1. 사용자 수에 따른 규모 확장성

• 단일 서버

  

  • 사용자 요청이 처리 흐름
    1. 사용자는 도메인 이름을 이용하여 웹사이트에 접속
    2. DNS 조회 결과로 IP 주소가 반환
    3. 해당 IP 주소로 HTTP 요청 전달
    4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답 반환
  • 실제 요청이 오는 단말
    • 웹 애플리케이션
      • 비즈니스 로직, 데이터 저장 등을 처리하기 위해 서버 구현용 언어를 사용하고, 프레젠테이션용으로 클라이언트 구현용 언어를 사용
    • 모바일 앱
      • 모바일 앱과 웹 서버 간 통신을 위해 HTTP 프로토콜을 이용
      • HTTP 프로토콜을 통해서 반환될 응답 데이터의 포맷으로는 보통 JSON 사용

• 데이터베이스

  

  • 사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 함
  • 하나는 웹/모바일 트래픽 처리 용도. 다른 하나는 DB용
  • 어떤 DB를 사용할 것인가?
    • 관계형 DB
      • RDBMS라고도 부름
    • 비관계형 DB
      • NoSQL이라고도 부름
      • 종류
        • 키-값 저장소
        • 그래프 저장소
        • 칼럼 저장소
        • 문서 저장소
      • 일반적으로 조인 연산은 지원하지 않음
    • 아래와 같은 경우 비관계형 DB가 적절함
      1. 아주 낮은 응답 지연시간 요구
      2. 다루는 데이터가 비정형이라 관계형 데이터가 아님
      3. 데이터를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
      4. 아주 많은 양의 데이터를 저장할 필요가 있음

• 규모 확장

  • 수직적 규모 확장(Vertical Scaling)
    • 스케일 업(Scale Up)이라고도 함
    • 서버에 고사양 자원을 추가하는 행위
  • 수평적 규모 확장(Horizontal Scaling)
    • 스케일 아웃(Scale Out)이라고도 함
    • 더 많은 서버를 추가하여 성능을 개선하는 행위
  • 수직적 규모 확장의 한계
    • 수직적 규모 확장에는 한계가 있음. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 수 없음
    • 장애에 대한 자동복구(Failover) 방안이나 다중화(Redundancy) 방안을 제시하지 않음. 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단
  • 이러한 단점으로 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장이 적절

• 로드밸런서

  

  • 부하 분산 집합(Load Balancing Set)에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할을 함
  • 사용자는 로드밸런서의 공개 IP 주소로 접속 → 웹 서버는 클라이언트의 접속을 직접 처리하지 않음 → 보안을 위해 서버 간 통신에는 사설 IP 주소가 이용됨
  • 부하 분산 집합에 또 하나의 웹 서버를 추가하면 장애 자동복구 문제는 해소되며 가용성 향상
    • 서버 1이 다운되면 모든 트래픽은 서버2로 전송 → 웹 사이트 전체가 다운되는 일이 방지됨
    • 웹 사이트로 유입되는 트래픽이 가파르게 증가하면 두 대의 서버로 트래픽이 감당이 안될 수 있는데, 로드밸런서가 있으므로 더 많은 서버를 추가하기만 하면 됨 → 로드밸런서가 자동으로 트래픽을 분산

• 데이터베이스 다중화

  

  • 보통은 서버 사이에 주(Master)-부(Slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장

  • 쓰기 연산은 마스터에서만 지원. 부 데이터베이스는 주 데이터베이스로부터 사본을 전달받으며 읽기 연산만을 지원

  • 따라서 통상 부 데이터베이스는 주 데이터베이스의 수보다 많음

  • DB 다중화의 장점

    • 더 나은 성능
      • 주-부 다중화 모델에서 모든 데이터 변경 연산은 주 DB 서버로만 전달되는 반면 읽기 연산은 부 DB 서버들로 분산
      • 병렬로 처리될 수 있는 query의 수가 늘어나므로 성능이 좋아짐
    • 안정성(Reliability)
      • 자연 재해 등의 이유로 DB 서버 가운데 일부가 파괴되어도 데이터 보존
      • 데이터를 지역적으로 떨어진 여러 장소에 다중화시켜 놓을 수 있음
    • 가용성(Availability)
      • 데이터를 여러 지역에 복제해 둠으로써, 하나의 DB 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스 할 수 있게 함

