1장 사용자 수에 따른 규모 확장성

단일 서버

• 모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템

• DB, 웹, 캐시 등이 전부 서버 한대에서 실행된다.

요청처리흐름

• 사용자가 웹브라우저에 주소를 입력하면 브라우저에 캐시에 있는 도메인과 연결된 서버의 주소를 찾는다

• 없으면 DNS로 요청을 해서 서버의 주소를 가져온다

• 서버의 주소로 요청을 보낸 후 응답을 받는다.

• 응답을 토대로 브라우저가 화면을 렌더링 해준다.

데이터 베이스

• 위의 흐름에서 데이터베이스는 웹 서버와 통신을 한다.

• 비관계형 데이터베이스는 4가지로 분류된다.
  • 키-밸류 저장소 ( etcd )
  • 그래프 저장소
  • 칼럼 저장소
  • 문서 저장소 ( 몽고 )

• 비관계형 데이터베이스는 조인 을 지원하지 않는다.

• 비관계형 데이터베이스가 바람직한 경우
  • 아주 낮은 응답 지연시간이 요구되는 경우
  • 다루는 데이터가 비정형 이라 관계형 데이터가 아님
  • 데이터 (JSON, YAML, XML 등) 를 직렬화 하거나 역직렬화 할수 있기만 하면 됨
  • 아주 많은 양의 데이터를 저장할 필요가 있음

수직적 규모 확장 vs 수평적 규모 확장

• 스케일 업과 스케일 아웃

• 스케일 업
  • 한대의 서버에 CPU나 메모리를 증설하는 방식

• 스케일 아웃
  • 서버를 여러대 추가하여 로드밸런스로 연결시키는 방식

• 스케일업의 단점
  • 무한대로 CPU와 메모리를 증설할 수 없다.
  • 자동복구 ( failover ) 방안이나 다중화 방안을 제시하지 않는다.
  • 서버에 장애가 발생하면 웹이나 앱이 완전히 죽는다.

로드밸런서

• 부하분산집합에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할

• 로드밸런서는 처음 흐름과 다르게 도메인 주소와 연결된게 웹서버의 IP가 아닌 로드밸런서의 공개 IP 주소와 연결된다.

• 더 나은 보안을 위해 서버간 통신( 로드밸런서와 서버)에는 사설 IP주소가 이용된다.

데이터베이스 다중화

• 보통 서버사이에 master서버와 slave서버 관계를 설정하고 데이터 원본은 master에 저장하고 사본은 slave에 저장하는 방식이다.

• write operation ( 쓰기 연산) 은 마스터에만 지원한다.

• 슬레이브는 마스터로부터 사본을 전달받으며 읽기 연산만 지원한다

• 데이터베이스를 변경하는 명령어들 가령 insert, delete, update 등은 주 데이터베이스로만 전달되어야 한다.

• 대부분의 애플리케이션은 읽기 연산의 비중이 매우 높다.

• 그래서 슬레이브 서버를 많이두고 마스터서버를 적게 둔다.

  장점

  • 더 나은 성능
    • master-slave 다중화 모델에서 모든 데이터 변경 연산은 주 데이터베이스 서버로만 전달되는 반면 읽기 연산은 부 데이터베이스 서버들로 분산된다.
    • 병렬로 처리될수 있는 쿼리의 수가 늘어나므로 성능이 좋아진다.
  • 안전성
    • 디비 서버 중 몇개가 파괴되어도 데이터는 보존된다.
  • 가용성
    • 디비의 데이터를 여러지역에 복제해둠으로써 하나의 디비서버에서 장애가 일어나도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있게 된다.

