사용자 수에 따른 규모 확장성을 고려한 아키텍처 설계

 

1단계. 단일 서버

• 웹 앱, 데이터베이스, 캐시 등 전부 모두 서버 한 대에 구축한다.

사용자 요청 흐름

1. 사용자는 도메인 이름을 이용해(www.naver.com) 웹사이트에 접속한다.
   • 이 접속을 위해서는 DNS에 질의해 도메인 이름을 IP 주소로 변환하는 과정이 필요하다. (보통 thired party 사용)
2. DNS 질의 결과로 IP 주소가 반환된다.
3. 해당 IP주소로 HTTP 요청이 전달 된다.
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

 

 

 

2단계. 데이터베이스 서버 분리

• 웹 계층과 데이터 계층으로 서버를 분리한다.
  • 각각을 독립적으로 확장해 나갈 수 있게 된다.
• 어떤 데이터 베이스를 사용할 것인가
  • RDBMS vs NoSQL
    • 다음과 같은 경우 비관계형 데이터베이스가 바람직한 선택일 수 있다
      • 아주 늦은 응답 지연시간이 요구됨
      • 다루는 데이터가 비정형 데이터임
      • 데이터를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
      • 아주 많은 양의 데이터를 저장할 필요가 있음

 

 

 

 

3단계. 수직적 규모 확장 vs 수평적 규모 확장

• 수직적 : 서버에 고사양 자원을 추가하는 행위.
  • 서버로 유입되는 트래픽의 양이 적을때는 좋은 선택이 될 수 있다. 단순하게 해결 가능.
  • 하지만 몇 가지 단점이 있다
    • 한계가 있음 (무한정 CPU, 메모리 증설 불가)
    • 자동복구 방안이나 다중화 방안 없음. 서버에 장애가 발생하면 시스템 완전 중단
• 수평적 : 서버 증설
  

  

  • 로드밸런서 : 웹 서버들에게 트래픽 부하를 분산하는 역할
    • 사용자는 로드밸런서의 공개 IP로 접속한다. (서버간 통신은 사설 IP 주소로 진행)
      • 사설 IP주소는 네트워크에 속한 서버 사이의 통신에서만 쓰일 수 있음. 공개적으로 접속 불가
  • failover 가능해져 서버의 가용성 향상됨
    • 서버 1 다운시 서버 2가 모든 트래픽 받으면 됨
  • 데이터 베이스 다중화
    • master - slave 구조
      • master : 원본 저장. 쓰기 연산 지원
      • slave : 사본 저장. 읽기 연산만 지원. master에서 주기적으로 데이터 가져와서 정합성 맞춤
    • 장점
      • 병렬로 처리될 수 있는 질의의 수가 늘어나 성능 좋아짐
      • 안정성 높아짐 : 서버 일부가 파괴되어도 데이터 보존됨 (데이터를 지역적으로 떨어진 여러 장소에 다중화 했다는 가정)
      • 가용성 높아짐 : 하나의 데이터 베이스 서버에 장애가 발생해도 다른 서버 사용 가능
    • 데이터베이스 서버 중 하나가 다운된다면?
      • 부 서버 다운
        • 부 서버가 한 대 뿐인 경우 : 읽기 연산이 주 서버로 전달됨. 새로운 부 서버 생성 해 대체 가능
        • 부 서버가 여러 대 일 경우 : 나머지 부 서버로 읽기 연산 분산. 새로운 부 서버 생성 해 대체 가능
      • 주 서버 다운
        • 부 서버가 한 대 뿐인 경우 : 부 서버가 새로운 주서버가 된다. 새로운 부 서버 생성 해 대체 가능
          • 부 서버에 보관된 데이터가 최신 상태가 아닐 경우를 고려해 복구 스크립트를 돌려서 없는 데이터 추가해야 한다. 참고 문헌 [4][5] 참고

사용자 요청 흐름

1. 사용자는 도메인 이름을 이용해(www.naver.com) 웹사이트에 접속한다.
   • 이 접속을 위해서는 DNS에 질의해 도메인 이름을 IP 주소로 변환하는 과정이 필요하다. (보통 thired party 사용)
2. DNS 질의 결과로 로드 밸런서의 공개 IP 주소가 반환된다.
3. HTTP 요청은 서버1이나 서버2로 전달된다.
4. 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다
5. 웹 서버는 데이터 변경 연산은 주 데이터베이스로 전달한다.

 

 

 

 

