[책] 가상 면접 사례로 배우는 대규모 시스템 설계 기초 - 1
백엔드 개발을 공부하면서, 항상 대용량 트래픽/대규모 시스템에 대해 강조되는 것을 볼 수 있었는데, 이에 관해 자세히 정리된 책이 있어 읽고 정리한 글입니다.
1. 사용자 수에 따른 규모 확장성
- 단일 서버
단일 서버에서 사용자의 요청이 처리되는 과정
- 사용자는 도메인 이름을 이용하여 웹사이트에 접속, 이 때, 도메인이름을 DNS에 질의하여 IP 주소로 변환하는 과정 필요
- DNS 조회 결과로 IP 주소 반환
- 해당 IP 주소로 HTTP 요청 반환
- 요청을 받은 웹 서버는 HTML 페이지/ JSON 형태의 응답 반환
- 웹 애플리케이션 : 비즈니스 로직, 데이터 저장 등을 처리하기 위해 서버 구현용 언어, 프레젠테이션 용으로는 클라이언트 구현 언어 사용
- 모바일 앱 : HTTP 프로토콜을 이용해, JSON 포맷으로 응답
- 데이터베이스
사용자가 늘었다면, 서버 하나로는 충당할 수 없으므로 여러 서버를 두어야 한다. 하나는 웹/모바일 트래픽 처리 용도, 다른 하나는 데이터베이스용, 이렇게 하낟면 웹 계층과 데이터 계층을 분리해 독립적으로 확장해 나갈 수 있다.
- 관계형 데이터 베이스
RDBMS라고도 부르며, 자료를 테이블과 열, 칼럼으로 표현한다. SQL을 사용해 여러 테이블에 있는 데이터를 관계에 따라 조인하여 합칠 수 있다. - 비 관계형 데이터베이스
NoSQL라고도 부르며, 4가지 종류로 다시 나눌 수 있다. (key-value store, graph store, column store, document store) 이런 비관계형 데이터베이스는 일반적으로 조인 연산은 지원하지 않는다. - 무엇을 선택해야 하나?일반적인 경우, 관계형 데이터베이스가 최선이지만, 아래의 경우, 비 관계형 데이터베이스를 선택하는 것이 좋을 수도 있다.
- 아주 낮은 응답 지연시간 요구
- 다루는 데이터가 비정형
- 데이터를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
- 아주 많은 양의 데이터를 저장할 필요
- 수직적 규모 확장 vs 수평적 규모 확장
- 수직적 규모 확장(Scale up)서버에 고사양 자원을 추가하는 행위, 서버로 유입되는 트래픽의 양이 적을 때는 수직적 확장이 좋은 선택, 단순한 것이 장점, 그러나 몇가지 단점이 있다. 이런 단점 때문에, 대규모 애플리케이션을 지원할 때는 수평적 규모 확장이 적절하다.
- 한계가 있다. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다.
- 장애에 대한 자동복구 방안이나 다중화 방안을 제시하지 않는다. => 서버 장애시, 웹/앱은 중단된다.
- 수평적 규모 확장(Scale out)더 많은 서버를 추가하여 성능을 개선하는 행위
- 로드 밸런서
웹 서버가 다운되거나, 너무 많은 사용자가 접속하여 웹 서버가 한계에 도달하면 응답 속도가 느려지거나, 서버 접속이 불가능해질 수도 있다. 이를 해결하기 위해선 로드 밸런서를 도입해야 한다.
- 사용자는 로드밸런서의 공개 IP 주소로 접속한다. 웹 서버가 직접 클라이언트의 접속을 처리하지 않는다.
- 웹 서버가 2개이므로, 장애 자동복구 문제는 해소되고, 웹 계층의 가용성은 향상된다.
- 그러나, 웹 계층만일 뿐, 데이터 계층의 경우 데이터베이스 서버가 하나이기 때문에 데이터베이스 다중화가 필요하다.
- 데이터베이스 다중화
보통의 경우, 서버 사이에 master-slave 관계를 설정하고, 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.
쓰기 연산은 주 서버에서만 지원하고, 부 서버에서는 사본을 전달받고, 읽기 연산만을 지원한다. 보통의 경우 쓰기 연산보다 읽기 연산이 많기 때문에 주 서버보다는 부 서버의 수가 많다.
