[가상면접 사례로 배우는 대규모 시스템 설계 기초] Chap01. 사용자 수에 따른 규모 확장성

https://hudi.blog/system-design-interview-alex-xu-1/

[가상면접 사례로 배우는 대규모 시스템 설계 기초] Chap01. 사용자 수에 따른 규모 확장성

본 글은 위 블로그의 포스팅된 글을 참조 및 재창조 한 글임을 알립니다. 

 

---

단일서버

• 모든 컴포넌트가 단 한대에 서버에서 실행되는 간단한 시스템부터 설계

웹 서버가 클라이언트의 모든 요청 처리 과정

1. 클라이언트는 DNS에 도메인 이름으로 IP를 질의함.
2. 클라이언트는 DNS 조회 결과로 IP를 얻어온다. IP 주소는 웹 서버의 주소
3. 이 IP 주소로 클라이언트는 HTTP 요청을 전달함.
4. 웹 서버는 클라이언트에게 HTML 웹 페이지를 전달한다.

---

데이터베이스

• 사용자가 늘면 단일 서버로는 부족하여, 웹/모바일 트래픽 처리 서버(웹 계층)과 데이터베이스 서버 (데이터 계층)을 분리한다. 그렇다면 그 각각을 독립적으로 확장 가능하다.

---

어떤 데이터베이스를 사용할 것 인가?

• 관계형 데이터베이스는 MySQL, 오라클, PostgreSQL 등이 있으며, 데이터를 테이블, 열, 컬럼으로 표현한다. SQL을 사용하여 테이블 관계에 따라서 조인 가능.
• 비-관계형 데이터베이스 (NoSQL)은 CouchDB, Neo4j, Cassandra, HBase, MongoDB, Amazon Dynamo DB 등이 있다. NoSQL은 다시 키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소 네 부류로 나뉘어 있다고 함.

언제 관계형 데이터베이스를 이용하는 것이 최선? / 언제 비 관계형 데이터베이스를 사용하나?

• 아주 낮은 응답 지연시간이 요구 될때
• 다루는 데이터가 비정형(unstructured)라서 관계형 데이터가 아닐때
• 데이터를 직렬화하거나 역직렬화만 하면 될때
• 아주 많은 양의 데이터를 저장할 필요가 있을때

수직적 규모 확장 vs 수평적 규모 확장

• 수직적 규모 확장(scale-up)은 서버에 고사양 자원을 추가(더 좋은 CPU, 더 많은 램)하는 행위
• 수평적 규모 확장(scale-out)은 더 많은 서버를 추가하여 성능 개선 행위

트래픽이 적을때는 수직정 확장이 좋은 선택 but, 한대 서버로는 무한 증설의 한계가 있음.

 

장애에 대한 자동복구(failover), 다중화(redundancy) 방안을 제시 하지 않아서, 장애 발생 시 모든 웹 사이트, 서비스가 중단된다. 대규모 애플리케이션에는 수평적 규모 확장이 더 적절함.

 

→ 이 설계에는 사용자가 웹서버에 바로 연결되어 웹 서버가 다운되면 사용자는 웹 사이트에 접속 불가. 트래픽이 너무 많아져서 한계 도달시 응답속도가 느려지거나 접속 불가 (로드밸런서 방안)

---

로드밸런서

로드밸런서는 부하 분산 집합(load balancing set)에 속한 웹 서버들에게 트래픽 부하를 고르게 분산해주는 요소이다.

사용자는 웹서버 대신 로드밸런서의 공개 IP 주소로 접속

웹 서버는 클라이언트의 접속을 직접 처리하지 않음.

보안을 위해 서버간 통신에는 사설 IP 주소를 사용한다. 로드 밸런서와 웹 서버는 이 사설 주소를 사용하여 통신함.

 

• 부하 분산 집합에 웹 서버를 하나 더 추가하게 되면, 자동 복구하지 못하는 문제(no failover)가 해소되고, 웹 계층의 가용성(availability)은 향상됨. 서버 1이 다운되면, 모든 트래픽이 서버 2로 향하게 된다. 따라서 웹 사이트 전체가 다운되는 일이 발생 X
• 트래픽이 가파르게 증가하면 부하 분산 집합에 서버만 추가!

