상수

단일 서버

단일 서버는 웹 앱, 데이터베이스, 캐시 등이 서버 한 대에서 실행된다.

서버의 흐름

1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹사이트에 접속한다. DNS에 질의하여 IP 주소로 변환하는 과정이 필요하다.
2. DNS 조회 주소로 IP 주소가 반환된다.
3. 해당 IP 주소로 HTTP 요청이 전달된다.
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

서버로 요청이 오는 곳

• 웹 애플리케이션
• 모바일 앱

데이터베이스

사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다. 하나는 웹/모바일 트래픽 처리 용도, 하나는 데이터베이스용이다.

어떤 데이터베이스를 사용할 것인가?

DBMS

• MySQL, Oracle DB, PostgreSQL 등
• 자료의 표현을 테이블, 열, 칼럼으로 표현
• 여러 테이블을 조인할 수 있음
• 대부분의 시스템에 적합

NoSQL

• CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등
• NoSQL의 유형
  • 키-값 (key-value) 저장소
  • 그래프 (graph) 저장소
  • 칼럼 (column) 저장소
  • 문서 (document) 저장소
• 조인 연산은 지원하지 않음
• 아래와 같은 경우에는 NoSQL을 고려할 수 있음
  • 아주 낮은 레이턴시 요구
  • 다루는 데이터가 비정형(unstructured)
  • 데이터를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
  • 아주 많은 양의 데이터를 저장할 필요가 있음

수직적 규모 확장 vs 수평적 규모 확장

수직적 규모 확장 (Scale Up)

• 서버에 고사양 자원 (더 좋은 CPU, 더 많은 RAM 등) 을 추가하는 행위
• 서버로 유입되는 트래픽의 양이 적을 때 좋은 선택이다.
• 수직적 규모 확장의 단점
  • 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다.
  • 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다. 서버가 중단되면 웹사이트도 다운된다.

수평적 규모 확장 (Scale Out)

• 더 많은 서버를 추가하여 성능을 개선하는 행위
• 대규모 애플리케이션에 적합하다.

로드 밸런서 (Load Balancer)

• 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 접속하며, 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다.
• 더 나은 보안을 위해 서버 간 통신에는 사설 IP 주소(private IP address)가 이용된다.
• 장애 자동복구(failover) 문제를 해소할 수 있으며, 가용성은 향상된다.
  • 서버 1이 다운되면 모든 트래픽은 서버 2로 전송된다. 따라서 웹 사이트 전체가 다운되는 일이 방지된다.
  • 트래픽이 가파르게 증가한다면, 웹 서버 계층에 더 많은 서버를 추가하기만 하면 된다. 로드밸런서가 자동적으로 트래픽을 분산하기 시작할 것이다.

데이터베이스 다중화

• Master(원본)/Slave(사본) 다중화 모델
  • 마스터에서는 쓰기 연산(write operation)만 지원한다.
  • 슬레이브에서는 마스터의 사본을 전달받으며 읽기 연산(read operation)만 지원한다.
• 장점
  • 더 나은 성능: 쓰기/읽기 연산의 처리가 분산되어 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로 성능이 좋아진다.
  • 안정성: 자연 재해 등의 이유로 DB 서버 가운데 일부가 파괴되어도 데이터는 보존될 것이다. 데이터를 지역적으로 떨어진 여러 장소에 다중화시켜 놓을 수 있기 때문이다.
  • 가용성: 데이터를 여러 지역에 복제해둠으로써 하나의 DB 서버에 장애가 발생해도 다른 서버의 데이터를 가져와 계속 서비스할 수 있게 된다.
• 데이터베이스 서버 가운데 하나가 다운된다면?
  • 부 서버가 한 대 뿐인데 다운된 경우
    • 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달
    • 즉시 새로운 부 서버가 장애 서버를 대체
  • 주 서버가 다운된 경우
    • 한 대의 부 서버의 경우는 해당 부 서버가 새로운 주 서버가 되며, 새로운 부 서버가 추가된다.
    • 프로덕션 환경에서는 부 서버의 데이터가 최신 상태가 아닐 수 있다. 이런 경우 복구 스크립트를 돌려서 추가해야 한다.
    • 다중 마스터(multi-masters)나 원형 다중화(circular replication) 방식을 도입하면 이런 상황에 대처하는 데 도움이 될 수 있으나, 해당 책의 범위를 넘어간다.

