가상 면접 사례로 배우는 대규모 시스템 설계 기초 - 1장) 사용자 수에 따른 규모 확장성

 

 

 

단일 서버 

• 모든 컴포넌트가 단 한대의 서버에서 실행됨 

사용자의 요청 처리 흐름 

1. 사용자가 도메인 이름을 이용하여 웹 사이트에 접속 
2. 도메인 이름을 DNS에 질의하여 IP 주소로 변환
3. 해당 IP 주소로 HTTP 요청 전달 
4. 요청 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답 반환 

모바일 앱과 웹 서버간 통신을 위해서는 HTTP 프로토콜을 이용 

응답으로 반환되는 데이터의 포맷으로는 보통 JSON을 사용 

 

 

데이터베이스

사용자가 늘어남에 따라 트래픽을 감당하기 위해 여러 서버를 구성하게 됨 

1. 웹 / 모바일 트래픽 처리 용도 
2. 데이터 베이스 용 

따로 구성함에 따라 독립적 확장이 가능해짐 

 

데이터 베이스의 선택 

1. 관계형 데이터베이스 (RDBMS)
   1. 자료를 테이블과 열, 칼럼으로 표현 
   2. SQL을 사용하여 여러 테이블에 있는 데이터를 관계에 따라 조인 가능 
2. 비관계형 데이터베이스 (NoSQL) 
   1. 4가지 분류로 나뉨 
      1. 키-값 저장소
      2. 그래프 저장수
      3. 칼럼 저장소 
      4. 문서 저장소 
   2. 조인 연산은 지원하지 않음 
   3. 비 관계형 데이터 베이스의 선택이 필요한 케이스 
      1. 아주 낮은 응답 지연 시간이 요구됨 
      2. 다루는 데이터가 비정형으로 관계형 데이터가 아님 
      3. 데이터를 직렬화하거나 역직렬화 하기만 하면 되는 상황
      4. 아주 많은 양의 데이터를 저장해야 하는 경우 

 

 

수직적 규모 확장 VS 수평적 규모 확장 

1. 수직적 규모 확장 ( = 스케일 업 ) 
   1. 서버에 고사양 자원을 추가 
   2. 서버로 유입되는 트래픽의 양이 적을 때 좋은 선택 (자원이 필요한 상황) 
   3. 단, 한대의 서버에 CPU나 메모리를 무한대로 증설할 수 없으며 장애에 대한 자동 복구 방안이나 다중화 방안이 제시되지 않음 
      1. 장애 발생시 서버가 완전히 중단됨 
2. 수평적 규모 확장 ( = 스케일 아웃 ) 
   1. 더 많은 서버를 추가하여 성능 개선 
   2. 대규모 애플리케이션을 지원하는 데에 적절 

 

 

로드밸런서 

• 부하 분산 집합에 속한 웹 서버들에게 트래픽 부하를 분산하는 역할 
• 로드밸런서는 보안을 위해 서버간 통신시에는 같은 네트워크에 속한 서버 사이의 통신에만 사용될 수 있는 사설 IP 주소를 사용함
• 웹 서버를 추가하면 장애를 자동복구하지 못하는 문제를 해결하고 트래픽을 분산시켜 가용성을 향상 시킴 

 

 

데이터베이스 다중화 

• 서버 사이에 master - slave 관계를 설정하고 데이터 원본은 master, 사본은 slave에 저장하는 방식 
  • Master
    • 쓰기연산 지원 (Create, Read, Update, Delete) 
  • Slave 
    • 읽기 연산만을 지원 (Read)
    • Master로 부터 사본을 전달 받고 읽기 연산 만을 지원 
• 읽기 연산은 병렬 처리로 성능이 좋아지고 분산된 데이터로 안정성이 증진되며 지역적으로 떨어진 여러 위치에 다중화 가능, 장애 상황에서도 서비스 제공 가능으로 가용성 증진 

만약 데이터 베이스 서버중 한대가 다운된다면 

• Slave 서버 다운의 경우 
  • 읽기 연산이 일시적으로 Master 서버에 전달 
  • 새로운 Slave 서버가 준비되면 장애 서버를 대체
• Master 서버 다운의 경우 
  • 다른 Slave 서버가 Master 서버가 됨
  • 모든 데이터 베이스 연산은 일시적으로 새로운 Master 서버에서 수행됨 
    