  • DB 서버 중 하나가 다운되는 경우

    • 부 서버 다운
      • 부 서버가 한 대 뿐인데 다운된 경우 → 읽기 연산은 한시적으로 모두 주 DB로 전달
      • 부 서버가 여러 대인 경우 → 읽기 연산은 나머지 부 DB 서버들로 분산
    • 주 서버 다운
      • 한 대의 부 DB만 있는 경우 → 해당 부 DB가 새로운 주 서버가 됨
        • 프로덕션(Production) 환경
          • 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있음
          • 없는 데이터는 복구 스크립트(Recovery Script)를 돌려서 추가
          • 다중 마스터(Multi-Master)나 원형 다중화(Circular Replication) 방식을 도입하면 이러한 상황에 대처하는데 도움이 될 수 있으나 구성은 훨씬 복잡함

  • 로드 밸런서와 DB 다중화를 고려한 설계

    

    • 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받음
    • 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속
    • HTTP 요청은 서버 1이나 서버 2로 전달
    • 웹 서버는 사용자의 데이터를 부 DB 서버에서 읽음
    • 웹 서버는 데이터 변경 연산은 주 DB로 전달

• 캐시

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

  • 캐시 계층(Cache Tier)

    

    • 데이터가 잠시 보관되는 곳으로 DB보다 훨씬 빠름
    • 캐시 계층을 두면 성능이 개선되고, DB의 부하를 줄임
    • 요청받은 웹 서버는 캐시에 응답이 저장되어 있는지 확인
    • 저장되어 있다면 해당 데이터를 클라이언트에 반환 → 캐시 우선 읽기 전략(Read-Through Caching Strategy)

  • 캐시 사용 시 고려할 사항

    • 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어나는 경우

    • 영속적으로 보관할 데이터는 캐시에 두지 바람직하지 않음

    • 보관된 데이터에 대한 만료 정책

      • 만료된 데이터는 캐시에서 삭제되어야 함
      • 만료 기한이 너무 짧으면 DB를 너무 자주 읽게 되고, 너무 길면 원본과 차이가 날 수 있음

    • 일관성 유지

      • 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있음

    • 장애 대처

      

      • 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(SPOF, Single Point of Failure)이 되어버릴 수 있음
      • 단일 장애 지점
        • 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우
      • SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산시켜야 함

    • 캐시 메모리의 크기

      • 캐시 메모리가 너무 작으면 데이터가 자주 캐시에서 밀려나버려 캐시의 성능이 떨어짐

    • 데이터 방출 정책

      • 캐시가 꽉 찼을 때 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 함
      • LRU, LFU, FIFO 등

• 콘텐츠 전송 네트워크(Content Delivery Network)

  

  • 정적 콘텐츠를 전송하는데 쓰이는 분산된 서버의 네트워크

  • 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠 전달

  • 동작 순서

    1. 사용자 A가 URL을 이용해 image.png에 접근. URL의 도메인은 CDN 서비스 사업자가 제공
    2. CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본 서버에 요청하여 파일을 가져옴
    3. 원본 서버가 파일을 CDN 서버에 반환. 응답의 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지 설명하는 TTL 값이 들어있음
    4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환
    5. 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송
    6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리

  • CDN 사용 시 고려할 사항

    • 비용
      • CDN은 보통 제3 사업자에 의해 운영
      • CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 냄
      • 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로 CDN에서 빼는 것을 고려
    • 적절한 만료 시한 설정
      • 시의성이 중요한 콘텐츠의 경우 만료 시점을 잘 정해야 함
      • 너무 길면 신선도가 떨어지고, 너무 짧으면 원본 서버에 빈번히 접속해야 함
    • CDN 장애에 대한 대처 방안
      • CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야 함
    • 콘텐츠 무효화
      • 아직 만료되지 않은 콘텐츠라 하더라도 CDN에서 제거할 수 있음
        • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
        • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(Object Versioning) 이용. 콘텐츠의 새로운 버전을 지정하기 위해 URL 마지막에 버전 번호를 인자로 주면 됨

  • CDN과 캐시가 추가된 설계

    

    • 정적 콘텐츠는 더 이상 웹 서버를 통해 서비스하지 않으며, CDN을 통해 제공하여 더 나은 성능 보장
    • 캐시가 데이터베이스 부하를 줄여줌

• 무상태(Stateless) 웹 계층

  • 웹 계층을 수평적으로 확장하기 위해 상태 정보를 웹 계층에서 제거해야 함

  • 상태 정보 의존 아키텍처

    

