1장_사용자_수에_따른_규모_확장성.md

1. 단일 서버

• 웹 앱, 데이터베이스, 캐시 등이 전부 한 대의 서버에서 실행

  
  1. 도메인 이름(api.mysite.com)을 이용하여 웹 사이트 접속
  2. 도메인 이름을 DNS에 질의하여 IP 주소로 변환
  3. 해당 IP 주소로 HTTP 요청 전달
  4. 웹 서버에서 HTML 페이지 혹은 JSON 형태의 응답 반환

• 실제 요청은 웹 애플리케이션 혹은 모바일 앱에서 전달됨

  • 웹 애플리케이션
    • 비즈니스 로직 및 데이터 저장 등을 처리하기 위한 서버 구현용 언어(자바, 파이썬 등) 사용
    • 프레젠테이션 용으로는 클라이언트 구현용 언어(HTML, 자바스크립트 등) 사용
  • 모바일 앱
    • 모바일 앱과 웹 서버 간 통신을 위해서는 HTTP 프로토콜을 이용
    • HTTP 프로토콜을 통해 반환될 응답 데이터의 포맷으로는 보통 JSON이 간결함에 널리 사용됨

2. 데이터베이스

• 웹/모바일 트래픽 처리 서버(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하여 독립적 확장이 가능하도록 함

  

• 데이터베이스의 종류

  • 관계형 데이터베이스(RDBMS)
    • MySQL, 오라클, PostgreSQL 등이 존재
    • 자료를 테이블과 열, 컬럼으로 표현
    • SQL을 사용하여 여러 테이블에 있는 데이터를 관계에 따라 join 하여 합칠 수 있음
    • 40년 이상 사용되어 온 시스템으로, 대부분 관계형 데이터베이스가 사용됨
  • 비 관계형 데이터베이스(NoSQL)
    • CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB
    • 키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소 4가지로 분류할 수 있음
    • 일반적으로 조인 연산은 지원하지 않음
    • 비 관계형 데이터베이스를 선택해야 하는 경우
      1. 아주 낮은 응답 지연시간(latency)이 요구됨
      2. 다루는 데이터가 비정형이라 관계형 데이터가 아님
      3. 데이터(JSON, YAML, XML 등)를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
      4. 아주 많은 양의 데이터를 저장할 필요가 있음

3. 수직적 규모 확장 vs 수평적 규모 확장

• 스케일 업 : 수직적 규모 확장 프로세스는 서버에 고사양 자원(CPU, RAM)을 추가하는 행위
• 스케일 아웃: 수평적 규모 확장 프로세스는 더 많은 서버를 추가하여 성능을 개선하는 행위
• 서버로 유입되는 트랙픽 양이 적을 때애는 수직적 확장이 좋음. 수직적 확장의 가장 큰 장점은 단순함
• 수직적 확장의 단점
  1. 수직적 규모 확장에는 한계가 존재하여 한 대의 서버에 CPU나 메모리를 무한대로 증설할 수 없음
  2. 장애에 대한 자동복구 방안이나 다중화 방안을 제시하지 않아 서버 장애가 발생하면 웹 사이트/앱은 완전히 중단됨
• 대규모 애플리케이션을 지원하는 경우 수평적 규모 확장법이 보다 적절

로드밸런서

• 로드밸런서를 사용하는 이유

  • 사용자가 웹 서버에 바로 연결되는 경우, 웹 서버가 다운되면 사용자는 웹 사이트에 접속할 수 없음
  • 너무 많은 사용자가 접속하여 웹 서버가 한계 상황에 도달하면 응답 속도가 느려지거나 서버 접속이 불가능해짐

• 로드밸런서는 부하 분산 집합에 속한 웹 서버들에 트래픽을 고르게 분산하는 역할을 함

  
  • 사용자는 로드밸런서의 공개 IP 주소로 접속 (웹 서버는 클라이언트의 접속을 직접 처리하지 않음)
  • 보안을 위해 서버 간 통신에는 사설 IP 주소를 사용 (같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있음)
  • 로드밸런서는 웹 서버와 통신하기 위해 사설 주소를 이용
  • 부하 분산 집합에 두개의 웹 서버를 추가하고 나면 장애를 자동복구하지 못하는 문제는 해소되며, 가용성은 향상됨
    • 서버 1이 다운되면 모든 트래픽은 서버 2로 전송되어 웹 사이트 전체가 다운되는 일이 방지됨
    • 부하를 나누기 위해 새로운 서버를 추가할 수 있음
    • 웹 사이트로 유입되는 트래픽이 가파르게 증가하면 로드밸런서가 자동적으로 트래픽을 분산하기 시작함

