단일 서버

• 모든 컴포넌트가 단 한 대의 서버에서 실행되는 간단한 시스템부터 설계해보자

• 웹 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행된다.

• 이 구성을 이해하기 위해서는 요청을 만드는 단말에 대해 이해해야한다.

사용자 요청 처리

1. 사용자는 도메인 네임으로 웹사이트에 접속한다. 도메인 네임 서비스에 질의하여 IP 주소로 변환한다. (이 과정은 외부 서비스를 이용, 우리 시스템의 일부가 아니다)
2. 해당 IP 주소로 HTTP 요청이 전달된다
3. 요청받은 웹서버는 응답을 반환한다.

• 실제 요청은 다음 두 종류의 단말로부터 온다.
  • 웹 애플리케이션 - 뭐세요?
  • 모바일 앱 - HTTP 프로토콜을 이용.

데이터베이스

사용자가 늘어나면 웹계층(웹 모바일 트래픽 처리 서버) 와 데이터 계층(데이터베이스 서버)를 분리할 수 있다.

방법

어떤 데이터베이스?

• 관계형 데이터베이스: 자료를 테이블과 열, 칼럼으로 표현한다. SQL을 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 조인하여 합칠 수 있다
• 비 관계형 데이터베이스: 네 부류로 나눌 수 있.

  • key-value store

  • graph store

  • column store

  • document store

    일반적으로 조인 연산은 지원하지 않는다.

• 대부분의 경우 RDB가 최선이지만 구축하는 시스템에 적합하지 않을 수도 있다. 아래의 경우 비 관계형 데이터베이스가 바람직할 수 있다.
  • 아주 낮은 latency 가 필요함
  • 다루는 데이터가 비정형임 (관계형 데이터가 아님)
  • 데이터를 (역)직렬화할 수만 있으면 됨.
  • 아주 많은 양의 데이터를 저장할 필요가 있음.

기대효과

웹서버 계층, 데이터 계층을 각각을 독립적으로 확장해 나갈 수 있는 것

수직적 vs 수평적

규모확장

• 수직적 규모확장 (vertical scaling) = scale up , 서버에 고사양 자원을 추가하는 행위
  
• 수평적 규모 확장 = scale out, 더 많은 서버를 추가하는 행위
  

수직적 규모확장은 단순하지만 한계가 있다ㄴ

• 한 대의 서버에 CPU나 메모리를 무한대로 증설할 수는 없겠다.
• 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다. ⇒ 서버에 장애가 발생하면 서비스는 완전히 중단된다
  

웹계층 확장 - 로드밸런서

방법

• 는 같은 load balancing set에 속한 웹 서버들에게 트래픽 부하를 고르게 분산한다.
• 사용자는 로드밸런서의 public IP address로 접속한다.
• 로드밸런서 - 서버간 통신에는 private IP address*가 이용된다.ㅡ

장애 시나리오

• 서버 1이 다운되면 모든 트래픽은 서버 2로 전송된다. 웹사이트 전체가 다운되는 일이 방지 된다.
• 트래픽이 더 증가해서 두 대의 서버로 감당할 수 없게되면 웹 서버 계층에 더 많은 서버를 추가하기만 하면 된다. 그러면 로드 밸런서가 자동적으로 해당 서버에도 트래픽을 분산한다.

효과

Load balancing set에 또 하나의 웹 서버를 추가하고 나면 장애를 자동복구하지 못하는 문제가 해소되고, 웹 계층의 가용성은 향상된다.

데이터계층 성능 개선- 데이터베이스 다중화

다중화?

• 보통 주-부(master-slave) 관계를 설정하여 원본은 주 서버에 사본은 부 서버에 저장하는 방식이다
• 쓰기연산은 마스터에서만 지원.
• slave는 master에게서 사본을 전달받음.

특징

• 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다.
• DML 같은 경우 주 데이터베이스로만 전달이 돼야한다.
• 보통은 읽기 연산이 더 많기 때문에 부 데이터베이스가 더 많다.

