[가상면접 사례로 배우는 대규모 시스템 설계 기초] 1장. 사용자 수에 따른 규모 확장성

단일 서버

• 모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템부터 설계해 보기
• 웹 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행됨

그림 1-1, 1-2

사용자 요청 처리 흐름

1. 사용자는 도메인 이름을 이용하여 웹사이트에 접속. 도메인 이름을 `도메인 이름 서비스(Domain Name Service, DNS)`에 질의하여 IP 주소로 변환하는 과정을 거침. DNS는 보통 제3 사업자(third party)가 제공하는 유료 서비스를 이용하게 되므로, 우리 시스템의 일부는 아님.
2. DNS 조회 결과로 IP 주소가 반환됨
3. 해당 IP 주소로 HTTP(HyperText Transfer Protocol) 요청이 전달됨
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환

이 요청들은 `웹 앱`과 `모바일 앱` 두 가지 종류의 단말로부터 온다.

 

• 웹 애플리케이션 : 비즈니스 로직, 데이터 저장 등을 처리하기 위해서 `서버 구현용 언어(자바, 파이썬 등)`를 사용하고, 프레젠테이션 용으로는 `클라이언트 구현용 언어(HTML, 자바스크립트 등)`를 사용
• 모바일 앱 : 모바일 앱과 웹 서버 간 통신을 위해서는 `HTTP 프로토콜`을 이용. HTTP 프로토콜을 통해서 반환될 응답 데이터의 포맷으로는 보통 `JSON(JavaScript Object Notation)`이 널리 쓰임.

데이터베이스

• 사용자 증가에 따라 서버 하나로는 충분하지 않아서 여러 서버를 두어야 함
• 하나는 웹/모바일 트래픽 처리 용도
• 다른 하나는 데이터베이스용
• 따라서 웹/모바일 트래픽 처리 서버(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하여 각각을 독립적으로 확장 가능

그림 1-3

어떤 데이터베이스를 사용할 것인가?

`관계형 데이터베이스`와 `비-관계형 데이터베이스` 사이에서 고를 수 있음

 

관계형 데이터베이스

• 관계형 데이터베이스 관리 시스템(Relational Database Management System, RDBMS)이라고도 불림
• MySQL, 오라클 데이터베이스, PostgreSQL 등이 있음
• 자료를 테이블과 열, 칼럼으로 표현
• SQL을 사용하여 여러 테이블에 있는 데이터를 조인(join)할 수 있음

비-관계형 데이터베이스

• NoSQL이라고도 부름
• CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등이 있음
• NoSQL은 다시 네 부류로 나눌 수 있음
• 키-값 저장소(key-value store), 그래프 저장소(graph store), 칼럼 저장소(column store), 문서 저장소(document store)
• 일반적으로 조인 연산은 지원하지 않음

❓비-관계형 데이터베이스에서 조인연산을 지원하는 경우는?
> 데이터 모델링과 애플리케이션 수준에서 조인 연산을 구현할 수 있다고 함

비-관계형 데이터베이스가 바람직한 경우

대부분의 상황에서는 관계형 데이터베이스가 최선이나, 아래와 같은 경우에는 비-관계형 데이터베이스가 옳은 선택일 수 있음

• 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

수직적 규모 확장(vertical scaling)

스케일 업(scale up)이라고도 불림. 서버에 고사양 자원(더 좋은 CPU, 더 많은 RAM 등)을 추가하는 행위

• 서버로 유입되는 양이 적을 때
• 가장 큰 장점 : 단순함
• 단점은 아래와 같음
  • 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없음
  • 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않음 >> 서버에 장애가 나면 웹사이트/앱이 완전히 중단됨

수평적 규모 확장

스케일 아웃(scale out)이라고도 불림. 더 많은 서버를 추가하여 성능을 개선하는 행위

• 스케일 업의 단점 때문에, 대규모 애플리케이션을 지원하는 데에는 `스케일 아웃`이 더 적절함

로드밸런서(load balancer)

• 위에서 나온 설계는 사용자가 웹 서버에 바로 연결되어 있기 때문에, 웹 서버가 다운되면 사용자는 웹 서버에 접속할 수 없음
• 또한, 너무 많은 사용자가 접속하여 웹 서버가 한계 상황에 도달하게 되면 응답 속도가 느려지거나 서버 접속이 불가능해질 수 있음

위와 같은 문제들로 로드 밸런서를 도입하는 것이 최선이다.

