4. 처리율 제한 장치의 설계

• 처리율 제한 장치(Rate Limiter)
  • 클라이언트 또는 서비스가 보내는 트래픽의 처리율을 제어하기 위한 장치
  • API 요청 횟수가 제한 장치에 정의된 임계치(Threshold)를 넘어서면 추가로 도달한 모든 호출은 처리가 중단
• API에 처리율 제한 장치를 두면 좋은 점
  • DoS(Denial of Service) 공격에 의한 자원 고갈(Resource Starvation)을 방지할 수 있음
  • 비용 절감
    • 추가 요청에 대한 처리를 제한하면 서버를 많이 두지 않아도 되고, 우선순위가 높은 API에 더 많은 자원을 할당 할 수 있음
  • 서버 과부하를 막음
    • Bot에서 오는 트래픽이나 사용자의 잘못된 이용 패턴으로 유발된 트래픽을 걸러냄

1. 문제 이해 및 설계 범위 확정

   • 처리율 제한 장치를 구현하는 데 여러 가지 알고리즘 사용 가능
   • 면접관과 소통하며 어떤 제한 장치를 구현해야 하는지 분명히 할 것

2. 개략적 설계안 제시 및 동의 구하기

   • 처리율 제한 장치는 어디에 둘 것인가?
     • 클라이언트
       • 일반적으로 클라이언트는 처리율 제한을 안정적으로 걸 수 있는 장소가 아님 → 클라이언트 요청은 쉽게 위변조가 가능하기 때문
     • 서버
     • 미들웨어
       • 미들웨어가 API 서버로 가는 요청을 통제
       • 클라우드 마이크로 서비스의 경우 보통 API 게이트웨이라 불리는 컴포넌트에 구현
         • API 게이트웨이
           • 처리율 제한, SSL 종단(Termination), 사용자 인증(Authentication), 화이트 리스트 관리 등을 지원하는 완전 위탁형 관리 서비스
           • 클라우드 업체가 유지 보수를 담당하는 서비스
     • 일반적으로 적용될 수 있는 지침
       1. 프로그래밍 언어, 캐시 서비스 등 현재 사용하고 있는 기술 스택을 점검
       2. 사업 필요에 맞는 처리율 제한 알고리즘을 찾기. 서버 측에서 모든 것을 구현하기로 했다면 알고리즘은 자유롭게 선택 가능. 제3사업자가 제공하는 게이트웨이를 사용한다면 선택지는 제한
       3. 설계가 마이크로서비스에 기반하고 있고, API 게이트웨이를 이미 설계에 포함시켰다면 처리율 제한 기능 또한 게이트웨이에 포함시켜야 할 수도 있음
       4. 처리율 제한 서비스를 직접 만드는 데는 시간이 듦. 충분한 인력이 없다면 상용 API 게이트웨이를 쓰는 것이 바람직
   • 처리율 제한 알고리즘
     1. 토큰 버킷(Token Bucket)
        • 처리율 제한에 폭넓게 이용
        • 동작 원리
          • 토큰 버킷은 지정된 용량을 갖는 컨테이너
          • 이 버킷에 사전에 설정된 양의 토큰이 주기적으로 채워짐
          • 각 요청은 처리될 때마다 하나의 토큰을 사용
          • 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사
            • 충분한 토큰이 있는 경우, 버킷에서 토큰 하나를 꺼낸 후 요청을 시스템에게 전달
            • 충분한 토큰이 없는 경우, 해당 요청은 버려짐(Dropped)
        • 인자
          • 버킷 크기 : 버킷에 담을 수 있는 토큰의 최대 개수
          • 토큰 공급률(Refill Rate) : 초당 몇 개의 토큰이 버킷에 공급되는지
        • 통상적으로 API 엔드포인트마다 별도의 버킷을 둠
          • 사용자마다 하루에 한 번 포스팅을 할 수 있고, 좋아요 버튼은 다섯 번까지만 누를 수 있다면 2개의 버킷이 필요
        • IP 주소별로 처리율 제한을 적용해야 한다면 IP 주소마다 버킷을 하나씩 할당해야 함
        • 시스템의 처리율을 초당 10000개 요청으로 제한하고 싶다면, 모든 요청이 하나의 버킷을 공유하도록 해야 함
        • 장점
          • 쉬운 구현
          • 효율적인 메모리 사용
          • 짧은 시간에 집중되는 트래픽(Burst of Traffic)도 처리 가능
        • 단점
          • 두 개의 인자를 적절하게 튜닝하는 것이 까다로움
     2. 누출 버킷(Leaky Bucket)
        • 토큰 버킷 알고리즘과 비슷하지만 요청 처리율이 고정되어 있음
        • 보통 FIFO 큐로 구현
        • 동작 원리
          • 요청이 도착하면 큐가 가득 차 있는지 확인. 빈자리가 있는 경우 큐에 요청을 추가
          • 큐가 가득 차 있는 경우 새 요청을 버림
          • 지정된 시간마다 큐에서 요청을 꺼내어 처리
        • 인자