---

데이터베이스 다중화

많은 데이터베이스 관리 시스템이 다중화를 지원함.

• 많은 데이터베이스 관리 시스템이 다중화를 지원함. 주(master)-부(slave) 관계를 설정하고, 데이터 원본은 주 서버에, 사본은 부 서버에 저장한다. 쓰기 연산은 주 서버에만 지원하고, 부 서버는 주 서버로부터 사본을 전달받아 읽기 연산만 지원함.
• 대부분의 어플리케이션은 읽기 연산의 비중이 쓰기 연산보다 많다. 따라서 데이터 베이스 서버보다 부 데이터베이스 서버 수가 더 많다.

데이터베이스를 다중화하면 얻는 이점?

• 더 나은 성능: master-slave 다중화 모델에서 모든 쓰기 연산은 master로, 읽기 연산은 다수의 slave로 분산됨. 병렬로 처리되는 쿼리 수가 늘어나므로 성능이 향상
• 안정성: 자연 재해등으로 서버 일부가 파괴되어도 데이터가 보존됨.
• 가용성: 데이터를 여러 지역에 복제하여, 하나의 데이터베이스 서버에 장애가 발생해도, 다른 서버에 있는 데이터로 계속 서비스를 이어나갈 수 있음.

master-slave 관계로 구성된 데이터베이스 다중화 구조는 아래 상황 감당 가능

• 하나뿐인 부 서버가 다운되었다면, 읽기 연산을 한시적으로 주 서버로 전달함. 이후 새로운 부 서버를 올려 장애 서버를 대체한다. 부 서버가 여러대 라면, 나머지 읽기 연산이 나머지 부 서버로 분산되고, 새로운 부 서버가 장애서버를 대체함.
• 주 서버가 다운되었고, 한대의 부 서버가 있는 경우 부 서버가 새로운 주 서버가 되고, 일시적으로 쓰기/읽기 연산을 모두 처리함.

---

캐시

• 캐시를 사용하면 응답시간(latency)을 개선 가능, 응답 시간은 (1) 캐시를 붙이고, (2) 정적 컨텐츠를 콘텐츠 전송 네트워크(Content Delivery Network, CDN)로 옮기면 개선가능.
• 캐시란, 값 비싼 연산결과나 자주 참조되는 데이터를 메모리에 보관하고, 뒤 이은 요청부터 빨리 처리될 수 있도록 하는 저장소이다.
• 애플리케이션 성능은 데이터베이스를 얼마나 자주 호출하느냐에 따라 크게 좌우됨. (네트워크와 IO가 발생하기 때문).
• 캐시 계층(cache tier)는 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠름. (데이터베이스는 데이터를 디스크에 저장, 캐시는 램에 저장)
• 별도의 캐시 계층을 두면 (1) 성능 개선, (2) 데이터베이스 부하가 줄어듦. (3) 캐시 계층을 독립적으로 확장 할 수 있다.

 

읽기 주도형 캐시 전략(read-through caching strategy)

웹 서버는 캐시 서버에 데이터가 있다면, 캐시 서버에서 데이터를 읽는다. 없다면 데이터베이스에서 데이터를 읽고, 캐시에 저장한 뒤 클라이언트에 반환한다.

캐시 사용시 유의점?

• 캐시는 어떤 상황에 바림직한가?

-> 데이터 갱신은 자주 일어나지 않지만, 참조가 빈번할 때

• 어떤 데이터를 캐시에 두어야 하는가?

-> 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직 하지 않다. 캐시는 휘발성 메모리에 데이터를 저장하기 때문. 중요한 데이터는 영속성 저장소(persistent data store)에 두어야 함.

• 캐시에 보관된 데이터는 어떻게 만료?

-> 만료 기한이 너무 짧으면 데이터베이스를, 너무 자주 읽게 되므로 의미 퇴색, 너무 길면, 실제 데이터와 캐시가 차이가 날 가능성

• 일관성은 어떻게 유지 되는가?

