[가상 면접 사례로 배우는 대규모 시스템 설계 기초] 사용자 수에 따른 규모 확장성

📌 단일 서버

만약 단 한 명의 사용자를 위한 시스템을 설계하면 어떻게 할까?

아마 모든 컴포넌트가 한 대의 서버에서 실행되는 아주 간단한 시스템을 만들게 될 것이다.

1. 사용자는 DNS에 도메인 이름을 질의한다.
2. DNS 조회 결과로 IP 주소를 받는다.
3. 해당 IP 주소로 HTTP 요청이 전달된다.
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

📌 데이터베이스

이후 사용자가 늘게 되면, 서버 하나로 충분하지 않게 된다. 이에 따라 하나는 웹/모바일 트래픽 처리 용도로 사용하고, 하나는 데이터베이스용으로 사용한다.

즉, 트래픽 처리 서버와 데이터베이스 서버를 분리하여 각각을 독립적으로 확장할 수 있도록 한다.

데이터베이스는 관계형 데이터베이스나 비관계형 데이터베이스를 상황에 맞게 골라서 사용하게 된다.

관계형 데이터베이스는 자료를 테이블과 열, 컬럼으로 표현하고 여러 테이블의 관계에 따라 조인하여 합칠 수 있다.

비관계형 데이터베이스는 다루는 데이터가 비정형인 경우 주로 사용되고 이로 인해 일반적으로 조인 연산은 지원하지 않는다.

📌 수직적 규모 확장 vs 수평적 규모 확장

스케일 업(수직적 규모 확장)은 서버에 고사양 자원(더 좋은 CPU, 더 많은 RAM)을 추가하는 행위를 말한다.

스케일 아웃(수평적 규모 확장)은 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.

스케일 업은 단순하다는 가장 큰 장점이 있다. 하지만 스케일 업은 한계가 있고, 장애에 대한 자동복구 방안이나 다중화 방안을 제시하지 않는다.

이러한 단점으로 인해 스케일 아웃이 주로 적절하다.

로드 밸런서

위의 설계에서는 사용자는 웹 서버로 바로 연결된다. 웹 서버가 다운되면 사용자는 웹 사이트에 접속할 수 없고, 너무 많은 사용자가 접속하면 응답 속도가 느려지거나 서버 접속이 불가능해진다. 이를 해결하기 위해 로드 밸런서를 도입할 수 있다.

로드 밸런서는 부하 분산 집합(Load Balancing Set)에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할을 한다.

사용자는 로드 밸런서의 공개 IP 주소로 접속한다. 따라서 웹 서버는 클라이언트의 접속을 직접 처리하지 않고, 서버 간 통신에는 사설 IP 주소가 이용된다.

부하 분산 집합에 또 하나의 웹 서버를 추가하고 나면 장애를 자동복구하지 못하는 문제는 해소되며, 웹 계층의 가용성은 향상된다.

• 서버 1이 다운되면 모든 트래픽은 서버 2로 전송된다.
• 트래픽이 더 증가하더라도 로드 밸런서가 트래픽을 분산하므로, 웹 서버 계층에 더 많은 서버를 추가하기만 하면 된다.

데이터베이스 다중화

데이터베이스 다중화는 보통 마스터-슬레이브 관계를 설정하고 데이터 원본은 마스터 서버에, 사본은 슬레이브 서버에 저장하는 방식이다.

쓰기 연산은 마스터에서만 지원하고, 슬레이브 서버는 마스터로부터 사본을 전달받으며 읽기 연산만 지원한다. 주로 읽기 연산의 비중이 쓰기 연산보다 훨씬 높기 때문에 슬레이브 DB의 수가 마스터 DB 수 보다 많다.