로드밸런서와 DB 다중화가 적용된 아키텍처의 동작 방식

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

캐시

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

캐시 계층

• 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다.
• 별도의 캐시 계층을 두면 성능 개선, DB 부하 감소, 캐시 계층 독립 확장이 가능해진다.
• 읽기 주도형 캐시 전략 (read-through caching strategy)
  • 사용자가 요청한 데이터가 캐시에 있다면 캐시에서 데이터를 읽고, 만약 그렇지 않다면 데이터베이스에서 해당 데이터를 읽어 캐시에 쓴다.

캐시 사용 시 고려사항

캐시는 어떤 상황에 바람직한가?

데이터 갱신은 자주 일어나지 않지만, 참조는 빈번하게 일어나는 경우

어떤 데이터를 캐시에 두어야 하는가?

캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다.

캐시에 보관된 데이터는 어떻게 만료되는가?

이에 대한 정책을 마련해두는 것은 좋은 습관이다.

• 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다.
• 만료 기한이 너무 짧으면 데이터베이스를 너무 자주 읽게 되며, 만료 기한이 너무 길면 원본과 차이가 날 수 있다.

일관성(consistency)은 어떻게 유지되는가?

• 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은 지 여부이다.
• 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성을 깨질 수 있다.

장애에는 어떻게 대처할 것인가?

• 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(SPOF)이 되어버릴 가능성이 있다.
• 이를 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(eviction) 캐시의 성능이 떨어지게 된다.
• 이를 방지할 방법은 캐시 메모리를 과할당(overprovision) 하는 것

데이터 방출(eviction) 정책은 무엇인가?

• 캐시가 꽉 차 있을 때 추가로 캐시에 데이터를 넣어야 할 경우, 기존 데이터를 내보내야 한다.
• 방출 정책의 종류
  • LRU(Least Recently Used) - 가장 널리 쓰임
  • LFU(Least Frequently Used)
  • FIFO (First In First Out)

콘텐츠 전송 네트워크 (CDN)

• 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크이다.
• 요청 경로, 쿼리 문자열, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시한다.
• 어떤 사용자가 웹 사이트를 방문하면 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다. 사용자가 CDN 서버로부터 물리적으로 먼 거리에 있다면 그만큼 웹사이트는 천천히 로드될 것이다.

동작 방식

1. 사용자 A가 이미지 URL을 이용하여 image.png에 접근한다. URL의 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 파일의 TTL 값이 들어있다.
4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다. 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 고려사항

비용

• CDN은 보통 제3 사업자에 의해 운영되며, 사용자는 CDN의 데이터 송수신량에 따라 요금을 내게 된다.
• 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로 CDN에서 제외한다.

적절한 만료 시한 설정

• 시의성이 중요한(time-sensetive)의 경우 만료 시점을 너무 길지도, 짧지도 않게 설정해야 한다.

CDN 장애에 대한 대처 방안

• CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는 지 고려해야 한다.
• CDN이 응답하지 않을 시 해당 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 클라이언트를 구성할 수 있다.

콘텐츠 무효화(invalidation) 방법

아직 만료되지 않은 콘텐츠도 임의로 CDN에서 제거할 수 있다.

• CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
• 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(Object Versioning) 이용

캐시와 CDN이 적용된 아키텍처

무상태(Stateless) 계층

• 웹 계층을 수평적으로 확장하려면, 상태 정보(사용자 세션 데이터 등)를 웹 계층에서 제거해야 한다.
• 상태 정보를 RDB나 NoSQL 같은 영속성 저장소에 보관하고, 필요할 때 가져오도록 한다. 이렇게 구성된 웹 계층을 무상태 웹 계층이라 부른다.

상태 정보 의존적인 아키텍처

• 상태 정보를 보관하는 서버의 경우, 사용자가 반드시 사용자의 세션 정보가 들어있는 서버에 요청을 보내야 하는 문제가 있다.

무상태 아키텍처

• 무상태 아키텍처는 HTTP 요청이 어떤 웹서버로든 전달될 수 있게 한다.
• 상태 정보가 필요한 경우 공유 저장소로부터 데이터를 가져온다. 따라서 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다.
• 무상태 웹 계층의 경우 Memcached/Redis와 같은 캐시 시스템일수도 있으며, NoSQL일수도 있다.

