1장. 사용자 수에 따른 규모 확장성

단일 서버

단일 서버란 모든 컴포넌트가 단 한 대의 서버에서 실행되는 시스템이다. 웹, 앱, 데이터베이스, 캐시 등이 전부 한 대의 서버에서 실행된다.

 

데이터베이스

단일 서버 시스템은 사용자가 많아지게 되면 충분하지 않다. 단일 서버 시스템에서 트래픽 처리 서버와 데이터베이스 서버를 분리하면 각각을 독립적으로 확장해나갈 수 있게 된다.

 

그렇다면 어떤 데이터베이스를 사용해야 될까?
정답은 정해져 있지 않다. 구축하려는 시스템에 바람직한 데이터베이스를 선택해야 한다. 데이터베이스는 관계형데이터베이스와 비-관계형 데이터베이스 사이에서 선택할 수 있다. 각 데이터베이스의 특징은 다음과 같다.

• 관계형 데이터베이스(RDBMS)
  • MySQL, ORACLE, PostgreSQL, ...
  • 자료를 테이블과 열, 칼럼으로 표현
  • 여러 테이블에 있는 데이터를 관계에 따라 조인하여 합칠 수 있음
• 비 관계형 데이터베이스(NoSQL)
  • CouchDB, Neo4j, Cassandra, HBase, ...
  • 키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소로 나눌 수 있음
  • NoSQL은 일반적으로 조인 연산을 지원하지 않음
  • 비 관계형 데이터베이스가 바람직할 수 있는 상황
    • 아주 낮은 응답 지연시간이 요구됨 - ?? 이 때는 왜 ?? 관계형 데이터는 지연시간이 긴가?
    • 다루는 데이터가 비정형 데이터임
    • 데이터(JSON, YAML, XML 등)를 직렬화(serialize)하거나 역직렬화 할 수 있기만 됨
    • 아주 많은 양의 데이터를 저장해야 될 때

 

수직적 규모 확장 vs 수평적 규모 확장

시스템을 확장할 때 단순히 자원을 추가하여 확장해야되는지, 서버를 추가하여 확장할 것인지도 정답이 정해져 있지 않다. 현재 시스템을 고려하여 어떤 선택이 좋은 선택인지 파악하고, 시스템에 적합한 방법을 선택해야 한다.

서버로 유입되는 트래픽의 양이 적을 때는 수직적 확장이 좋은 선택이 될 수 있다. 하지만 수직적 확장의 단점으로 인해, 대규모 애플리케이션의 경우 수평적 규모 확장법을 사용하는 것이 적합하다.

 

스케일 업 (수직적 규모 확장)

• 서버에 고사양 자원을 추가하는 행위 (더 좋은 CPU, 더 많은 RAM)
• 서버로 유입되는 트래픽이 적을 때 좋은 선택이 될 수 있음
• 단점
  
  • 규모 확장에 한계가 있음
    • 한 대의 서버에 CPU나 메모리를 무한대로 증설 할 수 없음
  • 장애에 대한 자동복구 방안이나 다중화 방안이 없음
    • 서버에 장애가 발생하면 웹사이트/앱이 완전히 중단됨

스케일 아웃 (수평적 규모 확장)

• 더 많은 서버를 추가하여 성능을 개선하는 행위

 

로드밸런서

사용자가 웹 서버에 바로 연결될 경우, 웹 서버가 다운되면 사용자는 웹 사이트에 접속할 수 없다. 또한 많은 사용자가 접속하여 웹 서버가 한계 상황에 도달하게 되면 응답 속도가 느려지거나 서버 접속이 불가능해질 수 있다. 이 때, 부하 분산기/로드밸런서를 도입하면 문제를 해결할 수 있다.

 

데이터베이스 다중화

서버 사이에 주(master)-부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.

쓰기 방식과 데이터베이스를 변경하는 명령어는 마스터에만 지원하고, 부 데이터베이스는 주 데이터베이스로부터 사본을 전달 받으며, 읽기 연산만을 지원한다.

• 장점
  • 향상된 성능
    • 데이터 변경 연산은 주 데이터베이스 서버로만 전달되고, 읽기 연산은 부 데이터베이스 서버로 분산된다. 이로 인해 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로, 성능이 좋아진다.
  • 안정성
    • 데이터베이스 서버 중 일부가 파괴되어도 데이터가 보존될 수 있다. (데이터를 지역적으로 떨어진 장소에 다중화 시켜놓을 수 있기 때문)
  • 가용성
    • 데이터를 여러 지역에 복제함으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도, 다른 서버에 있는 데이터를 가져와 서비스할 수 있다.

캐시

값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빠르게 처리될 수 있도록 하는 저장소이다. 애플리케이션 성능은 데이터베이스를 얼마나 자주 호출하느냐에 영향을 받는데, 캐시를 통해 성능을 개선할 수 있다.

 

콘텐츠 전송 네트워크(CDN)

정적 콘텐츠를 전송하는데 쓰이는, 지리적으로 분산된 서버의 네트워크이다. 요청 경로, 질의 문자열, 쿠키, 등의 정보에 기반하여 HTML 페이지를 캐시하는 것이다.