데이터베이스 다중화

• 데이터베이스 다중화를 통해 장애의 자동복구가 가능

• 많은 데이터베이스 관리 시스템이 다중화를 지원

• 서버 사이에 주/부 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장

  
  • 주 서버에서만 쓰기 연산을 지원
  • 부 서버에서는 주 서버로부터 사본을 전달받으며, 읽기 연산만을 지원
  • 대부분의 애플리케이션은 쓰기 연산보다 읽기 연산의 비중이 훨신 높아 부 서버 수가 주 서버보다 많음

• 데이터베이스 다중화 장점

  • 더 나은 성능: 병렬로 처리될 수 있는 질의으 수가 늘어나므로 성능이 좋아짐
  • 안정성: 자연 재해 등의 이유로 데이터베이스 서버 일부가 파괴되어도 데이터는 보존됨
  • 가용성: 데이터를 여러곳에 복제해 둠으로써 하나의 데이터베이스에 장애가 발생해도 다른 서버의 데이터를 가져와서 계속 서비스 할 수 있게 됨

• 데이터베이스 서버 다운 시나리오

  • 부 서버가 다운된 경우
    1. 부 서버가 한대 뿐인데 다운된 경우: 읽기 연산은 모두 주 서버로 전달, 새로운 데이터베이스 서버가 장애 서버를 대체
    2. 부 서버가 여러대인데 다운된 경우: 읽기 연산은 나머지 부 스 서버로 분산됨, 새로운 부 데이터베이스 서버가 장애 서버를 대체
  • 주 서버가 다운된 경우
    • 한대의 부 서버만 있는 경우 해당 부 서버가 새로운 주 서버가 되며, 모든 데이터베이스 연산은 새로운 주 서버에서 수행됨
    • 프로덕션 환경의 경우, 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있어 없는 데이터는 복구 스크립트를 돌려서 추가해야 함

로드밸런서 + 데이터베이스 다중화

• 설계안

  
  • 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다
  • 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속한다.
  • HTTP 요청은 서버 1이나 서버 2로 전달된다.
  • 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.
  • 웹 서버는 데이터 변경 연산(추가, 삭제, 갱신 등)은 주 데이터베이스로 전달한다.

4. 캐시

• 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두어 요청이 보다 빨리 처리될 수 있도록 함
• 웹 페이지를 새로고침 할 때마다 표시할 데이터를 가져오기 위해 한 번 이상의 데이터베이스 호출이 발생함
• 어플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐 크게 좌우됨.

캐시 계층

• 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠름

• 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수도 있고, 캐시 계층의 규모를 확장도 가능함

  
  • 주도형 캐시 전략 (캐시 전략은 다양하며, 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시 전략을 선택하면 됨)
    1. 웹 서버가 요청을 받으면 캐시에 응답이 저장되어 있는지 확인 후, 저장되어 있다면 캐시에서 데이터를 클라이언트에 반환
    2. 없는 경우 데이터베이스 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환

캐시 사용 시 유의할 점

• 캐시는 어떤 상황에 바람직한가? 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 고려가 필요

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

• 캐시에 보관된 데이터는 어떻게 만료되는가? 만료 정책이 없으면 데이터는 캐시에 계속 남게 됨. 만료 기한이 너무 짧으면 데이터베이스에서 너무 자주 읽게 될 것이고, 너무 길어도 원본과 차이가 날 가능성이 높아짐

• 일관성은 어떻게 유지되는가? 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성은 깨질 수 있음.

• 장애는 어떻게 대처할 것인가? 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점이 되어버릴 가능성이 있으므로 여러 지역에 걸쳐 캐시를 분산시켜야 함

  • 단일 장애 지점(Single Point of Failure) : 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 자주 캐시에서 밀려나 캐시의 성능이 떨어지게 됨. 이를 막기 위한 방법으로는 캐시 메모리를 과할당 하는 방법이 있음

• 데이터 방출 정책은 무엇인가? 캐시가 꽉 차버린 경우 기존 데이터를 내보내야 함.

