활용하면 더 편리하게 검색, 조회 할 수 있다.

•

메트릭: 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수 도 있다.

◦

호스트 단위 메트릭: CPU, 메모리, 디스크 I/O에 관한 메트릭

◦

종합(aggregated) 메트릭 : 데이터베이스 계층의 성능, 캐시 계층의 성능

◦

핵심 비즈니스 메트릭: 일별 활성 사용자(daily active user), 수익, 재방문(retention) 같은 것들

•

자동화: 시스템이 크고 복잡해지면, 생산성을 위해 자동화 도구를 활용해야한다. 빌드, 테스트, 배포 등의 절차를 자동화할 수 있다.

메시지 큐와 로그를 반영한 설계안

•

메시지 큐가 각 컴포넌트를 느슨한 결합이 될 수 있도록 하여 결함에 대한 내성을 높인다.

•

로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치 추가

DB 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다. 이 때 DB를 증설할 방법을 찾는다. DB 규모를 확장하는 데에는 수직적 확장과 수평적 확장 두 가지 방법이 있다.

수직적 확장

데이터베이스 서버의 CPU, RAM, 디스크와 같은 자원을 증설하는 방법이다. 수직적 접근법에는 몇 가지 심각한 약점이 있다.

•

서버 하드웨어를 무한 증설할 수 없으므로 한계가 존재한다.

•

SPOF로 인한 위험성이 크다.

•

고성능 서버로 갈수록 가격이 올라가므로 비용이 많이 발생한다.

수평적 확장

데이터베이스의 수평적 확장을 샤딩(sharding)이라고 부른다. 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있다.

샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할한다. 모든 샤드는 같은 스키마를 사용하지만, 샤드에 보관되는 데이터 사이에는 중복이 없다.

샤드 방식에는 여러가지가 있다. 해시 샤딩(hash sharding)은 샤드의 개수에 따른 해시 함수를 사용하여 데이터가 보관되는 샤드를 결정한다. 예를 들어 샤드가 4개인 경우 user_id % 4 를 해시 함수로 사용하여 데이터가 보관될 샤드를 결정할 수 있다.

샤딩 전략에서 가장 중요하게 고려할 것은 샤딩 키를 어떻게 정하는지이다. 샤딩 키는 데이터가 어떤 샤드에 저장되는지 결정하는 하나 이상의 컬럼으로 구성된다. 위 예시의 경우 user_id 가 샤딩 키이다. 샤딩키를 정할때는 데이터를 고르게 분할 할 수 있도록 하는게 중요하다.

샤딩을 도입하면 시스템이 복잡해지고 풀어야할 새로운 문제도 생긴다.

•

데이터의 재 샤딩(resharding): 데이터가 너무 많아져 하나의 샤드로는 감당이 어렵거나, 샤드 간 데이터 분포가 균등하지 않아 일부 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 소모될 때 재 샤딩을 고려해야 한다. 이를 샤드 소진(shard exhaustion)이라고도 부르는데, 이런 현상을 해결하기 위해 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치해야한다. 안정 해시(consistent hashing) 기법을 사용하여 이 문제를 해결할 수 있다.

•

유명인사 문제: 핫스팟 키(hotspot key) 문제라고도 부르는데, 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제다. 예를 들어 축구 선수 DB 에 메시와 호날두가 같은 샤드에 있으면 해당 샤드는 과부하가 걸릴 것이다. 이 문제를 해결하기 위해 유명인사 각각에 샤드 하나씩을 할당해야 할 수도 있고, 더 잘게 샤드를 쪼개야 할 수도 있다.

•

조인과 비정규화(join and de-normalization): 하나의 데이터베이스를 여러 서버로 쪼개면, 여러 샤드에 걸친 데이터를 조인하기 힘들다. 이를 해결하는 방법 중 하나는 데이터베이스를 비정규화 하여 조인 없이 하나의 테이블에서 질의가 수행될 수 있도록 하는 것이다.

샤딩을 적용한 아키텍쳐

정리

•

웹 계층은 무상태 계층

•

모든 계층 다중화 도입

•

가능한 많은 데이터 캐시

•

여러 데이터 센터 지원

•

정적 컨텐츠는 CDN 을 통해 서비스

•

데이터 계층은 샤딩을 통해 규모 확장

•

각 계층은 독립적 서비스로 분리

•

시스템을 지속적으로 모니터링하고 자동화 도구 활용