그림 1-4

• 그림 1-4와 같이 사용자는 로드밸런서의 공개 IP 주소(public IP address)로 접속함
• 웹 서버는 클라이언트의 접속을 직접 처리하지 않음
• 로드밸런서는 웹 서버와 사설 IP 주소(private IP address)를 이용하여 통신한다.
• 위와 같이 부하 분산 집합에 웹 서버를 여러 대 두면, 장애를 자동복구하지 못하는 문제(no failover)가 해소됨

데이터베이스 다중화

• 보통은 서버 사이에 `주(master)-부(slave) 관계`를 가짐
• 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식

	주(master) 데이터베이스	부(slave) 데이터베이스
쓰기 연산(write operation)	O (only)	X
데이터베이스 변경 명령어(insert, delete, update, ...)	O (only)	X
읽기 연산(read operation)	△(가능은 하나 성능상 slave에서만)	O
설명	쓰기 연산, 데이터베이스를 변경하는 명령어들(insert, delete, update, ...)은 master에서만 지원 slave는 master로부터 사본을 전달받으며, 읽기 연산만을 지원

그림 1-5

더 나은 성능을 위하여,

• master-slave 다중화 모델에서 모든 데이터 변경 연산은 master 서버에만 전달됨
• 읽기 연산은 slave 서버들로 분산되어 병렬로 처리할 수 있는 qeury의 수가 늘어나 성능이 좋아짐
• 안정성(reliability) : 자연재해 등의 이유로 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존될 것
• 가용성(availability) : 하나의 데이터베이스 서버에 장애가 발생하여도 다른 서버에 있는 데이터를 가져와 계속 서비스 가능

그림 1-6

그림 1-6은 로드밸런서와 데이터베이스 다중화를 고려한 설계안이다.

• 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받음
• 사용자는 해당 IP 주소를 통해 로드밸런서에 접속
• HTTP 요청은 서버 1이나 서버 2로 전달됨
• 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽음
• 웹 서버는 데이터 변경 연산(데이터 추가, 삭제, 갱신 연산 등)은 주 데이터베이스로 전달

캐시(cache)

응답시간 개선을 위해 캐시를 붙이고 정적 콘텐츠를 콘텐츠 전송 네트워크(Content Delivery Network, CDN)로 옮기면 개선할 수 있음

캐시란?

• 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소이다.
• 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데, 캐시는 이 문제를 완화할 수 있다.

캐시 계층(cache tier)

• 캐시 계층은 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠름
• 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있고,
• 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능

그림 1-7

읽기 주도형 캐시 전략(read-through caching strategy)

• 요청을 받은 웹 서버는 캐시에 응답이 저장되어 있는지 확인
• 저장되어 있다면 해당 데이터를 클라이언트에 반환
• 없는 경우에는 데이터베이스 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환

다양한 캐시 전략이 존재함. 캐시 할 데이터의 종류, 크기, 액세스 패턴에 맞는 캐시 전략을 선택하면 됨

캐시 사용 시 유의할 점

캐시는 어떤 상황에 바람직한가?

• 데이터 갱신은 자주 일어나지 않지만, 참조는 빈번하게 발생

어떤 데이터를 캐시에 두어야 하는가?

• 캐시는 데이터를 휘발성 메모리에 두기 때문에, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않음

캐시에 보관된 데이터는 어떻게 만료(expire)되는가?

• 만료된 데이터는 캐시에서 삭제되어야 한다.
• 만료 정책이 없으면 데이터는 캐시에 계속 남게 됨
• 만료 기한이 너무 짧으면, 데이터베이스를 너무 자주 읽게 될 것이기 때문에 좋지 않음
• 또한, 너무 길어도 원본과 차이가 날 가능성이 높아지기 때문에 문제가 있음

일관성(consistency)은 어떻게 유지되는가?