  시나리오

  • 부 서버가 한대뿐인데 다운됐을 경우
    • 읽기 연산이 모두 마스터 디비로 전달
    • 즉시 새로운 슬레이브 디비 서버가 장애난 슬레이브 서버 디비를 대체
  • 부 서버가 여러대인데 그중 한대가 다운됐을 경우
    • 읽기 연산이 나머지 슬레이브 디비로 분산되며
    • 새로운 슬레이브 디비 서버가 장애난 슬레이브 디비서버를 대체
  • 주 디비서버가 다운되면
    • 부 디비서버가 한개일 경우
      • 슬레이브 서버중 한대가 새로운 마스터 서버가 될것이며 모든 디비 연산은 일시적으로 새로운 마스터 서버에서 수행된다.
      • 그리고 새로운 슬레이브 서버가 추가된다.
    • 하지만 이런 경우 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있기 때문에 복구 스크립트를 돌려서 추가 해야 한다.
    • 다중 마스터나 원형 다중화 방식을 도입하면 이런 상황에 대처하는데 도움이 될수도 있지만
    • 해당 구성은 훨씬 복잡하다.

캐시

• 캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소다.

• 애플리케이션의 성능은 데이터 베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데 캐시는 그런 문제를 완화할 수 있다.

캐시계층

• 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다.

• 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일수 있고

• 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있고 캐시 계층의 규모를 독립적으로 확장시키는것도 가능해 진다.

• 요청받은 웹 서버는 캐시에 응답이 저장되어 있는지를 본다.

• 만일 저장되어 있다면 해당 데이터를 클라이언트에 반환한다.

• 없는 경우 데이터베이스에 쿼리를 날린 후 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환한다.

• 이러한 캐시 전략을 읽기 주도형 캐시 전략 이라고 부른다.

• 다양한 캐시전략이 있는데 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시전략을 선택하면 된다.

• 캐시 서버를 이용하는 방법은 간단한데 대부분의 캐시 서버들이 일반적으로 널리 쓰이는 프로그래밍 언어로 API를 제공하기 때문이다.

캐시 사용시 유의할 점

• 캐시는 어떤 상황에서 바람직 한가 ?
  • 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 바람직하다.

• 어떤 데이터를 캐시에 두어야 하는가?
  • 캐시는 데이터를 휘발성 메모리에 두므로 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직 하지 않ㄴ다.
  • 예를 들어 캐시 서버가 재 시작되면 캐시 내의 모든 데이터는 사라진다.
  • 중요한 데이터는 여전히 지속적 저장소(persistent data store)에 두어야 한다.

• 캐시에 보관된 데이터는 어떻게 만료 되는가 ?
  • 이에 대한 정책을 마련해 두는것은 좋은 습관이다.
  • 만료된 데이터는 캐시에서 삭제되어야 한다.
  • 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다.
  • 만료 기한은 너무 짧으면 곤란한데 데이터베이스를 너무 자주 읽게 될것이기 떄문이다.
  • 너무 길어도 곤란한데 원본과 차이날 가능성이 높아지기 때문이다.

• 일관성은 어떻게 유지되는가 ?
  • 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부다.
  • 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성은 깨질수 있다.
  • 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 캐시와 저장소 사이에 일관성을 유지하는것은 어려운 문제다

• 장애에는 어떻게 대처할 것인가 ?
  • 캐시 서버를 한대만 두는 경우 해당 서버는 단일 장애 지점이 되어버릴 가능성이 있다.
  • 단일 장애 지점 이란?
    • 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우 우리는 해당 지점을 단일 장애 지점이라고 부른다.
  • 단일 장애 지점을 피하려면 여러지역에 캐시 서버를 분산시켜야 한다.

• 캐시 메모리는 얼마나 크게 잡을 것인가 ?
  • 캐시 메모리가 너무 작으면 액세스 패턴에 따라서는 데이터가 너무 자주 캐시에서 밀려나버려 ( eviction ) 캐시의 성능이 떨어지게 된다.
  • 이를 막을 한가지 방법은 캐시 메모리를 과할당 하는것이다.
  • 이렇게 하면 캐시에 보관될 데이터가 갑자기 늘어났을 때 생길 문제도 방지할 수 있게 된다.

