1장 사용자 수에 따른 규모 확장성

가상 면접 사례로 배우는 대규모 시스템 설계 기초

 

단일 서버

단일 서버란 ? 웹, 앱, 데이터베이스, 캐시 등이 전부 서버 한대에서 실행되는 것

 

 

사용자의 요청이 처리되는 과정

 

1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹 사이트에 접속하려고 한다. 이 접속을 위해서는 도메인 이름을 도메인 이름 서비스(DNS, Domain Name Service)에 질의하여 IP 주소로 변환하는 과정이 필요합니다.
   DNS는 보통 3rd party가 제공하는 유료 서비스를 이용하게 됩니다.
2. DNS 조회 결과로 IP 주소가 반환이 된다.(15.125.23.214)
3. 해당 IP 주소로 HTTP(HyperText Transfer Protocol) 요청이 전달된다.
4. 요청을 받은 웹 서버는 HTML or JSON(JavaScript Object Notation) 반환이 된다.

데이터베이스

웹 서버는 웹/모바일 트래픽 처리 용도(웹 계층), 데이터베이스 서버는 웹 서버와 데이터베이스 간의 데이터 처리용(데이터 계층)

 

어떤 데이터베이스를 사용할 것인가?

데이터 베이스 종류는 관계형 데이터베이스(RDBMS), 비-관계형 데이터베이스(NoSQL)이 있습니다.

 

RDBMS는 자료를 테이블과 열, 칼럼으로 표현하며, SQL을 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 조인(join)하여 합칠 수 있다.

 

NoSQL은 RDBMS와 다르게 조인 연산을 지원하지 않는다.

 

RDBMS 종류는 Oracle, MySQL, MSSQL, PostgreSQL 등 있고

NoSQL 종류는 CouchDB, Neo4j, Gassandra, HBase, Amazon DynamoDB 등 있습니다.

 

NoSQL

 

NoSQL에서도 4가지로 나눌 수 있습니다.

1. 키-값 저장소(key-value store)
2. 그래프 저장소(graph store)
3. 칼럼 저장소(column store)
4. 문서 저장소(document store)

아래 같은 경우에는 NoSQL를 선택하는게 바람직한 선택일 수 있다.

• 아주 낮은 응답 지연시간(latency)이 요구됨
• 다루는 데이터가 비정형(unstructured)이라 관계형 데이터가 아님
• 데이터(JSON, YAML, XML 등)를 직렬화하거나(serialize) 역직렬화(deserialize) 할 수 있기만 하면 됨
• 아주 많은 양의 데이터를 저장할 필요가 없음

수직적 규모 확장 vs 수평적 규모 확장

 

수직적 규모 확장(vertical scaling)

스케일 업(scale up)라고 부르기도 하며 서버 자원(CPU, RAM)을 고사양으로 업그레이드 하는 행위

 

장점

• 사양만 늘리면 되기 때문에 단순하다.

단점

• 확장에 한계가 있다. CPU나 RAM을 무한대로 늘릴수가 없다.
• 자동복구(failover)나 다중화(re-dundancy) 방안이 없다.
• 서버가 장애가 발생하면 전체 서비스에 영향이 미친다.

 

수평적 규모 확장(horizontal scaling)

스케일 아웃(scale out)라고 부르기도 하며 더많은 서버를 추가하여 성능을 개선하는 행위

 

 

현재 구조 문제

사용자가 바로 웹 서버에 연결 되기 때문에 웹 서버가 다운이 되면 웹 서버에 접속을 할 수 없고.

트래픽 양이 증가하여 웹 서버가 한계 상황에 도달하게 될 경우 응답 속도가 느려지거나 서버 접속이 불가능해질 수 있다.

 

로드밸랜서

위 문제점을 개선하기위해 부하 분산기 or 로드밸랜서(load balancer) 도입 하였다.

 

동작방식

1. 사용자는 공개 IP(Public IP)를 통해 접속한다.
2. 웹 서버는 사용자의 접속을 직접 처리하지않고 로드밸랜서를 통해 처리한다.
3. 로드 밸런서와 웹 서버는 보안을 위해 사설 IP(Private IP)를 통해 통신한다.