    • 누락된 데이터는 복구 스크립트를 돌려 추가해야 함 
    • 다중 마스터나 원형 다중화 방식 도입시 대처가 가능해짐 

응답 속도 개선 

• 캐시나 CDN(정적 콘텐츠 전송 네트워크) 를 통해 가능 

 

 

캐시 

• 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소 
• 캐시 계층
  • 데이터가 잠시 보관되는 곳 
  • 데이터 베이스보다 훨씬 빠름 
  • 성능 개선 및 데이터베이스 부하 감소 
  • 캐시 계층 규모 독립적 확장 가능 
  • 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시 전략 선택 가능 
  • 주의할 점 
    • 데이터를 휘발성 메모리에 두므로, 영속적인 데이터를 캐시에 두면 안됨 
    • 만료기간을 통해서 만료된 데이터는 캐시에서 삭제되어야 함 
    • 캐시와 저장소간의 데이터 일관성을 챙겨야 함 
    • 캐시 서버가 한대라면 해당 서버는 단일 장애 지점 (SPOF)이 될 수 있음 
      • 여러지역에 걸쳐 캐시서버를 분산해야 함 
    • 캐시 메모리가 너무 작으면 eviction으로 인해 캐시의 성능이 떨어질 수 있음 
      • 캐시 메모리를 과할당 함으로서 막을 수 있음 
  • 경우에 맞게 데이터 방출 정책을 사용할 수 있음 

 

CDN (콘텐츠 전송 네트워크) 

•  정적 콘텐츠를 전송하는데 쓰이는 지리적으로 분산된 서버의 네트워크 
  • 동적 콘텐츠 캐싱은 별도의 공부 필요 
• request path ,query string, cookie, request header 등의 정보에 기반하여 HTML 페이지를 캐시 
• 웹사이트에 접근시 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달 
• 사용 예시
  1. 사용자가 이미지 파일에 접근
  2. CDN 서버 캐시에 해당 이미지가 없는 경우 서버는 원본 서버에 요청하여 파일을 가져옴 
  3. 원본 서버가 응답 HTTP 헤더에 해당 파일의 TTL을 포함하여 CDN 서버에 파일을 반환
  4. CDN 서버는 파일을 캐시 후 사용자에게 반환 (이미지는 TTL에 명시된 시간까지 캐시) 
  5. 다른 사용자가 동일한 이미지 요청 
  6. 만료되지 않은 이미지라면 캐시를 통해 응답 
• 주의 사항 
  • CDN은 보통 제 3 사업자에 의해 운영 되며 CDN으로 들어가고 나가는 데이터 양에 따라 비용이 지불되므로, 자주 사용되는 데이터만 CDN에 보관하도록 해야함 
  • 시의성이 중요한 콘텐츠의 경우 만료 시한을 잘 설정해야 함 
  • CDN 자체가 죽었을 경우 문제를 감지하여 웹 / 앱에서 어떻게 동작하는지도 고려해야 함 
  • 만료되지 않은 콘텐츠라도 다음의 방법으로 콘텐츠 무효화 가능 
    • CDN 서비스 사업자가 제공하는 API를 활용 
    • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝 이용 
      • URL의 마지막에 버전 번호를 인자로 전달 

 

 

무상태(stateless) 웹 계층 

• 수평적 확장을 위해서는 상태 정보를 웹 계층에서 제거해야 함 
  • 공유 상태 정보를 지속성 저장소에 보관하고 필요할 때 가져오도록 설정 
• 상태정보에 의존적인 아키텍처의 경우 같은 클라이언트로부터의 요청이 항상 같은 서버로 전송되어야 하기 때문에 로드밸런서가 고정세션을 이용하여 한서버에게 트래픽을 전달해야함 
  • 로드밸런서에 부담 
  • 로드밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워짐 
• 무상태 아키텍처 
  • 사용자의 HTTP 요청은 어떤 웹 서버로도 전달 가능 
  • 상태 정보가 필요한 경우 공유 저장소로부터 데이터를 조회 
  • 트래픽 양에 따른 수평적 규모 확장이 간편해짐 

 

