사용자 수에 따른 규모 확장성

단일 서버

• 웹, 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행됨.
• 사용자 요청이 처리되는 과정
  1. 사용자는 도메인 이름을 이용하여 웹사이트에 접속. 도메인 이름을 도메인 이름 서비스(Domain Name Service, DNS)에 질의하여 IP 주소로 변환.
  2. DNS 조회 결과로 IP 주소가 반환.
  3. 해당 IP 주소로 HTTP(HyperText Transfer Protocol) 요청이 전달.
  4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환.

데이터베이스

• 웹/모바일 트래픽 처리(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하면 그 각각을 독립적으로 확장해 나갈 수 있게 됨.

어떤 데이터베이스를 사용할 것인가?

관계형 데이터베이스(Relational Database Management System, RDBMS)

• MySQL, 오라클 데이터베이스, PostgreSQL 등.
• 자료를 테이블과 열, 칼럼으로 표현.
• 여러 테이블에 있는 데이터를 관계에 따라 조인(join)하여 합칠 수 있음.

비 관계형 데이터베이스

• NoSQL라고 불림.
• 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 데이터베이스가 바람직한 경우

• 아주 낮은 응답 지연시간(latency) 요구.
• 다루는 데이터가 비정형(unstructured)이라 관계형이 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

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

수평적 규모 확장

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

• 수직적 규모 확장에는 한계가 있다. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다.
• 수직적 규모 확장법은 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다. 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다.

로드밸런서

• 로드밸런서는 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 접속.
• 서버 간 통신에는 사설 IP 주소(private IP address)가 이용됨.
• 부하 분산 집합에 웹 서버를 추가함으로서 장애를 자동복구하지 못하는 문제(no failover)를 해소하고, 웹 계층의 가용성(availability)은 향상됨.
  • 서버 1이 다운되면(offline) 모든 트래픽은 서버 2로 전송됨. 따라서 웹 사이트 전체가 다운되는 일이 방지됨. 부하를 나누기 위해 새로운 서버를 추가할 수도 있음.
  • 웹 사이트로 유입되는 트래픽이 가파르게 증가하면 두 대의 서버로 트래픽을 감당할 수 없는 시점이 오는데, 로드밸런서가 있으므로 웹 서버 계층에 더 많은 서버를 추가하여 대응 가능.

데이터베이스 다중화

• 주(master)-부(slave) 관계 설정, 데이터 원본은 주 서버에, 사본은 부 서버에 저장.

• 쓰기 연산(write operation)은 마스터에서만 지원.

• 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산(read operation)만을 지원함.

• 데이터베이스 다중화 이득

  • 더 나은 성능: 모든 데이터 변경 연산은 주 데이터베이스 서버로만 전달되는 반면 읽기 연산은 부 데이터베이스 서버로 분산됨. 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로, 성능이 좋아진다.
  • 안정성(reliability): 데이터를 지역적으로 떨어진 여러 장소에 다중화시켜 놓을 수 있기 때문에 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존됨.
  • 가용성(availability): 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있음.

• 데이터베이스 서버 가운데 하나가 다운될 경우

  • 부 서버가 한 대 뿐인데 다운된 경우라면, 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달됨. 또한 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체. 부 서버가 여러 대인 경우에 읽기 연산은 나머지 부 데이터베이스 서버들로 분산될 것이며, 새로운 부 데이터베이스 서버가 장애 서버를 대체.
  • 주 데이터베이스 서버가 다운되면, 한 대의 부 데이터베이스만 있는 경우 해당 부 데이터베이스 서버가 새로운 주 서버가 될 것이며, 모든 데이터베이스 연산은 일시적으로 새로운 주 서버상에서 수행됨. 그리고 새로운 부 서버가 추가됨.

  복구 스크립트(recovery script)

  • 프로덕션(production) 환경에서는 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있기 때문에 없는 데이터는 복구 스크립트(recovery script)를 돌려서 추가해야 함.
  • 다중 마스터(multi-masters)나 원형 다중화(circular replication) 방식을 도입하면 이런 상황에 대처하는 데 도움이 될 수 있지만 해당 구성은 훨씬 복잡함.