          • 버킷 크기 : 큐 사이즈와 같은 값. 큐에는 처리될 항목들이 보관
          • 처리율(Outflow Rate) : 지정된 시간당 몇 개의 항목을 처리할지 지정하는 값. 보통 초 단위로 표현
        • 장점
          • 큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적
          • 고청된 처리율을 갖기 때문에 안정적 출력(Stable Outflow Rate)이 필요한 경우 적합
        • 단점
          • 단시간에 많은 트래픽이 몰리는 경우 큐에는 오래된 요청들이 쌓이게 되고, 그 요청들을 제때 처리하지 못하면 최신 요청들은 버려짐
          • 두 개의 인자를 적절하게 튜닝하는 것이 까다로울 수 있음
     3. 고정 윈도우 카운터(Fixed Window Counter)
        • 동작 원리
          • 타임라인(Timeline)을 고정된 간격의 윈도우로 나누고, 각 윈도우마다 카운터를 붙임
          • 요청이 접수될 때마다 카운터의 값이 1씩 증가
          • 카운터의 값이 사전에 설정된 임계치에 도달하면 새로운 요청은 새 윈도우가 열릴 때까지 버려짐
        • 장점
          • 효율적인 메모리 사용
          • 이해하기 쉬움
          • 윈도우가 닫히는 시점에 카운터를 초기화하는 방식은 특정한 트래픽 패턴을 처리하기 적합
        • 단점
          • 윈도우 경계 부근에서 일시적으로 많은 트래픽이 몰려드는 경우, 기대했던 시스템의 처리 한도보다 많은 양의 요청을 처리
            • 분당 최대 5개의 요청을 허용하는 시스템에서, 2:00:30 ~ 2:01:30까지 시스템이 처리한 요청은 10개로, 허용 한계의 2배
     4. 이동 윈도우 로그(Sliding Window Log)
        • 고정 윈도우 카운터의 문제를 해결
        • 동작 원리
          • 타임스탬프(Timestamp)를 추적. 타임스탬프 데이터는 보통 레디스의 정렬 집합(Sorted Set)같은 캐시에 보관
          • 새 요청이 오면 만료된 타임스탬프는 제거. 만료된 타임스탬프는 그 값이 현재 윈도우의 시작 시점보다 오래된 타임 스탬프
          • 새 요청의 타임스탬프를 로그에 추가
          • 로그의 크기가 허용치보다 같거나 작으면 요청을 시스템에 전달. 그렇지 않은 경우 처리를 거부
        • 장점
          • 처리율 제한 메커니즘은 아주 정교해서 어느 순간의 윈도우를 보더라도 허용되는 요청의 개수는 시스템의 처리율 한도를 넘지 않음
        • 단점
          • 거부된 요청의 타임스탬프도 보관하기 때문에 다량의 메모리 사용
     5. 이동 윈도우 카운터(Sliding Window Counter)
        • 고정 윈도우 카운터 알고리즘과 이동 윈도우 로그 알고리즘을 결합
        • 구현하는데 두 가지 접근법이 사용될 수 있음
        • 동작 원리
          • 현재 1분간 요청의 수 + 직전 1분간의 요청 수 * 이동 윈도우와 직전 1분이 겹치는 비율
          • 3 + 5 * 70% = 6.5개
          • 반올림하거나 내림하여 쓸 수 있음
          • 내림으로 가정하고, 현재 윈도우에 6개의 요청이 온 것으로 가정
          • 분당 5개의 요청을 처리할 수 있으므로 1개의 요청은 무시
        • 장점
          • 이전 시간대의 평균 처리율에 따라 현재 윈도우의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 잘 대응
          • 효율적인 메모리 사용
        • 단점
          • 직전 시간대에 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하기 때문에 다소 느슨함
          • 큰 단점은 아님 → 클라우드플레어가 실시했던 실험에 따르면 40억 개의 요청 가운데 시스템의 실제 상태와 맞지 않게 허용되거나 버려진 요청은 0.003%에 불과함
   • 개략적인 아키텍처
     • 카운터는 메모리 상에서 동작하는 캐시가 바람직
       • 빠르고, 시간에 기반한 만료 정책을 지원하기 때문
     • 동작 원리
       1. 클라이언트가 처리율 제한 미들웨어에게 요청을 보냄
       2. 처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와서 한도에 도달했는지 아닌지 검사
          • 한도에 도달했다면 요청 거부
          • 한도에 도달하지 않았다면 요청은 API 서버로 전달하고, 미들웨어는 카운터의 값을 증가시킨 후 다시 레디스에 저장