• 데이터 방출 ( eviction ) 정책은 무엇인가 ?
  • 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 한다.
  • 이것을 캐시 데이터 방출 정책이라 하는데 가장 널리 쓰이는 것은 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책이다.
  • 다른 정책으로는 사용빈도가 가장 낮은 데이터를 내보내는 정책이다
  • FIFO 같은 것도 있으며 경우에 맞게 적용 가능하다.

CDN

• 정적 콘텐츠를 전송하는 데 쓰이는 지리적으로 분산된 서버의 네트워크이다.

• 이미지, 비디오, CSS, javascript 파일 등을 캐시할 수 있다.

• 어떤 사용자가 웹사이트를 방문하면 그 사용자에게 가장 가까운 CDN서버가 정적 콘텐츠를 전달하게 된다.

• 직관적으로도 당연하겠지만 사용자가 CDN 서버로부터 멀면 멀수록 웹사이트는 천천히 로드될 것이다.

동작

1. 사용자 A가 이미지 URL을 이용해 image.png에 접근한다.
   • URL의 도메인은 CDN 사업자가 제공한 것

2. CDN 서버의 캐시에 해당하는 이미지가 없는경우, 서버는 원본 서버에 요청하여 파일을 가져온다. 원본서버는 웹서버일수도 있고 아마존 S3와 같은 온라인 저장소 일수도 있다.

3. 원본 서버가 파일을 CDN서버에 반환한다. 응답의 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지를 설명하는 TTL 값이 들어 있다.

4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다. 이미지는 TTL에 명시된 시간이 끝날때 까지 캐시된다.

5. 사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송한다.

6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리된다.

CDN 사용시 고려해야할 사항

• 비용
  • CDN은 보통 서드파티에 의해 운영되며 CDN 이용자는 CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 내게 된다.
  • 자주 사용되지 않는다면 CDN에서 제외하도록 하자.

• 적절한 만료 시한 설정
  • 시의성이 중요한 컨텐츠의 경우 만료 시점을 잘 정해야한다. 너무 길지도 짧지도 않아야 하는데
  • 너무 길면 컨텐츠의 신선도가 떨어지고 너무 짧으면 원본 서버에 번번히 접속하게 되어서 좋지 않다.

• CDN 장애에 대한 대처 방안
  • CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려한다.
  • 가령 일시적으로 CDN이 응답하지 않더라도 해당 문제를 감지하여 원본 서버로부터 직접 컨텐츠를 가져오도록 클라이언트를 구성하는 것이 필요할 수도 있다.

• 컨텐츠 무효화
  • 아직 만료되지 않은 컨텐츠라 하더라도 아래 방법 가운데 하나를 쓰면 CDN에서 제거할 수 있다.
    • CDN서비스 사업자가 제공하는 API를 이용하여 컨텐츠 무효화
    • 컨텐츠의 다른 버전을 서비스 하도록 오브젝트 버저닝 이용
      • 컨텐츠의 새로운 버전을 지정하기 위해서는 URL 마지막에 버전 번호를 인자로 주면 된다.
      • 예를 들어 image.png?v=2와 같은 방식이다.

CDN 사용시 변화된 부분

• 더이상 정적 컨텐츠를 웹서버를 통해 서비스 하지 않는다.

• 캐시가 DB부하를 줄여준다.

무상태 웹 계층

• 웹 계층을 수평적으로 확장하기 위해서는 상태정보 ( 사용자 세션 데이터와 같은)를 웹 계층에서 제거하여야 한다.

• 바람직한 전략은 상태 정보를 RDB나 noSql같은 지속성 저장소에 보관하고 필요할 때 가져오도록 하는것이다.

• 이렇게 구성된 웹 계층을 무상태 웹 계층이라 부른다.

상태 정보 의존적인 아키텍처

• 상태 정보를 보관하는 서버는 클라이언트 정보 즉 상태를 유지하여 요청들 사이에 공유되도록 한다.