 

또한 웹 서버를 Scale out으로 추가하였기 때문에 장애를 자동복구하지 못하는 문제(no failover)가 해소되며 웹 계층의 가용성(availability)가 향상됩니다.

 

• 만약 웹 서버 1이 다운이 될 경우 모든 트래픽이 웹 서버2로 전송됩니다. 
• 트래픽이 증가하더라도 로드밸랜서에 의해 트래픽이 분산되어 과부하가 걸리지 않습니다.

 

현재 구조 문제

웹 계층은 장애의 자동복구나 다중화를 지원하는데 데이터 계층은 아직 구성이 안되어있다.

 

데이터베이스 다중화

데이터베이스 다중화는 주(master) - 부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식입니다.

쓰기 연산(read operation)은 주 데이터베이스(마스터)에서만 지원한다.

부 데이터베이스(slave)는 주 데이터베이스(마스터)에서 사본을 전달 받으며, 읽기 연산(read operation)만을 지원한다.

대부분 어플리케이션은 읽기 연산이 쓰기 연산보다 비중이 높기 때문에 주 데이터베이스 보다 수가 많다.

 

 

데이터베이스 다중화 이점

• 더 나은 성능 : 모든 데이터의 변경 연산은 주 데이터베이스로만 전달되고 읽기 연산은 부 데이터베이스 서버들로 분산이 되므로 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로, 성능이 좋아진다.
• 안정성 : 데이터를 지역적으로 떨어진 여러 장소에 다중화 시켜놓을 수 있기 때문에 데이터베이스 일부가 파괴되어도 안전하다.
• 가용성 : 데이터를 여러 지역에 복제함으로써 하나의 데이터베이스에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스가 가능하다.

 

 데이터베이스 서버 하나가 다운 될 경우

• 부 데이터베이스 서버가 1개 뿐이라면 읽기 연산은 주 데이터베이스로 전달이 될 것이다.
• 부 데이터베이스 서버가 여러개 라면 나머지 부 데이터베이스 서버들로 분산이 될 것이다.
• 주 데이터베이스 서버가 다운이 될 경우 한 대의 부 데이터베이스가 있을 경우 부 데이터베이스 서버가 주 서버가 될 것이며
  모든 데이터베이스 연산은 주 서버가 담당하게 됩니다. 새로운 부 데이터베이스 서버가 추가 됩니다.
  현재 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있기 때문에 복구 스크립트(recovery script)를 돌려 추가해야한다.
  다중 마스터(multi-matsers)나 원형 다중화 방식(circular replication) 방식을 도입하면 도움이 되지만 많이 복잡하다.

 

동작방식

• 사용자는 DNS로부터 로드밸랜서의 공개 IP 주소를 받는다.
• 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속한다.
• HTTP 요청은 서버 1 이나 서버 2로 전달된다.
• 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.
• 웹 서버는 데이터 변경 연산은 주 데이터베이스로 전달한다. 데이터 추가, 삭제, 갱신 연산 등이 여기에 해당한다.

 

개선점

응답시간(latency)를 개선할 수 있습니다. 응답 시간은 캐시(cache)를 붙이고, 정적 콘텐츠는 콘텐츠 전송 네트워크(CDN, Content Delivery Network)로 옭기면 개선할 수 있습니다.

 

캐시

캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고 보다 빨리 처리될 수 있도록 하는 저장소

어플리케이션 성능은 데이터베이스를 얼마나 자주 호출하느냐에 따라 좌우 되는데, 캐시는 이러한 문제를 완화시켜줍니다.

 

캐시 계층(cache tier)

캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있습니다.

캐시 계층(cache tier)

1. 웹 서버가 요청을 받으면 캐시에 데이터가 저장되어있는지 확인합니다.
2. 만약 데이터가 있을 경우 바로 반환합니다.
3. 만약 없을 경우 데이터베이스 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환합니다.

위 같은 방식이 읽기 주도형 캐시(read-through caching strategy)라고 부릅니다.

 

캐시 이용하는 방법은 일반 프로그래밍 언어로 API로 제공한다.