4단계. 캐시와 CDN

• 응답 시간을 개선하기 위한 목적으로 캐시와 CDN을 도입해보자

• 캐시 : 값 비싼 연산 결과 혹은 자주 참조되는 데이터를 메모리안에 두고 사용하는 기법
  • 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데 캐시는 그런 문제를 완화할 수 있다,
  • 데이터 베이스 부하를 줄일 수도 있고 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.
  • 사용 시 유의할 점
    • 캐시는 어떤 상황에 바람직한가? -> 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어나는 경우
    • 어떤 데이터를 캐시에 두어야 하는가? -> 영속적으로 보관할 데이터를 캐시에 두는것은 바람직하지 않다
    • 캐시에 보관된 데이터는 어떻게 만료되는가? -> 너무 짧아도 곤란하고 너무 길어도 곤란
    • 일관성은 어떻게 유지 되는가?
      • 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부
      • 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있다
      • Scaling Memcache at Facebook 참고
    • 장애에는 어떻게 대처할 것인가? 캐시 서버를 한대만 두는 경우 해당 서버는 단일 장애 지점이 될 수 있다.
      • 단일 장애 지점 : 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우 해당 지점을 단일 장애 지점이라고 부른다.
    • 캐시 메모리는 얼마나 크게 잡을 것인가?
      • 너무 작으면 캐시의 성능이 떨어진다. 캐시 메모리를 과할당해서 해결하자
    • 데이터 방출 정책은 무엇인가?
      • 캐시가 꽉 차버렸을 때 캐시 서버에서 데이터를 방출하는 정책 : 보통 LRU 사용 혹은 LFU, FIFO 등
• CDN : 정적 콘텐츠를 전송하는데 쓰이는 지리적으로 분산된 서버의 네트워크
  • 흐름 
    1. 사용자가 이미지 URL을 통해 이미지에 접근한다. (URL 도메인은 CDN 사업자 도메인)
    2. CDN 서버의 캐시에 해당 이미지가 없는 경우 서버는 원본 서버에 요청해 파일을 가져온다
       1. 원본 서버가 파일을 CDN 서버에 반환한다. (TIL 값과 함께)
       2. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다. 이미지는 TIL에 명시된 시간이 끝날때까지 캐시된다.
    3. CDN 서버에 이미지가 있는 경우, 바로 이미지를 반환한다.
  • 고려해야 할 사항
    • 비용 : CDN은 보통 third-party 로 사용됨. 데이터 전송 양에 따라 요금을 내게 된다. 자주 사용하지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않다.
    • 적절한 만료 시간
    • CDN 장애 대처 : CDN 서버가 죽는 경우 원본 서버로부터 가져올 수 있게 클라이언트 구성 필요
    • 콘텐츠 무효화 방법 : 캐시 시간이 지나지 않은 콘텐츠여도 만료할 수 있게 방안 필요
      • CDN 서비스 사업자가 제공하는 API 사용
      • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝 이용 (예시 : imange.png?v=2)
• 캐시와 CDN 도입으로 변화된 부분 : 정적 콘텐츠은 CDN을 통해 서비스한다. 캐시가 데이터베이스 부하를 줄여준다.

 

 

 

 

5단계. 무상태 웹 계층

• 웹 계층을 수평적으로 확장하기 위해서 상태 정보를 웹 계층에서 제거해야 한다.

상태 의존적인 아키텍처

• 상태 의존적으로 설계되면 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다.
  • 로드밸런서가 고정 세션이라는 기능을 제공하기는 한다.
  • 근데 부담이 되는 작업임 😎

무상태 아키텍처

• 무상태 아키텍처
  • 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달 될 수 있다.
  • 상태 정보가 필요한 경우 별도의 공유 저장소로부터 가져온다. 
    • = 상태 정보와 웹 서버의 분리

 

 

6단계. 데이터 센터

• 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내되는데, 이를 지리적 라우팅이라고 한다.
• 지리적 라우팅 geoDNS-routing
  • 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스
  • 지리적 라우팅을 하기 위한 기술적 난제
    • 트래픽 우회 : 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다
    • 데이터 동기화 : 데이터 센터마다 별도의 데이터베이스를 가지는 상황이라면 데이터베이스 다중화가 필요하다
    • 테스트와 배포 : 여러 위치에서 테스트 필요
• 메세지 큐
  • 메세지의 버퍼 역할을 하며 비동기적으로 전송하기 위한 목적으로 사용됨
  • 서비스 또는 서버 간 결합이 느슨해져서 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.
    • 생산자 : 소비자 프로세스가 다운되어 있어도 메세지 발행가능
    • 소비자 : 생산자 프로세스가 다운되어 있어도 메세지 수신 가능
• 로그, 매트릭, 자동화
  • 로그 : 에러 로그 모니터링 해 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있도록 한다.
  • 매트릭 : 호스트 단위 매트릭(CPU, 디스크 I/O 등등), 종합 메트릭 (DB 계층 성능, 캐시 계층 성능), 핵심 비즈니스 메트릭(daily active user, 수익, 재방문 수 등등)
  • 자동화 : 빌드, 테스트, 배포 자동화
• 결과
  • 비동기로 처리할 수 있는 부분은 메세지큐를 사용한다.
  • 로그,모니터링,메트릭,자동화 등을 지원하는 도구를 추가한다.

 

 

 

7단계. 데이터베이스의 규모 확장

• 수직적 확장
• 수평적 확장 : 샤딩(sharding)
  • 샤딩은 대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술을 일컫는다.
  • 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.
  • 예를 들어 user_id 기준으로 샤드 결정(해쉬 버킷처럼)
  • 샤딩 키
    • 파티션 키라고도 부르는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 컬럼으로 구성된다.
  • 문제점
    • 데이터의 재 샤딩
      • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울때
      • 샤드 간 데이터 분포가 균딩하지 못해 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때 - 샤드 소진
      • 이 문제는 안정 해시 기법을 사용하면 해결 가능
    • 유명인사 문제
      • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
    • 조인과 비정규화
      • 여러 샤드에 걸친 데이터를 조인하기 힘들어진다.
      • 해결하기 위한 방법은 데이터베이스를 비정규화 하는 것이다.

 

 

👀 결론 

웹 계층은 무상태 계층으로
모든 계층에 다중화 도입
가능한 많은 데이터를 캐시할 것 (데이터베이스 부하를 줄이기 위해)
여러 데이터 센터를 지원할 것
정적 콘텐츠는 CDN을 통해 서비스 할 것
데이터 계층은 샤딩을 통해 규모 확장
각 계층은 독립적 서비스로 분할
시스템을 지속적으로 모니터링하고 자동화 도구들을 활용 할 것