기대효과

• 더 나은 성능: 읽기연산의 병렬처리로 성능이 개선!
• 안정성(reliability): 자연재해 등의 이유로 데이터베이스 서버 일부가 파괴되어도 데이터는 보존된다
• 가용성(availability): 데이터를 여러 지역에 복제해두므로 하나의 데이터베이스 서버에 장애가 발생하더라도 계속 서비스할 수 있게된다.

장애 시나리오

• 부 서버가 한 대가 있고 그게 다운됨: 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달된다. 새로운 부 데이터베이스 서버 개설. 대체
• 주 데이터베이스 서버가 다운됨
  • 한 개의 부 데이터베이스만 있음: 해당 slave가 master가 된다. 일시적으로 모든 데이터베이스 연산이 master에서 실행될 것. 이 후 새로운 slave가 추가 될 것
  • production 환경에서 벌어지는 일은 더 복잡. ⇒ slave 에 보관돼있던 데이터가 최신상태가 아닐 수 있기 때문. 이는 복구 스크립트를 돌려 추가해주어야 함. +) multi-masters 또는 circular replication을 도입하면 이런 상황에 도움이 될 것.

---

이제 캐시와 CDN을 추가해 latency를 줄여보자

캐시

• 값비싼 연산 결과
• 자주 참조되는 데이터

를 메모리 안에 두고 같은 요청이 보다 빨리 처리될 수 있도록 하는 저장소

애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우, 캐시는 이 문제를 완화

캐시 계층

기대효과

• 성능 개선
• 데이터베이스 부하 완화
• 캐시 계층의 규모를 독립적으로 확장할 수 있게 되겠조

캐시 전략

ex. 읽기 주도형 캐시 전략 (read-through caching strategy)

1. 요청을 받은 웹서버는 캐시에 응답이 저장돼있는지 확인, 있으면 클라에 반환
2. 없으면 데이터베이스 질의
3. 캐시에 저장
4. 클라에 반환

캐시 사용 유의사항

• 캐시 쓸만한 상황인지 체크: 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다
• 어떤 데이터를 캐시에 두어야하는지 고민
  • 중요 데이터는 지속적 저장소에 두어야한다~
• 어떻게 만료되는가에 대한 정책 마련.
  • 만료 기한이 너무 짧으면 데이터를 너무 자주 읽게 되고
  • 만료기한이 너무 길면 데이터가 원본과 차이가 날 가능성이 높아진다.
• 일관성 유지 전략 원본 갱신 시 캐시 데이터 갱신이 단일 트랜잭션에서 처리되지 않는다면 일관성을 유지하기 힘들다. 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 이 일관성을 유지하기 어려운디. 페이스북 이야기 볼랭?
  
• 장애 대응 전략 만약 캐시서버를 한대만 두면 단일 장애 지점(SPOF)가 되어버릴 가능성이 있다.
  
• 캐시 메모리 크기
  • 너무 작으면 데이터가 너무 자주 밀려버려 캐시 성능이 떨어질 수 있다.
  • 캐시 메모리를 과할당하는 방법이 있다.

콘텐츠 전송 네트워크

• 정적 콘텐츠를 전송하는 데 쓰인다. 지리적으로 분산된 서버의 네트워크.
• 요청 경로, 질의 문자열, 쿠키, 오청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시하는 것이다.

시나리오

1. 사용자 A가 이미지 URL로 이미지에 접근한다.

   URL의 도메인은 CDN 서비스 사업자가 제공.

2. CDN 서버의 캐시에 해당 이미지가 없는 경우 서버는 원본 서버에 요청하여 파일을 가져온다.

3. 원본 서버가 파일을 CDN 서버에 반환한다. 응답의 HTTP 헤더이 TTL(Time-To-Live) 값이 들어있다.

4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다.

5. 사용자 B가 같은 이미지로 접근한다.

6. 만료되지 않은 경우 CDN의 캐시에서 처리된다.