    • 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 함
    • 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 함
    • 대부분의 로드밸런서가 이를 지원하기 위해 고정 세션(Sticky Session)이라는 기능을 제공하는데, 이는 로드밸런서에 부담을 주고 로드밸런서 뒤에 서버를 추가하거나 제거하기 까다로워짐

  • 무상태 아키텍처

    

    • 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있음
    • 웹 서버는 상태 정보가 필요할 경우 공유 저장소(Shared Storage)로부터 데이터를 가져옴 → 상태 정보는 웹 서버로부터 물리적으로 분리
    • 단순하고, 안정적이며 규모 확장이 쉬움

  • 무상태 웹 계층을 갖도록 설계를 변경

    

    • 세션 데이터를 웹 계층에서 분리하고 지속성 데이터 보관소에 저장하도록 만듦

• 데이터 센터

  

  • 지리적 라우팅(geoDNS-Routing 또는 get-routing)
    • 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내됨
    • 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스
  • 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송
  • 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 있게 함
    • 데이터 동기화(Synchronization)
      • 데이터 센터마다 별도의 데이터베이스를 사용한다면, 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회된다 해도, 데이터가 없을 수 있음
      • 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것
    • 테스트와 배포
      • 여러 데이터 센터를 사용하도록 시스템이 구성되었다면 여러 위치에서 테스트해봐야 함

• 메시지 큐

  

  • 메시지의 무손실(Durability)을 보장하는 비동기 통신(Asynchronous Communication)을 지원하는 컴포넌트
  • 메시지의 버퍼 역할을 하며 비동기적으로 전송
  • 생산자 또는 발행자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행
  • 큐에는 보통 소비자 혹은 구독자라 불리는 서비스 혹은 서버가 연결되어 있는데, 메시지를 받아 그에 맞는 동작을 수행
  • 메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋음
  • 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있음

• 로그, 메트릭, 자동화

  • 로그

    • 에러 로그를 모니터링하는 것은 중요. 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있도록 하기 때문
    • 에러 로그는 서버 단위로 모니터링 할 수 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있음

  • 메트릭

    • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수 있고, 시스템의 현재 상태를 손쉽게 파악할 수 있음
    • 호스트 단위 메트릭
      • CPU, 메모리, 디스크 I/O에 관한 메트릭
    • 종합(Aggregated) 메트릭
      • 데이터베이스 계층의 성능, 캐시 계층의 성능 등
    • 핵심 비즈니스 메트릭
      • 일별 능동 사용자, 수익, 재방문 등

  • 자동화

    • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 함
    • 지속적 통합을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있음

  • 메시지 큐, 로그, 메트릭, 자동화 등을 반영한 설계

    

    • 메시지 큐는 각 컴포넌트가 보다 느슨한 결합이 될 수 있도록 하고, 결함에 대한 내성을 높임
    • 로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치를 추가

• 데이터베이스 규모 확장

  

  • 수직적 확장

    • 스케일 업이라고도 함
    • 기존 서버에 더 많은, 또는 더 고성능의 자원을 증설하는 방법
    • 단점
      • 서버 HW에는 한계가 있으므로 무한히 증설할 수 없음
      • SPOF로 인한 위험성이 큼
      • 비용이 많이 듦

  • 수평적 확장

    • 샤딩이라고도 함
    • 더 많은 서버를 추가하여 성능을 향상
    • 데이터베이스를 샤드(Shard)라고 부르는 작은 단위로 분할
    • 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없음
    • 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키(Sharding Key)를 어떻게 정하는지
    • 샤딩 키는 파티션 키(Partition Key)라고도 부르는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성 → 샤딩 키를 정할 때 데이터를 고르게 분할 할 수 있도록 하는게 가장 중요
    • 단점
      • 데이터의 재 샤딩(Resharding)
        • 재 샤딩은 다음과 같은 경우 필요
          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)이라고도 부르는 이런 현상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치해야 함
        • 안정 해시(Consistent Hashing) 기법을 활용하면 문제 해결 가능
      • 유명인사(Celebrity) 문제
        • 핫스팟 키 문제라고도 함
        • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
        • 케이티 페리, 레이디 가가, 저스틴 비버가 같은 샤드에 저장되는 DB가 있다면 read 연산때문에 과부하가 걸릴 것
      • 조인과 비정규화(Join and Denormalization)
        • 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기 힘들어짐
        • 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하여 해결

  • 샤딩을 적용한 아키텍처

    

• 백만 사용자, 그리고 그 이상

  • 시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정
  • 시스템 규모 확장을 위한 기법 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