• 무상태 서버와는 반대

• 로드밸런서 사용시 사용자 정보를 가지고 있는 서버에 접속해야 상태정보가 유지된다.

• 로드밸런서가 이를 지원하기 위해 고정 세션(stickey session)이라는 기능을 제공하는데

• 이는 로드밸런서에 부담을 준다.

• 게다가 로드밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워진다.

• 이들 서버의 장애를 처리하기도 복잡하다.

무상태 아키텍처

• 무상태 아키텍처는 사용자로부터의 HTTP 요청은 어떤 웹서버로도 전달될 수 있다.

• 웹서버에서 상태정보가 필요할 경우 공유 저장소에서 데이터를 가져온다.

• 상태정보가 분리되어 있기때문에 구조가 단순하고 안정적이며 규모 확장이 쉽다.

• 이 공유 저장소는 rdb일수도 있고 멤캐시드나 레디스같은 캐시 시스템일수도 있고 nosql일수도 있다.

데이터 센터

• 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데 통상 이 절차를 지리적 라우팅이라 부른다.

• 지리적 라우팅에서 geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP주소로 변환할지 결정할수 있도록 해주는 DNS 서비스다
  • 로드밸런서에 의해 지리적 라우팅이 작동할수도 있고
  • 다른 시스템에 의해 라우팅이 작동할수도 있다.

• 다중 데이터센터 아키텍처를 만드려면 몇가지 기술적 난제를 해결해야 한다.
  1. 트래픽 우회
     1. 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다.
     2. GeoDNS는 사용자에게서 가장 가까운 데이터 센터로 트래픽을 보낼수 있도록 해준다.
  2. 데이터 동기화
     1. 데이터 센터마다 별도의 데이터베이스를 사용하기 때문에 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회된다 해도 해당 데이터센터에는 찾는 데이터가 없을 수 있다.
     2. 이런 상황에서는 데이터를 여러 데이터센터에 걸쳐 다중화 하는것이다.
  3. 테스트와 배포
     1. 여러 데이터센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는것이 중요하다.
     2. 한편 자동화된 배포 도구는 모든 데이터센터에 동일한 서비스가 설치되도록 하는데 중요한 역할을 한다.

메시지 큐

• 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트

• 메시지의 버퍼 역할을 하며 비동기적으로 전송한다.

• 메시지 큐의 기본 아키텍처는 생산자 또는 발행자 ( 프로듀서/퍼블리셔 ) 라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행한다.

• 큐에는 소비자 혹은 구독자 ( 컨슈머 / 섭스크라이버 ) 라고 불리는 서비스 혹은 서버가 연결되어 있는데 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.

• 메시지 큐를 이용하면 서비스 또는 서버간 결합이 느슨해져서 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.

• 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

로그 메트릭 그리고 자동화

• 로그
  • 에러 로그를 모니터링 하는것은 중요하다.
  • 시스템의 오류와 문제를 쉽게 찾을 수 있기 때문
  • 에러 로그를 서버단위로 모니터링 할 수도 있지만 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있다.

• 메트릭
  • 메트릭을 잘 수집하면 사업현황에 관한 유용한 정보도 얻고 시스템의 현재 상태를 손쉽게 파악할 수도 있다.
  • 메트릭 가운데 유용한 메트릭 몇가지
    1. 호스트 단위 메트릭
       1. CPU, 메모리, 디스크 I/O에 관한 메트릭이 여기 해당한다.
    2. 종합 메트릭
       1. 데이터베이스 계층의 성능, 캐시 계층의 성능 같은 것이 여기 해당한다.
    3. 핵심 비지니스 메트릭
       1. 일별 능동 사용자 ( daily active user ), 수익, 재방문 같은것이 여기 해당한다.

• 자동화
  • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다.
  • 가령 지속적 통합을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있다.
  • 이외에도 빌드, 테스트, 배포 등의 절차를 자동화 할 수 있어서 개발 생산성을 크게 향상시킬수 있다.