캐시

• 캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소.

캐시 계층

• 캐시 계층(cache tier)은 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 가능해짐.
• 요청을 받은 웹 서버는 캐시에 응답이 저장되어 있는지를 확인, 만일 저장되어 있다면 해당 데이터를 클라이언트에 반환. 이러한 캐시 전략을 읽기 주도형 캐시 전략(read-through caching strategy)라고 부름.

캐시 사용 시 유의할 점

• 캐시는 어떤 상황에 바람직한가? 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 고려해볼 만함.

• 어떤 데이터를 캐시에 두어야 하는가? 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않음.

• 캐시에 보관된 데이터는 어떻게 만료(expire)되는가? 만료된 데이터는 캐시에서 삭제되어야 함. 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다. 만료 기간이 너무 짧으면 데이터베이스를 너무 자주 읽게 되고, 너무 길면 원본과 차이가 날 가능성이 높아짐.

• 일관성(consistency)은 어떻게 유지되는가? 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부다. 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성은 깨질 수 있다.

• 장애에는 어떻게 대처할 것인가? 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(Single Point of Failure, SPOF)이 되어버릴 가능성이 있다.

  단일 장애 지점(Single Point of Failure, SPOF)

  • 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우.

• 캐시 메모리는 얼마나 크게 잡을 것인가? 캐시 메모리가 너무 작으면 액세스 패턴에 따라서는 데이터가 너무 자주 캐시에서 밀려나버려(eviction) 캐시의 성능이 떨어지게 된다. 이를 막을 한 가지 방법은 캐시 메모리를 과할당(overprovision)하여, 캐시에 보관될 데이터가 갑자기 늘어났을 때 생길 문제도 방지할 수 있게 된다.

• 데이터 방출(eviction) 정책은 무엇인가? 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 한다. 이것을 캐시 데이터 방출 정책이라 하는데, LRU(Least Recently Used - 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책), 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) 등이 있다.

콘텐츠 전송 네트워크(CDN)

• 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크. 이미지, 비디오, CSS, Javascript 파일 등을 캐시할 수 있음.
• 어떤 사용자가 웹사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달

1. 사용자 A가 이미지 URL을 이용해 image.png에 접근. URL의 도메인은 CDN 서비스 사업자가 제공한 것.
2. CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본(origin) 서버에 요청하여 파일을 가져옴.
3. 원본 서버가 파일을 CDN 서버에 반환. 응답의 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지를 설명하는 TTL(Time-To-Live)값이 들어 있음.
4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환. 이미지는 TTL에 명시된 시간이 끝날 때까지 캐시됨.
5. 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송.
6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리.

CDN 사용 시 고려해야 할 사항

• 비용: CDN은 보통 제3 사업자(third-party providers)에 의해 운영되며, 들어가고 나가는 데이터 전송 양에 따라 요금을 내게 됨.
• 적절한 만료 시한 설정: 시의성이 중요한(time-sensitive) 콘텐츠의 경우 만료 시점을 잘 정해야 함.
• CDN 장애에 대한 대처 방안: CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려.
• 콘텐츠 무효화(invalidation) 방법: 아직 만료되지 않은 콘텐츠라 하더라도 아래 방법으로 CDN에서 제거 가능.
  • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화.
  • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(object versioning) 이용.(image.png?v=2)

무상태(stateless) 웹 계층

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

상태 정보 의존적인 아키텍처

• 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 함. 무상태 서버에는 이런 장치가 없음.
• 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 문제가 존재.
• 로드밸런서가 지원하는 고정 세션(sticky session)이라는 기능을 사용할 수도 있지만, 이는 로드밸런서에 부담을 줌.

무상태 아키텍처

• 웹 서버는 상태 정보가 필요할 경우 공유 저장소(shared storage)로부터 데이터를 가져옴.
• 상태 정보는 웹 서버로부터 물리적으로 분리되어 있음.
• 단순하고, 안정적이며, 규모 확정이 쉬움.