SECONDS = 1
cache.set('myKey', 'hi there', 3600 SECONDS)
cache.get('myKey')

 

캐시 사용 시 유의할 점

• 어떤 상황에 바람직한지?
  • 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 읽어난다면 필요하다.
• 어떤 데이터를 캐시에 두어야 하는지?
  • 캐시는 휘발성 메모리에 데이터를 저장하므로 캐시 서버가 재시작 될 경우 데이터가 다 사라진다.
  • 영속성같은 데이터는 지속적 저장소(persistent data store)에 저장 해야 한다.
• 캐시에 보관된 데이터는 어떻게 만료(expire) 되는가?
  • 만료 시간이 길면 캐시와 DB 데이터 불일치
  • 만료 시간이 짧으면 DB 자주 조회
  • 적절한 만료 시간이 좋습니다.
• 일관성(consistency)는 어떻게 유지되는가?
  • 캐시와 데이터베이스 데이터가 불일치 할 수 있다.
  • 페이스북은 읽기 전략은 웹 서버가 캐시에 요청을 하여 데이터가 없을 경우 바로 DB 조회를 하고 캐시에 저장한다.
  • 페이스북 쓰기 전략은 DB를 직접 갱신을 하고 캐시에 해당 데이터를 삭제한다.
• 장애가날 경우 어떻게 대처할 것인지?
  • 캐시 서버를 한 대만 둘 경우 단일 장애 지점(SPOF, Single Point of Failure) 날 수 있으므로 여러 지역에 캐시 서버를 분산 시켜야 합니다.
• 캐시 메모리는 얼만큼 잡을 것인가?
  • 캐시 메모리가 너무 작으면 기존 데이터가 밀려나버려 캐시의 성능이 떨어지게 됩니다.
  • 캐시 메모리를 과할당(overprovision)을 하면 캐시에 보관될 데이터가 갑자기 늘어 났을때 문제도 방지할 수 있습니다.
• 데이터 방출(eviction) 정책은 어떻게 잡을 것인가?
  • 캐시가 꽉 찰 경우 기존 데이터가 내보내야합니다.
  • 가장 보편적인 방법은 LRU(Least Recently Used) 마지막 사용된 시점이 가장 오래된 데이터를 내보내는 정책
  • LFU(Least Frequently Used) 사용된 빈도가 가장 낮은 데이터를 내보내는 정책
  • FIFO(First In First Out) 먼저 들어온 데이터를 먼저 내보내는 정책이 있습니다.

 

콘텐츠 전송 네트워크(CDN)

정적 콘텐츠를 전송하는 쓰이는, 지리적으로 분산된 서버의 네트워크입니다.

이미지, 비디오, CSS, Javascript 파일 등 캐시할 수 있습니다.

 

1. 사용자가 웹 사이트에 방문을 합니다.
2. 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달합니다.
3. CDN 서버가 지리적으로 멀면 멀수록 웹 사이트는 천천히 로드 됩니다.

 

CDN 동작 방식

CDN 동작방식

 

1. 사용자 A가 이미지 URL을 이용해 image.png에 접근한다.
2. CDN 서버의 캐시에 이미지가 없을 경우 원본 서버에 요청하여 파일을 가져온다.
3. 원본 서버가 이미지를 CDN 서버에 반환한다. 응답의 HTTP 헤더에는 파일이 얼마나 오래 캐시될 수 있는지 설명하는 TTL(Time To Live) 값이 있다.
4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다. 이미지는 TTL에 명시된 시간이 끝날 때 까지 캐시된다
5. 사용자 B가 같은 image.png에 접근한다.
6. 만료되지 않은 이미지에 대한 요청이 캐시에 있기 때문에 바로 응답을 준다.