• 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부임
• 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 캐시와 저장소 사이의 알관성을 유지하는 것은 어려운 문제가 됨

이에 대해서는 페이스북에서 내놓은 논문 <Scaling Memcache at Facebook>[7]을 참고하라고 책에 나와있음

 

장애에는 어떻게 대처할 것인가?

• 캐시 서버를 한 대만 두는 경우 해당 서버는 `단일 장애 지점(Single Point of Failure, SPOF)`이 되어버릴 가능성이 있음
• 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜 버릴 수 있는 경우를 `단일 장애 지점`이라고 부름
• SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산시켜야 함

캐시 메모리는 얼마나 크게 잡을 것인가?

• 캐시 메모리가 너무 작으면 액세스 패턴에 따라서 데이터가 너무 자주 캐시에서 밀려나버려(eviction) 캐시의 성능이 떨어짐
• 이를 막기 위한 방법으로는 캐시 메모리를 과할당(overprovision)하는 것임

데이터 방출(eviction) 정책은 무엇인가?

• 캐시가 꽉 찼을 때 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 함
• 이것을 캐시 데이터 방출 정책이라 함
• 가장 널리 쓰이는 것은 `LRU(Least Recently Used - 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책)`임
• 다른 정책들
  • `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 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크임.

이미지, 비디오, CSS, JavaScript 파일 등을 캐시 할 수 있음.

그림 1-9, 1-10

CDN 사용 시 고려해야 할 사항

• 비용
  • CDN은 보통 제3 사업자(third-party providers)에 의해 운영됨
  • 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로, CDN에서 빼는 것을 고려해야 함
• 적절한 만료 시한 설정
  • 시의성이 중요한(time-sensitive) 콘텐츠의 경우 만료 시점을 잘 정해야 함
  • 너무 길지도, 짧지도 않아야 함 (앞에 나온 캐시 설명과 동일)
• CDN 장애에 대한 대처 방안
  • CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야 함
  • 가령 CDN이 응답하지 않을 경우, 해당 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 클라이언트를 구성하는 것이 필요할 수 있음
• 콘텐츠 무효화(invalidation) 방법
  • 아직 만료되지 않은 콘텐츠라 하더라도 아래 방법 가운데 하나를 쓰면 CDN을 제거할 수 있음
    • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
    • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(object versioning) 이용. 콘텐츠의 새로운 버전을 지정하기 위해서는 URL 마지막에 버전 번호를 인자로 주면 된다. 예를 들어, `image.png?v=2`와 같은 방식이다.

그림 1-11

 

 

그림 1-11은 CDN과 캐시가 추가된 설계이다.

1. 정적 콘텐츠(JS, CSS, 이미지 등)는 더 이상 웹 서버를 통해 서비스하지 않으며, CDN을 통해 제공하여 더 나은 성능을 보장
2. 캐시가 데이터베이스 부하를 줄여줌

 

 

 

 

 

 

무상태(stateless) 웹 계층

• 웹 계층을 수평적으로 확장하기 위해서, 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거해야 함
• 바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것
• 이렇게 구성된 웹 계층을 무상태 웹 계층이라고 부름

상태 정보 의존적인 아키텍처

그림 1-12

• 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 함. 무상태 서버에는 이러한 장치가 없음.
• 그림 1-12는 상태 정보 의존적인 아키텍처를 보여준다.
• 이와 같은 아키텍처의 문제는, 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 것임.
• 대부분의 로드밸런서가 이를 지원하기 위해 `고정 세션(sticky session)`이라는 기능을 제공하고 있는데, 이는 로드밸런서에 부담을 줌
• 게다가 로드밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워진다.

무상태 아키텍처

그림 1-13

그림 1-13은 무상태 아키텍처를 보여준다.

• 이 구조에서 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있음
• 웹 서버는 상태 정보가 필요할 경우 공유 저장소(shared storage)로부터 데이터를 가져옴
• 따라서 상태 정보는 웹 서버로부터 물리적으로 분리되어 있음
• 이런 구조는 단순하고, 안정적이며, 규모 확장이 쉽다.