데이터 센터

• 전 세계 어디서도 쾌적하게 사용할 수 있도록 하기 위해서 여러 데이터 센터(data center)를 지원하는 것이 필수.
• 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데, 이 절차를 지리적 라우팅(geoDNS-routing 또는 geo-routing)이라고 부름.
• 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송됨.
• 다중 데이터센터 아키텍처를 만들려면 몇 가지 기술적 난제를 해결해야 함.
  • 트래픽 우회: 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 함. GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해줌.
  • 데이터 동기화(synchronization): 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어(failover) 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터센터에는 찾는 데이터가 없을 수 있음. 보편적으로 데이터를 여러 데이터센터에 결쳐 다중화하여 대응.
  • 테스트와 배포(deployment): 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테이스해 보는 것이 중요. 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 함.

메시지 큐

• 메시지 큐는 메시지의 무손실(durability, 즉 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는, 비동기 통신(asynchronous communication)을 지원하는 컴포넌트.
  • 메시지의 버퍼 역할을 하며, 비동기적으로 전송함.
  • 생산자 또는 발행자(producer/publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish).
  • 소비자 혹은 구독자(consumer/subscriber)라 불리는 서비스 혹은 서버가 메시지를 받아 그에 맞는 동작을 수행하는 역할을 함.
• 메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋음.
• 생산자는 소비가 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있음.

로그, 메트릭 그리고 자동화

• 소규모 웹 사이트를 만들 때는 로그나 메트릭(metric), 자동화(automation) 같은 것을 하면 좋지만 꼭 할 필요는 없음. 하지만 웹 사이트와 함께 사업 규모가 커지고 나면, 그런 도구에 필수적으로 투자해야 함.
• 로그: 에러 로그를 모니터링. 서버 단위로 모니터링 할 수도 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있음.
• 메트릭: 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있음.
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O에 관한 메트릭.
  • 종합(aggregated) 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능.
  • 핵심 비즈니스 메트릭: 일별 능동 사용자(daily active user), 수익(revenue), 재방문(retention).
• 자동화: 생산성을 높이기 위해 자동화 도구를 활용해야 함. 지속적 통합(continuous integration)을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있음. 빌드, 테스트, 배포 등의 절차를 자동화할 수 있음.

메시지 큐, 로그, 메트릭, 자동화 등을 반영

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

데이터베이스 규모 확장

수직적 확장

• 스케일 업(scale up)
• 기존 서버에 더 많은, 또는 더 고성능의 자원을 증설하는 방법.
• 데이터베이스 서버 하드웨어에는 한계가 있으므로 CPU, RAM 등을 무한 증설할 수는 없음.
• SPOF(Single Point of Failure)로 인한 위험성이 큼.
• 비용이 많이 듬. 고성능 서버로 갈수록 가격이 올라감.

수평적 확장

• 샤딩(sharding)
• 더 많은 서버를 추가함으로써 성능을 향상
• 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할.
• 모든 샤드는 같은 스키마를 쓰지만 샤드를 보관하는 데이터 사이에는 중복이 없음.
• 샤딩 전략을 구현할 때 고려해야할 가장 중요한 것은 샤딩 키(sharding key)를 어떻게 전하느냐 하는 것.
• 샤딩 키는 파티션 키(partition key)라고 불리며, 데이터가 어떤게 분산될지 정하는 하나 이상의 칼럼으로 구성.
• 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있음.
• 샤딩 키를 정할 때는 데이터를 고르게 분할 할 수 있도록 하는 것이 중요.
• 샤딩을 도입하면 시스템이 복잡해지고 풀어야 할 새로운 문제도 발생.
  • 데이터의 재 샤딩(resharding): (1) 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때. (2) 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때. 샤드 소진(shard exhaustion)이라고 부르는 이런 현상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치하여야 한다.
  • 유명인사(celebrity) 문제: 핫스팟 키(hotspot key) 문제라고도 부름. 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제.
  • 조인과 비정규화(join and de-normalization): 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기가 힘들어짐. 이를 해결하기 위해 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 해야 함.

백만 사용자, 그리고 그 이상

• 시스템의 규모를 확장하는 것은 지속적이고 반복적(iterative)인 과정.
• 시스템 규모 확장을 위한 기법
  • 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

출처

• http://www.yes24.com/Product/Goods/102819435