3. 상세 설계

   • 처리율 제한 규칙
     • 보통 설정 파일(Configuration File) 형태로 디스크에 저장
   • 처리율 한도 초과 트래픽의 처리
     • 처리율 제한 장치가 사용하는 HTTP 헤더
       • X-Ratelimit-Remaining
         • 윈도우 내에 남은 처리 가능 요청의 수
       • X-Ratelimit-Limit
         • 매 윈도우마다 클라이언트가 전송할 수 있는 요청의 수
       • X-Ratelimit-Retry-After
         • 한도 제한에 걸리지 않으려면 몇 초 뒤 요청을 다시 보내야 하는지 알람
       • 사용자가 너무 많은 요청을 보내면 429 too many requests 오류를 X-Ratelimit-Retry-After 헤더와 함께 반환
     • 상세 설계
       • 처리율 제한 규칙은 디스크에 보관. 작업 프로세스(Workers)는 수시로 규칙을 디스크에서 읽어 캐시에 저장
       • 클라이언트가 요청을 서버에 보내면 요청은 먼저 처리율 제한 미들웨어에 도달
       • 처리율 제한 미들웨어는 제한 규칙을 캐시에서 가져오고, 카운터 및 마지막 요청의 타임스탬프를 레디스 캐시에서 가져옴. 가져온 값들에 근거하여 미들웨어는 결정을 내림
         • 해당 요청이 처리율 제한에 걸리지 않은 경우 API 서버로 보냄
         • 해당 요청이 처리율 제한에 걸렸다면 429 too many requests 에러를 클라이언트에 전송. 해당 요청은 버릴 수도 있고, 메시지 큐에 보관할 수도 있음
   • 분산 환경에서의 처리율 제한 장치의 구현
     • 경쟁 조건(Race Condition)
       • 병행성이 심한 환경에서는 경쟁 조건 이슈가 발생할 수 있음
         • 락 대신 사용할 해결책
           • 루아 스크립트(Lua Script)
           • 정렬 집합(Sorted Set)이라 불리는 레디스 자료구조 사용
     • 동기화 이슈
       • 처리율 제한 장치 서버를 여러 대 두게 되면 동기화가 필요해짐
       • 고정 세션(Sticky Session)을 활용하여 같은 클라이언트로부터의 요청은 항상 같은 처리율 제한 장치로 보낼 수 있도록 하기 → 규모면에서 확장 가능하지도 않고, 유연하지도 않기 때문에 비추천
       • 레디스와 같은 중앙 집중형 데이터 저장소를 사용
     • 성능 최적화
       • 여러 데이터센터를 지원하는 문제는 처리율 제한 장치에 매우 중요한 문제
       • 대부분의 클라우드 서비스 사업자는 세계 곳곳에 에지 서버(Edge Server)를 심어놓고 있음
       • 사용자의 트래픽을 가장 가까운 에지 서버로 전달하여 지연시간을 줄임
       • 제한 장치 간에 데이터를 동기화할 때 최종 일관성 모델(Eventual Consistency Model)을 사용
     • 모니터링
       • 채택한 처리율 제한 알고리즘이 효과적인지, 정의한 처리율 제한 규칙이 효과적인지 확인 필요

4. 마무리

   • 경성(Hard) 또는 연성(Soft) 처리율 제한
     • 경성 처리율 제한 : 요청의 개수는 임계치를 절대 넘어설 수 없다
     • 연성 처리율 제한 : 요청의 개수는 잠시 동안 임계치를 넘어설 수 있다
   • 다양한 계층에서의 처리율 제한
     • Iptables를 사용하면 IP 주소에 처리율 제한을 적용 가능
   • 처리율 제한을 회피하는 방법. 클라이언트를 어떻게 설계하는 것이 최선인가?
     • 클라이언트 측 캐시를 사용하여 API 호출 횟수를 줄임
     • 처리율 제한의 임계치를 이해하고, 짧은 시간 동안 너무 많은 메시지를 보내지 않도록 하기
     • 예외나 에러를 처리하는 코드를 도입하여 클라이언트가 예외적 상황으로부터 우아하게 복구될 수 있도록 함
     • 재시도(Retry) 로직을 구현할 때는 충분한 백오프(Back-Off) 시간을 두기