고려사항

• CDN은 보통 third-party providers에 의해 운영된다. CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 내게 되므로 자주 사용되지 않는 콘텐츠는 캐싱하지 않도록한다.
  
• 적절한 만료 시한 설정: time-sensitive contents 의 경우 만료 시점이 너무 길면 콘텐츠의 신선도가 떨어진다. 하지만 너무 짧으면 원본 서버에 빈번히 접속하게 되어서 좋지 않음. 적절한 TTL을 잘 정해야한다.
• CDN 장애 대처 장애가 날 경우 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 구성할 수 있다.
  
• 콘텐츠 무효화 만료되지 않은 컨텐츠도 CDN에서 제거할 수 있다. (CDN이 제공하는 API 또는 object versioning)
  

기대효과

1. 정적 컨텐츠는 더이상 웹 서버를 통해 서비스하지 않으며 CDN을 통해 제공하여 더 나은 성능을 보장한다.
2. 캐시가 데이터베이스 부하를 줄여준다.

무상태 웹 계층

웹계층의 수평적 확장에 걸림돌이 하나 있따.

상태 정보 의존적인 아키텍처

같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야하는 문제. 로드 밸런서에서 sticky session을 제공하지만 이는 로드밸런서에 부담을 주고, 서버를 추가하거나 제거하기도 까다로워진다. 서버의 장애를 처리하기도 복잡해진다.

웹계층 수평적 확장 시에는 상태정보를 웹 계층에서 제거하여 무상태 웹 계층을 구성해야한다.

방법

상태 정보를 관계형 데이터베이스나 NoSQL같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.

무상태 아키텍처

• 세션 데이터를 웹계층에서 분리하고 지속성 데이터 보관소에 저장하도록 만들었다 이 공유 저장소는 RDB 일수도, 캐시 시스템일수도, NoSQL 일 수도 있다.
  • 여기서는 규모 확장이 간편한 NoSQL을 사용.

기대효과

• 트래픽 양에 따라 웹서버를 넣거나 빼기만 하면 자동으로 규모를 확장할 수 있게 되었다. = 오토스케일링을 사용할 수 있다
  

데이터 센터

우리의 웹사이트가 엄청 커져서 전세계에 사용자가 분포하게 된다면?

가용성을 높이고 전 세계 어디서나 쾌적하게 사용할 수 있도록 하기 위해서는 여러 데이터 센터를 지원하는 것이 필수다.

• 지리적 라우팅: (장애가 없는 상황에서) 사용자는 가장 가까운 데이터 센터로 안내하는 것. 이 과정에서, geoNDS가 사용자의 위치에 따라 어떤 IP 주소를 반환할지 결정할 수 있게 해준다.
  • 만약 두 데이터 센터 중 하나에 심각한 장애가 발생하면 모드 트래픽은 장애가 없는 데이터 센터로 전송된다.

구현을 위한 난제?

1. 트래픽 우회

   올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다.

   ⇒ GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해준다.

2. 데이터 동기화

   데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회되면 그 곳에는 찾는 데이터가 없을 수 있다.

   ⇒ 데이터를 여러 데이터 센터에 걸쳐 다중화한다. ex) 넷플릭스

3. 테스트와 배포

   여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트, 애플리케이션을 여러 위치에서 테스트 하는 것이 중요하다.

   ⇒ ?

메시지 큐

메시지의 무손실, 비동기 통신을 지원하는 컴포넌트다. 메시지 버퍼 역할을 하며 비동기적으로 전송한다.

1. 생산자 또는 발행자라는 입력서비스가 메시지를 만들어 메시지큐에 발행
2. 소비자 혹은 구독자라 불리는 서비스 혹은 서버가 연결되어 있는데, 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.

기대효과

• 서비스 또는 서버간 결합이 느슨해진다
• 규모 확장성이 보장돼야하는 안정적 애플리케이션을 구성하기 좋다

사용 예시

이미지의 cropping, sharpening, blurring 등을 지원하는 사진 보정 애플리케이션

웹서버는 사진 보정작업을 메시지 큐에 넣는다. 사진 보정 작업 프로세스들은 이 작업을 메시지 큐에서 꺼내 비동기적으로 완료한다.