  • LRU(Least Recently Used) : 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책
  • LFU(Lesat Frequently Used) : 사용된 빈도가 가장 낮은 데이터를 내보내는 정책
  • FIFO(First In First Out) : 가장 먼저 캐시에 들어온 데이터를 가장 먼저 내보내는 정책

5. 콘텐츠 전송 네트워크(CDN)

• 정적 콘텐츠를 전송하는 데 쓰이는 지리적으로 분산된 서버의 내트워크. 이미지, 비디오 CSS, JavaScript 파일 등을 캐시할 수 있음

• 동적 콘텐츠 캐싱은 요청 경로, 질의 문자열, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시 (이 책에서는 다루지 않음)

• 사용자가 웹 사이트 방문 시 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달

  • 사용자가 CDN 서버로부터 멀면 웹 사이트는 천천히 로드됨

• CDN의 동작 방법

  
  1. 사용자 A가 이미지 URL을 이용해 image.png height=400> 접근
  2. CDN 서버의 캐시에 해당 이미지가 없는 경우 서버는 원본 서버에 요청하여 파일을 가져옴
  3. 원본 서버가 파일을 CDN 서버에 반환
  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 처리됨

CDN 사용 시 고려해야 할 상황

• 비용: CDN은 보통 제 3사업자에 의해 운영되므로 데이터 전송 양에 따라 요금을 내개 되어 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않음
• 적절한 만료 시한 설정: 시의성이 중요한 콘텐츠의 경우 만료 시점을 잘 잡아서 너무 길어 콘텐츠의 신선도가 떨어지거나, 너무 짧아 원본 서버에 빈번히 접속하지 않도록 해야 함.
• CDN 장애에 대한 대처 방안: CDN 자체가 죽었을 경우 해당 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 클라이언트를 구성해야 함
• 콘텐츠 무효화 방법: 만료되지 않은 콘텐츠라 하더라도 CDN에서 제거 가능
  • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
  • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝 이용

캐시 + CDN

• 설계안

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

6. 무상태(stateless) 웹 계층

• 웹 계층을 수평적으로 확장하기 위해서는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거하여야 함
  • 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고 필요할 때 가져와야 함

상태 정보 의존적인 아키텍처

• 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 함

  
  • 사용자 A의 세션 정보나 프로파일 이미지 같은 상태 정보는 서버 1에 저장됨
  • 사용자 A를 인증하기 위해 HTTP 요청은 반드시 서버 1로 전송되어야 함. 요청이 서버 2로 전송되면 서버 2에는 사용자에 관한 데이터는 없기 때문에 인증 실패
  • 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 하기 때문에 문제가 발생함
  • 로드밸런서가 이를 위해 고정 세션 기능을 제공하지만 로드밸런서에 부담을 주고, 서버를 추가하거나 제거하기도 까다로워짐

무상태 아키텍쳐

• 사용자로부터 HTTP 요청은 어떤 웹 서버로도 전달될 수 있음

  
  • 웹 서버는 상태 정보가 필요할 경우 공유 저장소로부터 데잍터를 가져옴
  • 상태 정보는 웹 서버로부터 물리적으로 분리되어 있어 단순하고 안정적이며 규모 확장이 쉬움

무상태 아키텍쳐

• 설계안

  
  • 세션 데이터를 웹 계층에서 분리하고 지속성 데이터 보관소에 저장하도록 함
    • 공유 저장소는 관계형 데이터베이스일 수 도 있고, Memcached/Redis 같은 캐시 시스템 혹은 NoSQL일 수 있음
  • 자동 규모 확장은 트래픽 양에 따라 웹 서버를 자동으로 추가하거나 삭제하는 기능을 뜻함
    • 상태 정보가 웹 서버들로부터 제거되었으므로 트래픽 양에 따라 웹 서버를 넣거나 빼기만 하면 자동으로 규모 확장 가능

7. 데이터 센터

• 웹 사이트가 매우 빨리 성장하여 전 세계 사용자의 이목을 받는 경우, 가용성을 높이고 전 세계 어디서도 쾌적하게 사용할 수 있도록 함

• 두 개의 데이터 센터를 이용하는 경우, 장애가 없는 상황에서 사용자는 가까운 데이터 센터로 안내됨 (지리적 라우팅 이라고 함)

  
  • 지리적 라우팅에서 geo DNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정함
    • 이 예제에서는 그 결과로 x% 사용자를 US-East 센터로, (100-x%) 사용자는 US-West 센터로 안내됨

• 데이터 센터 중 하나에 장애가 발생한 경우 모든 트래픽은 장애가 없는 데이터 센터로 전송됨

  
  • 트래픽 우회: 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 함.
  • 데이터 동기화: 데이터 센터마다 별도의 데이터베이스를 사용하고 있으면 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터센터에는 찾는 데이터가 없을 수 있기 때문에 데이터를 여러 데이터센터에 걸쳐 다중화가 필요
  • 테스트와 배포: 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해 보는 것이 중요. 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 중요한 역할을 함

8. 메시지 큐

• 시스템을 더 큰 규모로 확장하기 위해서는 시스템의 컴포넌트를 분리하여, 각기 독립적으로 확장될 수 있도록 해야 함.