데이터베이스 다중화의 장점은 다음과 같다.
- 더 나은 성능 : 모든 데이터 변경 연산은 주 서버로만 전달, 읽기 연산은 부 서버로만 부산된다. 병렬 처리할 수 있는 query의 수가 늘어나므로 성능이 좋아진다.
- 안정성 : 데이터베이스 서버 가운데 일부가 문제가 생겨도 데이터가 보존 될 수 잇다.
- 가용성 : 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생해도 서비스할 수 있다.
위의 내용들을 종합하여 로드밸런서와 데이터베이스 다중화를 고려해 설계하면 다음과 같다.
- 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다.
- 사용자는 해당 IP주소를 사용해 로드밸런서에 접속한다
- HTTP 요청은 서버1이나 서버2로 전달된다.
- 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.
- 웹 서버는 데이터 변경 연산은 주 데이터베이스로 전달한다. 데이터 추가, 삭제, 갱신 연산 등
- 캐시
응답 속도를 개선하기 위해선, 캐시를 이용하는 방법, CDN을 이용하는 방법이 있다.
캐시는 값비싼 연산 결과, 자주 참조되는 데이터를 메모리 안에 두고 뒤이은 요청이 보다 빨리 저장될 수 있게 하는 저장소다.
캐시 계층은 데이터가 잠시 보관되는 곳으로, 데이터베이스보다 빠르다.
별도의 캐시 계층을 두면, 성능 개선뿐만 아니라 데이터베이스의 부하를 줄이고, 캐시 계층의 규모를 독립적으로 확장시킬 수 있다.
캐시 사용 시 유의해야 할 점은 다음과 같다.
- 캐시는 어떤 상황에 바람직한가? 데이터 갱신은 자주 일어나지 않지만, 참조는 빈번하게 일어난다면 고려
- 어떤 데이터를 캐시에 두어야 하는가? 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 적합하지 않다.
- 캐시에 보관된 데이터는 어떻게 만료되는가? 이에 대한 정책을 마련해 두어야한다.
- 일관성은 어떻게 유지되는가? 단일 트랜잭션의 경우 문제가 되지 않지만, 시스템을 확장해 단일 트랜잭션이 되지 않을 경우 어려운 문제가 된다.
- 장애에는 어떻게 대처할 것인가? 캐시 서버가 한 대일 경우, 단일 장애 지점이 되버릴 가능성이 있다. 따라서 캐시 서버를 분산시켜야 한다.
- 캐시 메모리는 얼마나 크게 잡을 것인가? 캐시 메모리가 작다면, 캐시의 성능이 떨어진다. 이를 막기 위해선, 과할당하는 방법이 있다.
- 데이터 방출 정책은 무엇인가? 캐시가 찼을 때, 기존 데이터를 삭제해야 하는데 주로 쓰이는 것은 LRU, LFU, FIFO가 있다.
- 콘텐츠 전송 네트워크
CDN이라고도 불리며, 정적 콘텐츠를 전송하는데 쓰이는, 지리적으로 분산된 서버의 네트워크이다.
요청 경로, 질의 문자열, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시하는 것이다.
CDN의 동작은 다음과 같다.
- 사용자 A가 이미지 URL을 이용해, image.png에 접근한다.
- CDN 서버의 캐시에 해당 이미지가 없는 경우, 원본 서버에 요청해 파일을 가져온다.
- 원본 서버가 파일은 CDN 서버에 반환한다. 응답의 헤더에는 TTL 값이 들어있다.
- CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다.
- 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송한다.
- 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리된다.
다음은 CDN 사용시 고려해야 할 사항이다.
- 비용 : CDN은 보통 Third-party에 의해 운영되고, 데이터 전송 양에 따라 요금이 측정된다.
- 적절한 만료 시한 설정 : 시의성이 중요한 콘텐츠의 경우 만료 시점을 잘 정해야한다.
- CDN 장애의 대처 방안 : CDN 서버가 장애가 생겼을 경우, 원본 서버로부터 직접 가져오는 전략을 설정할 수 있다.