데이터 센터

• 지리적 라우팅 (geoDNS) 
  • 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내됨 
  • 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할 지 결정할 수 있도록하는 DNS 서비스 
  • 데이터 센터 중 하나에 심각한 장애 발생시 모든 트래픽은 장애가 없는 트래픽으로 전송 
  • 다중 데이터 센터 주의사항 
    • 트래픽 우회 
      • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 함 
    • 데이터 동기화 
      • 데이터 센터마다 별도의 데이터베이스를 사용한다면, 장애가 자동으로 복구되어 트래픽이 다른 데이터 베이스로 우회된다고 해도 데이터가 유실될 수 있음 
        • 데이터를 여러 데이터 센터에 걸쳐 다중화 한다면 이를 해결할 수 있음 
      • 웹사이트 또는 애플리케이션을 여러 위치에서 테스트 해보는 것이 중요 
        • 자동화된 배포 도구 필요 

 

 

메세지 큐 

• 무손실 비동기 지원 컴포넌트 
  • 메세지의 버퍼 역할을 하며 비동기적으로 전송 
  • publisher와 consumer / subscriber 로 연결됨 
  • 메세지 큐를 이용하면 서비스 / 서버간의 결합이 느슨해져 규모 확장성이 보장되어야 하는 안정적 애플리케이션 구성에 유리 
  • 생산자와 소비자는 각각의 프로세스가 다운되더라도 메세지 송수신이 가능 
    • 시간이 오래걸릴 수 있는 프로세스의 경우 비동기적으로 구현하면 편리함 

 

 

로그 / 메트릭 / 자동화 

• 로그
  • 에러 로그를 모니터링 하는 것은 중요 
  • 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회 가능 
    • ex) 데이터 독 
• 메트릭 
  • 사업 현황에 관한 유용한 정보를 얻거나 현재 상태를 손쉽게 파악 가능 
  • 메트릭 단위 
    • 호스트 단위 메트릭 
      • CPU, 메모리, 디스크 I/O에 관한 메트릭 
    • 통합 메트릭 
      • 데이터 베이스 계층의 성능, 캐시 계층의 성능 등 
    • 핵심 비즈니스 메트릭 
      • 일별 능동 사용자 (Daily Active User), 수익, 재방문 등 
• 자동화 
  • 지속적 통합 (CI) 를 도와주는 도구, 빌드 테스트, 배포등의 절차 자동화 도구를 통해 개발 생산성 향상 

 

 

데이터 베이스의 규모 확장

• 저장할 데이터가 많아지면 데이터 베이스에 대한 부하도 증가 
  • 수직적 확장 
    • 고성능 자원 (CPU, RAM, 디스크 등) 의 증설을 통한 scale up 
    • 데이터 베이스 서버 하드웨어에는 한계까 있어 CPU, RAM등을 무한 증설 불가 
    • SPOF로 인한 위험성이 큼 
  • 수평적 확장 
    • 샤딩 (sharding) 
      • 더 많은 서버를 추가함으로써 성능을 향상 
      • 대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술
      • 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없음 
      • 해시 함수를 통해 데이터가 보관되는 샤드를 결정 
      • 샤딩키 (파티션 키) 전략 
        • 데이터가 어떻게 분산될 지 정하는 하나 이상의 칼럼으로 구성 
        • 샤딩키를 정할 떄는 데이터를 고르게 분할 할 수 있도록 하는게 가장 중요
      • 주의 사항 
        • 데이터의 재샤딩 
          • 샤드 소진
            • 데이터가 너무 많아져서 하나의 샤드로 감당이 어렵거나, 샤드간 데이터 분포가 균등하지 못해 특정 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행되는 경우 
          • -> 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치 해야 함 
            • ex) 안정 해시 기법 
        • 유명 인사 (핫스팟 키) 
          • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제 
        • 조인과 비정규화 
          • 여러 샤드에 걸친 데이터를 조인하기 힘들어짐 
            • 데이터 베이스를 비정규화 하여 하나의 테이블에서 질의가 수행되도록 할 수 있음 

 

 

 

백만 사용자, 그리고 그 이상 

• 시스템 규모 확장을 위해 다음과 같은 기법 사용 가능 
  • 웹 계층을 무상태 계층으로 
  • 모든 계층을 다중화 
  • 가능한 많은 데이터를 캐시 
  • 여러 데이터 센터를 지원 
  • 정적 콘텐츠는 CDN을 통해 서비스 
  • 데이터 계층은 샤딩을 통해 규모 확장 
  • 각 계층은 독립적 서비스로 분할 
  • 시스템을 지속적으로 모니터링하고 자동화 도구를 활용