• 메세지 큐는 많은 실제 분산 시스템이 채용하고 있는 핵심적인 전략

• 메시지 큐는 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트.

  
  • 메시지의 버퍼 역할을 하며 비동기적으로 전송.
  • 생산자 또는 발행자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행하면, 메세지 큐에 연결된 소비자 혹은 구독자가 메시지를 받아 그에 맞는 동작을 수행

• 메세지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋음

• 생산자는 소비자 프로세스가 다운되어 있어도 메세지를 발행할 수 있고, 소비자는 생산자 서비스가 가용 상태가 아니어도 메세지를 수신할 수 있음

9. 로그, 메트릭 그리고 자동화

• 소규모 웹 사이트에서는 로그나 메트릭, 자동화가 필수는 아니지만, 사업 규모가 커지면 이러한 도구에 투자가 필수적
• 로그: 에러 로그를 모니터링하여 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있어야 함. 서버 단위 모니터링도 가능하지만, 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있음
• 메트릭: 사업 현황에 관한 유용한 정보를 얻으며 시스템의 현재 상태를 손쉽게 파악 가능.
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O
  • 종합 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 있어 쉽게 문제를 감지할 수 있음
  • 빌드, 테스트, 배포 등의 절차를 자동화하면 개발 생산성을 크게 향상시킬 수 있음

메세지 큐 + 로그 + 메트릭 + 자동화

• 설계안

  
  1. 메세지 큐는 각 컴포넌트가 보다 느슨히 결합될 수 있도록 하고 결함에 대한 내성을 높임
  2. 로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치를 추가

10. 데이터베이스의 규모 확장

• 수직적 확장 vs 수평적 확장

  

수직적 확장

• 기존 서버에 더 많은, 고성능의 자원(CPU, RAM, 디스크)을 증설하는 방법
• 데이터베이스 서버 하드웨어에는 한계가 있어 CPU, RAM 등을 무한히 증설할 수 있음. 사용자 증가 시 한 대 서버로는 감당이 어려워짐
• SPOF로 인한 위험성이 큼
• 비용이 많이 듬. 고성능 서버로 갈 수록 가격이 비싸짐

수평적 확장

• 데이터베이스의 수평적 확장은 샤딩이라고도 하며, 더 많은 서버를 추가함으로써 성능을 향상시킴

• 샤딩은 대규모 데이터베이스를 샤드로 부르는 작은 단위로 분할하는 기술

• 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터는 중복이 없음

• 샤드로 분할된 데이터베이스의 예

  
  • 사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 결정됨.
  • user_id % 4 를 해시 함수로 사용하여 데이터가 보관되는 샤드를 정함
  

• 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키를 정하는 것으로, 데이터가 어떻게 분산될지 정하는 하나 이상의 컬럼으로 구성됨

• 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 도입할 경우 풀어야할 문제

  1. 데이터의 재 샤딩
     • 데이터가 너무 많아져서 하나의 샤드로는 감당하지 못할 때
     • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때
     • 샤드 소진 현상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치하여야 함
     • 안정 해시 기법을 활용하면 이 문제를 해결할 수 있음
  • 유명인사 문제: 핫스팟 키 문제라고도 불리우며, 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
    • 케이티 페리, 저스틴 비버, 레이디 가가 같은 유명인사가 전부 같은 샤드에 저장되는 데이터베이스가 있는 경우
    • 이 데이터로 사회관계망 애플리케이션을 구축하게 되면 결국 해당 샤드에는 read 연산 때문에 과부하가 걸리게 될 것
    • 이 문제를 풀기 위해서는 유명인사를 각각에 샤드 하나씩을 할당하거나 더 잘게 쪼개야 함
  • 조인과 비정규화
    • 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면 여러 샤드에 걸친 데이터를 조인하기 힘들어짐
    • 이를 해결하기 위해서는 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것

데이터베이스 샤딩

• 설계안

  

11. 백만 사용자, 그리고 그 이상

• 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