• 데이터 변경 연산은 마스터 DB로 전달되지만 읽기 연산은 슬레이브 DB들로 분산되어 병렬로 처리할 수 있는 쿼리 수가 늘어남
• DB 서버 가운데 일부가 파괴되어도 데이터 보존
• 하나의 DB 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 서비스
  • 슬레이브가 다운 → 읽기 연산은 한시적으로 마스터 DB로 전달
  • 마스터 다운 → 슬레이브 서버가 새로운 마스터 서버
    • 슬레이브의 데이터가 최신 상태가 아닐 수 있음
      • 다중 마스터, 원형 다중화

로드 밸런서 & 데이터베이스 다중화

로드 밸런서와 데이터베이스 다중화를 모두 고려하면 다음과 같이 이루어진다.

📌 캐시

로드 밸런서, 데이터베이스 다중화를 통해 사용자 수가 늘어남에 따라 대처할 수 있게 되었다.

그렇다면 응답 시간을 줄이기 위한 방법은 무엇이 있을까? 캐시를 붙이고, 정적 컨텐츠는 CDN으로 옮기면 응답 시간 개선이 가능하다.

캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소다. 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 따라 크게 좌우되는데, 캐시는 그런 문제를 완화할 수 있다.

캐시 계층

별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.

요청을 받은 웹 서버는 캐시에 응답이 저장되어 있다면 해당 데이터를 클라이언트에 반환하고, 없는 경우에는 데이터베이스에 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환한다.

캐시 사용시 유의할 점

• 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어나는 경우에 사용해야 한다.
• 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않음
• 만료된 데이터는 캐시에서 삭제되어야 한다.
• 일관성을 어떻게 유지시킬 것인지 고려
• 장애에 대한 대처
  • 캐시 서버 1대 ⇒ 단일 장애 지점 가능성 높음
    • 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시킬 수 있는 상황

CDN

CDN은 정적 콘텐츠를 전송하는데 쓰이는, 지리적으로 분산된 서버의 네트워크이다.

간단하게 말하면, 요청 경로, 쿼리 스트링, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML 페이지를 캐시하는 것이다. 어떤 사용자가 웹사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달한다.

다음 그림은 CDN과 캐시가 추가된 설계이다.

📌 무상태 웹 계층

웹 계층을 수평적으로 확장하려면 어떻게 해야할까?

이를 위해서는 상태 정보(사용자 세선 데이터 등)를 웹 계층에서 제거해야 한다. 바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.

상태 정보 의존적인 아키텍처?

상태 정보에 의존적인 아키텍처란 무엇일까?

상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다. 예를 들면 세션 데이터, 프로파일 이미지 등을 말한다. 이러한 구조는 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다. 로드 밸런서의 고정 세션이라는 기능을 사용할 수 있지만, 이는 로드 밸런서에 부담을 주게 된다. 게다가 로드 밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워진다.

무상태 아키텍처

무상태 아키텍처에서는 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있다. 웹 서버는 상태 정보가 필요할 경우 공유 저장소로부터 데이터를 가져온다. 따라서 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다. 이러한 구조는 단순하고, 안정적이며, 규모 확장이 쉽다.

세션 데이터를 웹 계층에서 분리하고 지속성 데이터 보관소에 저장하도록 만들었다. 이 공유 저장소는 관계형 데이터베이스일 수도 있고, Memcached/Redis 같은 캐시 시스템일 수도 있으며, NoSQL일 수도 있다.

이제 웹 서버는 상태 정보가 웹 서버들로부터 제거되었으므로, 트래픽 양에 따라 오토 스케일링이 가능하다. 오토 스케일링은 트래픽 양에 따라 웹 서버를 자동으로 추가하거나 삭제하는 기능을 말한다.

📌 데이터 센터

위 구조보다 더 가용성을 높이고 전 세계 어디서도 쾌적하게 사용할 수 있도록 하기 위해서는 여러 데이터 센터를 지원하는 것이 필수이다.

두 개의 데이터 센터를 이용하는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데, 이 과정을 지리적 라우팅이라 부른다. 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스이다.

만약 이들 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.

위와 같은 다중 데이터 센터 아키텍처를 만들려면 몇 가지 고려사항이 있다.