-> 일관성이란 데이터의 원본과 캐시된 사본이 같은지 여부. 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있음. 원본 데이터 갱신을 성공하고, 캐시 갱신 실패했을 때 두 연산이 단일 트랜잭션으로 묶이지 않았다면 원본과 캐시의 일관성이 깨진다.

• 장애에는 어떻게 대처할 것인가?

-> 캐시 서버를 한대만 두면 단일 장애 지점(Single Point of Failure, SPOF)가 될 수 있음. SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산해야 함.

• 캐시 메모리는 얼마나 크게 잡을 것인가?

-> 캐시 메모리가 너무 작다면, 엑세스 패턴에 따라 데이터가 캐시 메모리에서 너무 자주 밀려나버려(eviction) 성능이 떨어지게 된다. 이를 막을 방법은 캐시 메모리를 과할당(overprovision) 하는 것이다. 갑자기 캐시에 보관할 데이터가 많아졌을 때, 생긴 문제를 방지 가능.

• 데이터 방출(eviction) 정책은 무엇인가?

-> 캐시가 꽉 차버린 상태에서 추가로 데이터를 넣어야한다면 기존 데이터를 내보내야 함. 이를 데이터 방출 정책이라고 하는데, 마지막으로 사용된 시점이 가장 오래된 데이터를 먼저 내보내는 LRU(Least Recently Used), 가장 먼저 들어온 데이터를 가장 먼저 내보내는 정책인 FIFO(First In First Out)이 있음.

---

컨텐츠 전송 네트워크(CDN)

• CDN은 정적 컨텐츠 (이미지, 비디오, CSS, Javascript) 를 전송하는데 쓰이는 지리적으로 분산된 서버의 네트워크이다. 사용자가 웹 사이트를 방문하면 사용자에게 가장 가까운 CDN 서버가 정적 컨텐츠를 전달함.

CDN의 동작 과정

→ 내가 쓰던 경우 Amazon S3에서 이미지를 저장하고 링크를 공유한 것이 아닐까?

1. 사용자가 이미지 URL을 이용해 이미지에 접근. 이 URL의 도메인은 CDN 서비스 사업자가 제공함.
2. CDN 서버에 해당 이미지가 없는 경우, CDN 서버는 원본 서버에 요청해 파일을 가져온다.
3. 원본 서버가 CDN 서버에 파일을 반환. HTTP 응답 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지 나타내는 TTL(Time-To-Live) 값이 들어있음.
4. CDN 서버는 파일을 캐시하고 사용자에게 반환. TTL에 명시된 시간만큼 캐시
5. 다른 사용자가 동일한 이미지를 CDN 서버에 요청
6. 해당 이미지가 만료되지 않았다면, CDN 서버가 캐시해둔 파일을 반환.

CDN 사용시 고려 사항

1. 비용: CDN은 써드 파티 프로바이더에 의해 운영되고, 데이터 전송양에 따라 요금 지불. 자주 사용되지 않는 컨텐츠 캐싱은 비용 낭비
2. 적절한 만료 시한 설정: 시간에 민감한 컨텐츠는 만료 시점을 잘 설정해야 함. 캐시 서버의 만료 정책과 비슷함.
3. CDN 장애에 대한 대처 방안: CDN이 응답하지 않는 경우, 이 문제를 감지하여 원본 서버로부터 컨텐츠를 가져올 수 있도록 클라이언트 구성해야 함.
4. 컨텐츠 무효화(invalidation) : 아직 만료되지 않은 컨텐츠라도, CDN에서 캐시 제거 가능
   1. CDN 서비스 사업자가 제공하는 API를 통한 무효화
   2. 컨텐츠의 다른 버전을 서비스하도록오브젝트 버저닝(object versioning)이용. 컨텐츠의 새로운 버전을 정하기 위해서, URL 마지막에 버전 번호를 인자로 준다. (image.png?v=2) 처럼

---

무상태(stateless) 웹 계층

 

웹 계층을 수평 확장 하는법? → for this, 사용자 세션 데이터와 같은 상태 정보를 웹 계층에서 제거해야 함.