 

무상태 웹 계층

상태정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거하고 NoSQL과 같은 지속성 저장소에 보관하여 필요할 때 가져오도록 하는 구조이다.

 

데이터 센터

여러 개의 데이터 센터를 사용할 때, 한 데이터 센터에 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송되도록 해야 한다. 하지만 이를 위해서는 다음과 같은 문제를 해결해야 한다.

• 트래픽 우회
  • 여러 데이터 센터 중 올바른 데이터 센터로 트래픽을 전달하는 방법을 찾아야 한다.
  • GeoDNS의 경우 사용자에게 가장 가까운 데이터센터로 트래픽을 보낼 수 있다.
• 데이터 동기화
  • 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회하더라도, 해당 데이터센터에서 찾는 데이터가 없을 수 있다. 이러한 경우는, 데이터를 여러 데이터센터에 걸쳐 다중화하여 해결할 수 있다. - 데이터 다중화와 동기화의 관계 찾아보기
• 테스트와 배포
  • 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트하는 것이 중요하다.

 

메시지 큐

시스템을 더 큰 규모로 확장하기 위해서는 시스템의 컴포넌트를 분리하여, 각기 독립적으로 확장될 수 있도록 해야 한다. 실제 분산 시스템에서는 메시지 큐를 사용하여 독립적인 확장을 할 수 있도록 한다.

 

메시지 큐

• 메시지의 무손실을 지원하는 컴포넌트이다.
• 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.
• 메시지 큐의 기본 아키텍처 
  • 생산자 또는 발생자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행함
  • 큐에는 소비자 혹은 구독자라 불리는 서비스 혹은 서버가 연결되어, 메시지를 받아 그에 해당되는 동작을 수행함
• 메시지 큐를 사용하면 서비스 또는 서버 간 결합도가 낮아지기 때문에 규모 확장성이 보장되어야 하는 애플리케이션을 구성하기 좋다.
• 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발생할 수 있고, 소비자는 생산자 서비스가 가용되는 상태가 아니더라도 메시지를 수신할 수 있다.

 

로그, 메트릭 그리고 자동화

소규모 웹 사이트의 경우에는 로그나 메트릭, 자동화 같은 도구를 사용하면 좋지만 필수적인 요소는 아니다. 하지만, 시스템의 규모가 커진다면 로그, 메트릭, 자동화 도구를 필수적으로 투자해야 한다.

로그

• 시스템의 오류와 문제들을 쉽게 찾아낼 수 있도록 하기 때문에 에러 로그를 모니터링하는 것은 중요하다.
• 에러 로그를 서버 단위로 모니터링 할 수 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 더욱 편리하게 검색하고 조회할 수 있다.

메트릭

• 메트릭을 통해 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 쉽게 파악할 수 있다.
• 호스트 단위 매트릭: CPU, 메모리, 디스크 I/O
• 종합 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능
• 핵심 비즈니스 메트릭: 일별 능동 사용자(DAU), 수익, 재방문 

 

자동화

• 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해아 한다.
• 지속적 통합(Continuous Integration)을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 쉽게 문제를 감지할 수 있다. 이 외에도 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어 개발 생산성을 향상할 수 있다.

 

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하가 증가한다. 이 때, 데이터베이스의 규모를 확장하는 두 가지 방법이 있다.

 

수직적 확장

• 기존 서버에 더 많은, 또는 고성능의 자원을 증설하는 방법이다.
• 단점
  • 하드뒈어의 한계로 무한 증설할 수 없다.
  • SPOF로 인한 위험성이 크다.
  • 비용이 많이 든다.

수평적 확장

• 데이터베이스의 수평적 확장을 샤딩이라고 한다.
• 샤딩
  • 대규모 데이터베이스를 샤드라는 작은 단위로 분할하는 기술
  • 모든 샤드는 같은 스키마를 사용하지만, 샤드에 보관되는 데이터 사이에는 중복이 없음
  • 샤딩 전략을 구현할 때, 샤딩 키를 정하는 것이 중요하다.
    • 샤딩 키를 통해 올바를 데이터베이스에 질의를 보내어 데이터 조회나 변경을 차리하므로 효율을 높일 수 있기 때문에, 샤딩 키를 통해 데이터를 고르게 분할 할 수 있도록 하는 것이 중요하다.
  • 샤딩을 통해 데이터베이스 규모 확장을 할 수 있지만, 이를 도입한다면 시스템이 복잡해지고 다음과 같은 문제가 발생할 수 있다.
    • 데이터의 재 샤딩
    • 유명인사 문제
    • 조인과 비정규화 

 

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정이기 때문에, 이를 반복하다보면 원하는 규모의 시스템을 달성할 수 있게 되지만, 수백만 사용자 이상을 지원하기 위해서는 새로운 전략을 도입하고 지속적으로 시스템을 가다듬어야 할 것이다.

 

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 독립적으로 서비스로 분할할 것
• 시스템을 지속적으로 모니터링하고, 자동화 도구들을 활용할 것 

 

출처: 가상 면접 사례로 배우는 대규모 시스템설계 기초