 

CDN 사용 시 고려해야 할 사항

• 비용
  • 거의 제3 사업자(클라우드프론트, 아카마이)에 의해 운영되며 데이터 전송의 양에 따라 요금이 측정이 된다.
  • 자주 사용되지 않은 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로 CDN에서 빼는게 좋다.
• 적절한 만료 시한 설정
  •  캐시와 비슷하게 너무 짧지도 너무 길지도 않아야 한다.
• CDN 장애 대처 방안
  • CDN 서버가 죽을 경우 직접 콘텐츠를 가져오도록 클라이언트를 구성할 필요가 있습니다.
• 콘텐츠 무효화(invalidation)
  • CDN 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
  • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(obejct versioning) 이용, 콘텐츠의 새로운 버전을 지정하기 위해 URL 마지막에 버전 번호를 인자로 주면 된다.(image.png?v=2)

 

캐시와 CDN 추가한 설계

무상태(stateless) 웹 계층

웹 계층을 수평적으로 확장하려면 상태 정보(사용자 세션 데이터)를 웹 계층에서 제거해야 하여 무상태 웹 계층을 만드는것 입니다.

바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.

 

상태 정보 의존적인 아키텍처

상태 정보 의존적인 아키텍처

 

사용자 A의 세션 정보나 프로파일 이미지 같은 상태 정보는 서버 1 에 저장이 됩니다.

사용자 A를 인증 하기 위해 HTTP 요청은 반드시 서버 1로 전송되어야 합니다.

요청이 서버 2로 전송되면 사용자 A에 대한 인증 정보가 없기 때문에 인증이 실패합니다.

 

문제점

1. 클라이언트 요청은 항상 같은 서버로 전송이 되어야 합니다.
2. 로드밸랜서가 이를 지원하기 위해 고정 세션(static session)이라는 기능을 사용해야하며 로드밸랜서에게 부담을 줍니다.
3. 서버 추가하거나 제거가 까다로워지며 서버의 장애를 처리하기 복잡합니다.

 

무상태 아키텍처

무상태 아키텍처

 

상태 정보를 웹 서버와 분리하여 사용자가 어떠한 웹 서버를 요청하든 공유 저장소를 통해 상태 정보를 확인 할 수 있다.

이러한 구조는 단순하고, 안정적이며, 규모 확장이 쉽다.

 

웹 서버에서 세션 데이터를 분리한 설계

공유 저장소는 RDB를 사용할수도 있고 Memcached/Redis 같은 캐시 시스템일 수도 있으며 NoSQL일 수도 있습니다.

 

 

데이터 센터



데이터 센터 도입 아키텍처

장애가 없는 상황에서 상요자는 CDN 처럼 가장 가까운 데이터 센터로 지리적 라우팅(geoDNS-routing 또는 geo-routing)을 통해 안내 됩니다.

geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할 지 결정할 수 있게 해 주는 DNS 서버스 입니다.

 

DC2 US-West 장애

 

DC2 US-WEST 장애

 

만약 DC2 US-WEST 장애가 날 경우 모든 트래픽이 DC1 US-EAST로 전송이 되는 상상을 보여줍니다.

 

 

다중 데이터센터 아키텍처의 기술적 난제

• 트래픽 우회
  • GeoDNS를 통해 사용자에게 가장 가까운 데이터 센터로 트래픽을 보낼수 있도록 하낟.
• 데이터 동기화(synchronization)
  • 데이터 센터마다 별도의 데이터베이스를 사용하는 상황이라면 장애가 자동 복구(failover)되어 트래픽이 다른 데이터베이스로 우회 된다 해도 장애가 났던 데이터 센어에 있는 데이터가 변경된 데이터 센터에 없을수 있으므로 데이터베이스 다중화를 해야합니다.
• 테스트와 배포(deployment)
  • 자동화된 배포 도구를 사용하여 모든 데이터 센터에 동일한 서비스가 설치되도록 한다.

 

메시지 큐

메시지 큐는 메시지의 무손실(durability, 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는 비동기 통신(asychronous communication)을 지원하는 컴포넌트다.

 

메시지 큐

동작 원리

1. 생산자 또는 발행자(producer/publisher)가 메시지를 만들어 메시지 큐에 발행(publish)한다.
2. 큐에는 보통 소비자 혹은 구독자(consumer/subscriber)라 불리는 서비스 혹은 서버가 연결되어 있습니다.
3. 메시지를 받아 그에 맞는 동작을 수행하는 역할을 합니다.