데이터 베이스의 규모 확장

• 저장할 데이터가 많아지면 DB에 대한 부하도 증가한다.

• 그때가 오면 DB를 증설할 방법을 찾아야 한다.

• 규모확장에는 두가지가 있다.

• 수평적 확장, 수직적 확장

수직적 확장

• 스케일 업이라고 불리우며 서버의 사양을 고성능으로 증설하는 방법이다.

• 스택오버플로는 2013년 한해 동안 방문한 천만명의 사용자 전부 단 한대의 마스터 데이터베이스로 처리하였다.

• 하지만 수직적 접근법에는 약점이 있다.
  1. 무한히 서버의 사양을 증설할 수 없다.
  2. SPOF
     1. 단일 실패지점이 될 확률이 크다.
     2. 단일실패지점: 실패했을경우 서버가 전부 멈춰버리는 지점
  3. 비용이 많이 든다.

수평적 확장

• 데이터베이스의 수평적 확장은 샤딩이라고 불리운다.

• 많은 서버를 추가함으로써 성능을 향상시킬수 있도록 한다.

• 샤딩은 대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술을 일컫는다.

• 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터사이에는 중복이 없다.

• 사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 정한다.

• 예제는 사용자 아이디를 4로 나눈것을 해시함수로 사용하여 데이터가 보관되는 샤드를 정한다.

• 결과가 0이면 0번 샤드, 1이면 1번 샤드

• 샤딩 전략을 구현할 떄 고려해야 할 가장 중요한 것은 샤딩 키를 어떻게 정하느냐 하는것이다.

• 샤딩키는 파티션 키라고도 부르는데 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성된다.

• 그럼 위의 예제 같은 경우 샤딩키는 사용자 ID 이다.

• 샤딩키를 통해 올바른 데이터베이스에 쿼리를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있다.

• 샤딩은 디비 규모 확장을 실현하는 훌륭한 기술이지만 완벽하진 않다.

• 샤딩을 도입하면 시스템이 복잡해지고 풀어야할 문제도 늘어난다.
  1. 데이터의 재 샤딩
     1. 데이터가 너무 많아져서 하나의 샤드로는 더이상 감당하기 어려울 때
     2. 샤드간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때 ( 샤드 소진이라고 부른다 ) 이런 현상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재 배치 해야 한다. 안정 해시 기법을 활용하면 이 문제를 해결 할 수 있다.
  2. 셀레브리티 문제
     1. 핫스팟 키 문제라고도 부르는데 특정 샤드에 쿼리가 집중되어 서버에 과부하가 걸리는 문제다.
     2. 가령 자주 조회되는 데이터가 한 샤드에 몰려있다고 생각해보면 된다.
     3. 이럴 경우 샤드에는 읽기 연산 때문에 과부하가 걸리게 될것이다.
     4. 자주 접속되는 데이터를 균등하게 분배해야 할수도 있다. 아니면 각 샤드당 하나씩 분배해야 할수도 있다.

  3. 조인과 비정규화
     1. 하나의 디비를 여러 샤드 서버로 쪼개고 나면 여러 샤드에 걸친 데이터를 조인하기가 힘들어진다.
     2. 이를 해결하는 한 가지 방법은 디비를 비정규화하여 하나의 테이블에서 질의가 수행될수 있도록 하는 것이다.

백만 사용자, 그리고 그 이상

• 웹 계층은 무상태 계층으로

• 모든 계층에 다중화 도입

• 가능한한 많은 데이터를 캐시 할것

• 여러 데이터 센터를 지원할 것

• 정적 콘텐츠는 CDN을 통해 서비스 할것

• 데이터 계층은 샤딩을 통해 그 규모를 확장할 것

• 각 계층은 독립적 서비스로 분할할 것

• 시스템을 지속적으로 모니터링하고 자동화 도구들을 활용 할 것

Uploaded by Notion2Tistory v1.1.0