• 트래픽 우회
  • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법
• 데이터 동기화
  • 데이터 센터마다 별도의 데이터베이스를 사용한다면, 다른 데이터 센터에는 찾는 데이터가 없을 수 있음

📌 메시지 큐

시스템의 컴포넌트를 분리하여, 각각 독립적으로 확장할 수 있도록 해야 한다. 메시지 큐는 많은 실제 분산 시스템이 이 문제를 풀기 위해 사용하는 전략 가운데 하나이다.

메시지 큐는 메시지의 무손실을 보장하는, 비동기 통신을 지원하는 컴포넌트이다.

1. Producer/Publisher라 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행
2. Consumer/subscriber라 불리는 서비스는 메시지를 받아 그에 맞는 동작 수행

메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다. 생산자와 소비자 서비스의 규모는 각기 독립적으로 확장될 수 있다.

📌 로그, 메트릭 그리고 자동화

소규모 웹 사이트를 만드는 경우, 로그나 메트릭, 자동화같은 것은 하면 좋지만 꼭 할 필요는 없다. 하지만 규모가 커진다면 이러한 도구에 필수적으로 투자해야 한다.

• 로그
  • 에러 로그를 통해 시스템의 오류와 문제를 보다 쉽게 찾아낸다.
  • 서버/서비스 단위 모니터링
• 메트릭
  • 사업 현황에 관한 유용한 정보나 시스템의 현재 상태 파악
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O
  • 종합 메트릭: DB 계층의 성능, 캐시 계층의 성능
  • 핵심 비즈니스 메트릭: 일별 능동 사용자, 수익, 재방문
• 자동화
  • CI/CD

메시지 큐와 여러 도구들을 적용한 설계는 다음과 같다.

📌 데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다. 데이터베이스의 규모를 확장하는 데는 수직적 규모 확장과 수평적 규모 확장이 있다.

수직적 확장

스케일 업(수직적 확장)은 기존 서버에 더 많은, 또는 고성능의 자원을 증설하는 방법이다. 고성능 데이터베이스 서버를 통해 많은 양의 데이터를 보관하고 처리할 수 있다.

이는 단순하지만, 데이터베이스 서버 하드웨어에는 한계가 있으므로 약점이 있다.

• 하드웨어의 한계로 무한 증설은 불가능하므로, 결국 한 대의 서버로는 감당하기 어려워질 수 있다.
• 단일 장애 지점으로 인한 위험성이 크다.
• 비용이 많이 든다.

수평적 확장

데이터베이스의 수평적 확장은 샤딩(sharding)이라고도 부르는데, 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있다.

샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술을 말한다. 모든 샤드는 같은 스키마를 쓰지만, 샤드에 보관되는 데이터 사이에는 중복이 없다.

예를 들어 사용자 데이터를 저장한다고 해보자. 사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 정할 수 있다. 4개의 샤드가 있을 때, user_id % 4를 해시 함수로 사용하여 데이터가 보관되는 샤드를 정한다.

샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키를 어떻게 정하느냐이다. 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있다. 샤딩 키를 정할 때는 데이터를 고르게 분할할 수 있도록 하는 게 가장 중요하다.

샤딩은 데이터베이스 규모 확장을 실현하는 훌륭한 기술이지만, 이에 따른 문제도 발생한다.

• 데이터 재 샤딩
  • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당 불가능할 때
  • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 더 빨리 진행될 때
• 셀레브리티 문제
  • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
• 조인과 비정규화
  • 여러 샤드에 걸친 데이터를 조인하기 힘들어짐

📌 정리

1장에서는 사용자 규모에 따른 확장을 어떻게 할 것인지에 대해 알아보았다. 1장에서 알아본 내용을 간단하게 정리해보자.

• 웹 계층은 무상태 계층으로
• 모든 계층에 다중화 도입
• 가능한 한 많은 데이터 캐시
• 여러 데이터 센터 지원
• 정적 콘텐츠는 CDN으로 서비스
• 데이터 계층은 샤딩을 통해 규모 확장
• 각 계층은 독립적 서비스로 분할
• 시스템을 지속적으로 모니터링하고, 자동화 도구들을 활용