 

메시지큐 장점

1. 메시지큐를 사용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋습니다.
2. 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행 할 수 있고
   소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

 

로그, 메트릭 그리고 자동화

대규모 웹 사이트를 만들대는 로그, 메트릭, 자동화 도구가 필수입니다.

• 로그 
  • 에러 로그를 모니터링하는 것은 중요합니다. 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있도록 하기 때문입니다.
    로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있습니다.
• 메트릭
  • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 파악할 수 있습니다.
  • 호스트 단위 메트릭 : CPU, RAM, 디스크 I/O에 관한 메트릭
  • 종합(aggregated) 메트릭 : 데이터베이스 계층의 성능, 캐시 계층의 성능
  • 핵심 비지니스 메트릭 : 일별 능동 사용자(daily active user), 수익(revenue), 재방문(retention)
• 자동화
  • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 합니다.
    지속적 통합(CI, continuous integration)을 활용하여 개발자의 코드를 자동으로 검증하여 문제를 쉽게 감지할 수 있습니다.
  • 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어 개발 생산성을 크게 향상이 가능합니다.

 

메시지큐, 로그, 메트릭, 자동화를 추가한 아키텍처

 

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하가 증가합니다.

데이터베이스의 규모 확장 방법은 2가지 있습니다.

 

수직적 확장 VS 수평적 확장

 

수직적 확장

스케일 업인 고성능 자원(CPU, RAM, Disk 등)을 증설하는 방법

 

수직적 확장 단점

1. 하드웨어의 증설 한계
2. 단일 장애 지점(SPOF, Single Point of Failure)로 인한 위험성 증가
3. 고성능 서버로 갈수록 비용이 많이 든다.

 

수평적 확장

데이터베이스의 수평적 확장은 샤딩(sharding)이라고 부릅니다.

더 많은 서버를 추가함으로써 성능을 향상 시킬 수 있도록 합니다.

 

샤딩(sharding)

샤딩은 대규모 데이터 베이스를 샤드(shard)로 작은 단위로 분할하는 기술을 말합니다.

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

 

샤드로 분할된 데이터베이스

사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 정합니다.

user_id % 4를 해시 함수로 사용하여 데이터가 보관되는 샤드를 정합니다.

 

샤딩 전략

파티션 키(partition key)라고도 부르는 샤딩 키(sharding key)를 어떻게 정하느냐 하는 것입니다.

샤딩키는 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성이됩니다.

 

샤딩 전략의 문제점

• 데이터의 재 샤딩(resharding)
  • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때
  • 샤드 간 데이터 분포가 균등하지 못할때 샤드 키를 계산하는 해쉬 함수를 변경하고 데이터를 재 배치할 때
    • 5장 안정 해시(consistent hashing)을 통해 해결이 가능하다.
• 유명인사(celebrity) 문제
  • 핫스팟 키(hotspot key) 문제라고도 부르는데, 특정 샤드에 질의(read)가 집중되어 서버에 과부화가 걸리는 문제
    • 유명인사 각각에 샤드 하나씩을 할당하거나 아니면 더 잘게 쪼개야 합니다.
• 조인과 비정규화(join and de-nomalization)
  • 여러 샤드 서버로 쪼개고 나면 데이터를 조인하기 힘들어 진다.
    • 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것입니다.

 

데이터베이스 샤딩 적용한 아키텍처

 

요약

• 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 모니터링 하고 자동화 도구를 활용할 것

 

출처

https://product.kyobobook.co.kr/detail/S000001033116

가상 면접 사례로 배우는 대규모 시스템 설계 기초 | 알렉스 쉬 - 교보문고

https://velog.io/@swhan9404/NoSQL-%EC%9D%98-%EC%A2%85%EB%A5%98%EB%B3%84-%ED%8A%B9%EC%A7%95

NoSQL 의 종류별 특징

 

https://jaemunbro.medium.com/nosql-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-%ED%8A%B9%EC%84%B1-%EB%B9%84%EA%B5%90-c9abe1b2838c

[NoSQL 데이터베이스별 특징]

https://nymets.medium.com/%EB%B2%88%EC%97%AD-scaling-memcache-at-facebook-9c67f9e61282

번역 scaling memcache at facebook