- 콘텐츠 무효화 방법
CDN과 캐시를 추가한 설계는 다음과 같다.
- 무상태 웹 계층
웹 계층을 수평적으로 확장하는 방법을 생각해 보자. 이를 위해선 상태 정보를 웹 계층에서 제거하여야 한다.
바람직한 전략으느 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.
- 상태 의존적인 아키텍처상태 정보를 보관하는 서버는 클라이언트 정보는 상태를 유지해, 요청을 사이에 공유되도록 한다. 이렇게 한다면, 같은 클라이언트의 요청은 같은 서버로 전송되어야만 한다. 이를 지원하기 위해 로드밸런서는 고정 세션이라는 기능을 제공하는데 이는 로드밸런서에 부담을 준다.
- 무상태 아키텍처
무상태 아키텍처에서는 사용자의 HTTP 요청은 어떤 웹 서버로도 전달 될 수 있다. 상태 정보가 필요한 경우 공유 저장소로부터 데이터를 가져온다. 이렇게 된다면 단순하고, 안정적이며, 규모 확장이 쉽다.
- 데이터 센터
장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데 이를 지리적 라우팅이라 부른다.
데이터 센터 중 하나에 장애가 발생하면, 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.
다중 데이터센터 아키텍처를 만들기 위해선 다음과 같은 난제를 해결해야한다.
- 트래픽 우회
- 데이터 동기화
- 테스트와 배포
- 메시지 큐
메시지 큐는 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트다.
메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.
Publisher가 메시지 큐에 발행하면, Consumer가 메시지를 받아 그에 맞는 동작을 수행한다.
메시지 큐를 이요하면 서비스, 서버 간 결합이 느슨해져서 규모 확장성이 보장되는 안정적 애플리케이션을 구성하기 좋다.
- 로그,메트릭 그리고 자동화
소규모 웹 사이트의 경우, 로그나 메트릭, 자동화는 하면 좋지만 필수는 아니다. 그러나 규모가 커질 수록 필수적이다.
- 로그 : 에러 로그를 모니터링하는 것은 중요하다. 로그를 단일 서비스로 모아주는 도구를 활용하면 편리하다.
- 메트릭 : 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보, 시스템의 현재 상태를 파악할 수 있다.
- 호스트 단위 메트릭, 종합 메트릭, 핵심 비즈니스 메트릭
- 자동화 : 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야한다. => CI/CD
- 데이터베이스의 규모 확장
앞서 본, 스케일 업, 스케일 아웃 방식이 있다.
스케일 업 방식은 앞에서 얘기한 것과 마찬가지로, 한계, SPOF, 고비용으로 인해 단점이 있다.
데이터베이스의 스케일 아웃 방식은 샤딩이라고도 부른다.
샤딩이란, 샤드라고 부르는 작은 단위로 데이터베이스를 분할해 같은 스키마를 쓰지만 데이터 사이에 중복이 없다.
예를 들어, 4개의 샤드에 저장할 때 user_id를 기준으로 %4해서 데이터를 보관한다.
이 때 제일 중요한 것은, 샤딩 키를 어떻게 정하느냐 하는 것이다.
샤딩을 사용하며 생기는 문제는 다음과 같다.
- 데이터의 재 샤딩 : 하나의 샤드로는 감당하기 힘들 때, 데이터 분포가 균등하지 않을 때 => 샤드 키 함수 변경
- 유명인사 문제 : 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
- 조인과 비정규화 : 여러 샤드에 걸친 데이터를 조인하기가 힘들다 => 비정규화하여 하나의 테이블에서 질의 수행
이상으로, 1장의 내용들을 모두 살펴보았다.
많은 예시들과, 단일 서버에서부터 확장시키는 단계별 설명으로 잘 이해할 수 있었다.
마지막으로, 해당 장에서 설명한 내용들을 정리하면 다음과 같다.
- 웹 계층은 무상태 계층으로
- 모든 계층에 다중화 도입
- 가능한 많은 데이터를 캐시할 것
- 여러 데이터 센터를 지원할 것
- 정적 컨텐츠는 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
참고
1. 가상 면접 사례로 배우는 대규모 시스템 설계 기초 - 알렉스 쉬 저/이병준 역