무상태 웹 계층으로 변경한 설계

데이터 센터

• 만약 서비스가 전 세계에서 이용하는 것이라면, 가용성을 높이기 위해 여러 데이터 센터를 지원하는 것이 필수이다.
• 위의 그림에 따르면 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내된다. 통상 이 절차를 지리적 라우팅(geoDNS-routing 또는 geo-routing)이라고 한다.
• 데이터센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.
• 아키텍처를 구현하기 위한 기술적 난제
  • 트래픽 우회
    • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다.
  • 데이터 동기화
    • 데이터 센터마다 별도의 DB를 사용하는 경우, 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회된다 해도 해당 데이터센터에 데이터가 없을 수 있다.
    • 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것이다.
  • 테스트와 배포
    • 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면, 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는 것이 중요하다.
    • 자동화된 배포 도구는 모든 데이터센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다.

메세지 큐

메시지 큐는 메시지의 무손실(durability)을 보장하는, 비동기 통신을 지원하는 컴포넌트이다.

메세지 큐의 구성

• 생산자/발행자(producer/publisher): 입력 서비스, 메세지를 만들어 메세지 큐에 발행한다.
• 소비자/구독자(consumer/subscriber): 메세지를 받아 그에 맞는 동작을 수행하는 서비스 또는 서버

장점

• 메세지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해진다. 이로 인하여 규모 확장성이 보장되어야 하는 안정적인 애플리케이션을 구성하기 좋다.
• 소비자는 생산자 서버가 가용한 상태가 아니더라도 메세지를 수신할 수 있다.

사용 예

• 이미지 크로핑/샤프닝/블러링 서비스
• 사진 보정 작업을 메세지 큐에 넣고, 보정 작업을 하는 프로세스은 이를 꺼내어 비동기적으로 완료한다

로그, 메트릭 그리고 자동화

• 서버의 규모가 커지면 로그와 메트릭, 자동화 등에 투자할 필요가 있다.
• 로그
  • 에러 로그를 모니터링하는 것은 중요하다
  • 서버 단위로 에러 로그를 모니터링할 수도 있지만, 단일 서비스로 모아주는 도구를 활용하면 편리하게 검색하고 조회할 수 있다.
• 메트릭
  • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있다.
  • 종류
    • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O
    • 종합(aggregated) 메트릭: DB 계층 또는 캐시 계층의 성능 같은 것이 해당된다.
    • 핵심 비즈니스 메트릭: 일별 능동 사용자, 수익, 재방문 같은 것이 여기 해당한다.
  • 자동화
    • 지속적 통합(Continuous Integration)
    • 빌드, 테스트, 배포 절차 자동화

데이터베이스의 규모 확장

• 저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다. 그때가 오면 데이터베이스를 증설할 방법을 찾아야 한다.

수직적 확장

• 기존 서버에 고성능의 자원(CPU, RAM, 디스크 등)을 증설하는 방법
• 고성능의 서버는 많은 양의 데이터를 보관하고 처리할 수 있다.
• 단점: CPU, RAM 등의 자원을 무한 증설할 수는 없음, SPOF로 인한 위험성, 고비용

수평적 확장

• 샤딩(sharding)이라고도 부른다.
• 더 많은 서버를 추가함으로써 성능을 향상시키며, 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할한다
• 예시
  • user_id % 4 해시를 사용하여 보관되는 샤드를 정한다.
  • 위의 해시에 따라 다음과 같이 데이터를 보관한다.

• 샤딩 전략을 구현할 때 중요한 점 - 샤딩 키(파티션 키) 정하기
  • 샤딩 키는 데이터가 어떻게 분산될 지 정하는 하나 이상의 칼럼으로 구성된다.
• 샤딩 도입시 생기는 문제
  • 데이터의 재 샤딩(resharding)
    • 데이터가 너무 많아져서 하나의 샤드로 감당하기 어려울 때
    • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때
    • 이런 경우 샤드 키를 계산하는 함수를 변경
  • 유명인사(celebrity) / 핫스팟 키 문제
    • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
    • 만약 케이티 페리, 저스틴 비버, 레이디 가가와 같은 유명인사의 데이터가 같은 샤드에 저장된다면 읽기 연산으로 과부하가 발생 → 각각에 샤드 하나씩을 할당하거나 더 잘게 쪼개야 한다
  • 조인과 비정규화
    • 하나의 데이터베이스를 여러 샤드 서버로 쪼개면, 샤드들에 걸친 데이터를 조인하기가 힘들어진다.
    • 해결 방법 → 비정규화하여 하나의 테이블에서 질의가 수행되도록 하는 것

로그, 메트릭, 자동화 그리고 데이터베이스 규모 확장을 적용한 아키텍처

정리

• 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