그림 1-14

 

그림 1-14는 무상태 웹 계층을 갖도록 기존 설계를 번경한 결과이다.

• 세션 데이터를 웹 계층에서 분리하고 지속성 데이터 보관소에 저장하도록 만들었음
• 이 공유 저장소는
  • 관계형 데이터베이스일 수도 있고,
  • Memcachec/Redis 같은 캐시 시스템일 수도 있으며
  • NoSQL일 수도 있다.

 

 

 

 

데이터 센터

그림 1-15

• 그림 1-15는 두 개의 데이터 센터를 이용하는 사례다.
• 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내됨
• 통상 이러한 절차를 `지리적 라우팅(geoDNS-routing 또는 geo-routing)`이라고 부른다.

메시지 큐

• 메시지 큐는 메시지의 무손실(durability, 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는, 비동기 통신(asynchronous communication)을 지원하는 컴포넌트다.
• 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.
• 생산자 또는 발행자(producer/publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)함
• 큐에는 소비자 혹은 구독자(consumer/subscriber)라 불리는 서비스 혹은 서버가 연결되어 있음

그림 1-17

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

로그, 메트릭 그리고 자동화

로그

• 에러 로그를 모니터링하는 것은 중요함
• 로그를 단일 서비스로 모아주는 도구를 활용하면 더 용이

메트릭

메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 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), 재방문(retention) 같은 것

자동화

• 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 함
• 지속정 통합(continuous integration), 빌드, 테스트, 배포 등의 절차 자동화를 통해 개발 생산성을 크게 향상 시킬 수 있음

메시지 큐, 로그, 메트릭, 자동화 등을 반영하여 수정한 설계안

그림 1-19

1. 메시지 큐는 각 컴포넌트가 보다 느슨히 결합(loosely coupled)될 수 있도록 하고, 결함에 대한 내성을 높인다.
2. 로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치를 추가

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가 -> 데이터베이스를 증설 필요

데이터베이스의 규모를 확장하는 방법 2가지 : `1. 수직적 규모 확장법` `2. 수평적 규모 확장법`

수직적 확장

• 스케일 업이라고도 부름
• 기존에 더 많은, 또는 고성능의 자원(CPU, RAM, 디스크 등)을 증설하는 방법
• 수직적 확장의 몇 가지 심각한 약점
  • 데이터베이스 서버 하드웨어에는 한계가 있으므로 무한 증설할 수는 없음
  • 사용자가 계속 늘어나면 한 대 서버로는 결국 감당하기 힘듦
  • SPOF(Single Poin of Failure)로 인한 위험성이 큼
  • 비용이 많이 듦. 고성능 서버일수록 비용 증가

수평적 확장

• 데이터베이스의 수평적 확장은 `샤딩(sharding)`이라고도 부름
• 더 많은 서버를 추가함으로써 성능 향상
• 샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술을 말함
• 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없음
• 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 `샤딩 키(sharding key)`를 어떻게 정하느냐임
• 샤딩 키는 파티션 키(partition key)라고도 불림
• 샤딩을 도입하면 시스템이 복잡해지고 풀어야 할 새로운 문제도 생김
  • 데이터의 재 샤딩(resharding)
  • 유명인사(celebrity) 문제
  • 조인과 비정규화(join and de-normalization)

그림 1-20

그림 1-20은 수직적 확장법과 수평적 확장법이 어떻게 다른지 보여준다.

 

그림 1-23

그림 1-23은 데이터베이스 샤딩을 적용한 아키텍처이다.

또한, 데이터베이스에 대한 부하를 줄이기 위해 굳이 관계형 데이터베이스가 요구되지 않는 기능들은 NoSQL로 이전하였다.

1장을 마무리하며

시스템 규모 확장을 위해 살펴본 기법들은 아래와 같다.

• 웹 계층은 무상태 계층으로
• 모든 계층에 다중화 도입
• 가능한 한 많은 데이터를 캐시 할 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