큐의 크기가 커지면 작업 프로세스를 추가해서 처리 시간을 줄일 수 있다.

로그, 메트릭 그리고 자동화

로그

에러 로그를 모니터링 ⇒ 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있다.

서버 단위로도 가능하지만 서비스 단위로 로그를 모아주는 도구를 활용해 편리함을 높일 수있다.

메트릭

메트릭을 잘 수집하면

• 사업 현황에 관한 유용한 정보
• 시스템의 현재 상태

를 손쉽게 파악할 수 있다.

유용한 메트릭 몇 가지

• 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O
• 종합 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능 등
• 핵심 비즈니스 메트릭: DAU, revenue, retiontion 등

자동화

크고 복잡해진 시스템. 생산성을 높이기 위해 자동화 도구를 사용한다.

• 지속적 통합: 개발자가 만드는 코드를 검증하는 절차를 자동화할 수 있다. 빌드, 테스트, 배포의 자동화로 생산성을 크게 향상.

데이터베이스 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다. 이 때는 데이터베이스를 증설할 방법을 찾아야 한다. 데이터베이스의 규모를 확장하는 것도 수직적, 수평적 으로 나눌 수 있다.

수직적 확장

데이터베이스의 성능을 높인다. 하지만 웹계층의 수직적 확장과 동일한 약점들이 있따.

• 무한 증설 불가능
• SPOF 의 위험
• 고성능일 수록 당연히 비용도 높아진다

수평적 확장

샤딩

데이터베이스의 수평적 확장을 샤딩이라고 부른다. 더 많은 서버를 추가함으로써 성능을 향상 시킬수 있도록 하는 것이다.

샤딩은 대규모 데이터베이스를 샤드(shard)라고 하는 작은 단위로 분할하는 기술을 말한다.

모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.

예시

• 사용자 데이터를 어느 샤드에 넣을지 사용자 ID에 따라 정한다.
• user_id % 4 를 해시 함수로 사용해서 데이터가 보관되는 샤드를 정한다.

샤딩 키

파티션 키라고도 부른다.

• 하나 이상의 칼럼으로 구성.
• 예시의 경우 샤딩 키는 user_id가 되겠다.
• 데이터를 고르게 분할할 수 있도록 샤딩키를 설정해주어야 한다.

해결해야할 문제

• 데이터의 재 샤딩

  • 데이터가 너무 많아져서 하나의 샤드로는 더이상 감당하기 어려울 때

  • 샤드간 데이터 분포가 균등하지 못해서 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때

    ⇒ 샤드키를 계산하는 함수를 변경하고 데이터를 재배치해야함.

• 유명인사 문제 (핫스팟 키 문제 : 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제다. ⇒ 자주 질의되는 키 각각에 샤드 하나씩을 할당하거나 더 잘게 쪼갤 수 있다.
  
• 조인과 비정규화 : 여러 샤드에 걸친 데이터는 조인하기가 힘들어진다 ⇒ 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있게 한다.
  

---

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적.

앞에서 다룬 내용을 반복하다보면 우리가 원하는 규모의 시스템을 달성할 수 있게 된다.

하지만 수백만 사용자 이상을 지원하려면 새로운 전략을 도입해야 하고 지속적으로 시스템을 가다듬어야 할 것이다. ⇒ 시스템 최적화, 더 작은 단위의 서비스로 분할.

이번 장은 새롭게 등장하는 도전적 과제들을 해결하는 밑바탕이 되는 내용이었다. 정리하면

• 웹 계층은 무상태 계층으로
• 모든 계층에 다중화를 도입
• 가능한 한 많은 데이터를 개시할 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

---

참고

알렉스쉬, 『가상 면접 사례로 배우는 대규모 시스템 설계 기초』, 이병준(역), 인사이트, 2021