상태 정보 의존적인 아키텍처

상태정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유(쿠키, 세션)되도록 한다. 무상태 서버에는 이런 장치가 없음.

사용자A는 서버1, 사용자B는 서버2에서 로그인했다면, 사용자A는 항상 서버1로, 사용자B는 항상 서버2로 요청해야 함. 즉 같은 클라이언트로부터 요청은 항상 같은 서버로 전송해야 함. 이를 지원하기 위해 로드밸런서는 Sticky Session 기능을 제공하지만, 로드밸런서에 부담.

 

무상태 아키텍처

무상태 아키텍처는 상태 정보를 별도의 공유 저장소(shared storage)로부터 데이터를 저장하고 가져온다. 즉 상태 정보는 웹 서버로부터 물리적으로 분리되어 있음. 이런 구조는 단순하고, 안정적이고, 규모 확장이 쉽다.

 

Memcached, Redis 같은 캐시 시스템 Or NoSQL 일수도 있음.

상태를 별도의 저장소에 저장하여, 부하 분산 집합내의 자동 규모 확장(autoscaling)이 가능해졌다. 상태가 웹 서버에서 제거 되었으므로, 트래픽 양에 따라 웹 서버를 넣거나 빼기만 하면 자동 규모 확장 가능.

---

데이터 센터

서비스가 전 세계적으로 사용하게 되었다고 가정하자. 가용성을 높이고 전세계 어디서든 쾌적하게 사용하기 위해 데이터 센터를 지원하는 것이 필수.

 

지리적으로 분리된 두 개의 데이터 센터 → 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 라우팅. 이 절차를 지리적 라우팅(geoDNS-routing) 이라고 한다. 지리적 라우티에서는 geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP주소로 변화할지 결정해주는 DNS 서비스.

 

If, 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 발생하지 않은 데이터 센터로 향함.

• 트래픽 우회: 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 함. geoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해준다.
• 데이터 동기화(synchronization): 데이터 센터마다 별도로 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어(failover) 트래픽이 다른 데이터베이스로 우회된다 하더라도, 해당 데이터센터에는 찾는 데이터가 없을 수 있음. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터 센터에 걸쳐 다중화 하는 것이다.
• 테스트와 배포: 여러 데이터 센터에서 웹 사이트 혹은 애플리케이션을 테스트 해보는게 중요. 자동화된 배포 도구를 사용하여 모든 데이터 센터에 동일한 서비스가 설치되도록 한다.

---

메시지 큐

시스템을 더 큰 규모로 확장하려면, 시스템의 컴포넌트를 분리(loose couplin)하고, 각기 독립적으로 확장 될수 있도록 해야한다. 메시지큐는 많은 실제 분산 시스템이 이 문제를 풀기위해 사용하는 핵심적인 전략이다.

 

메시지 큐는 비동기 통신을 지원하는 컴포넌트이다. 메시지큐는 무손실을 보장하는 특징이 있음. 메시지 큐에 한번 저장된 메시지는 소비자가 꺼낼때까지 완전히 보관된다는 점이다. 메시지큐는 메시지의 버퍼 역할을 하며, 비동기적으로 전송

생산자 또는 발행자(producer/publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행함. 메시지 큐에는 소비자 혹은 구독자(consumer/subscriber)라고 불리는 서비스 또는 서버가 연결되어 있는데, 메시지를 받고 동작을 수행하는 역할을 함.

 

메시지 큐를 사용하면 서비스 또는 서버 간 결합이 느슨해져, 규모 확장성이 보장되어야 하는 안정적인 애플리케이션을 구성하기 좋다. 또 결함에 대한 내성을 높여줌

 

생산자는 소비자가 다운되어 있을때도 메시지를 발행할 수 있고, 반대로 소비자는 생산자 서비스가 다운되더라도 메시지를 수신 가능.

 

EX) 시간이 오래 걸리는 이미지 보정 작업

생산자인 웹 서버는 이미지 보정 작업을 메시지 큐에 넣음 → 사진 보정 작업 프로세스는 메시지 큐에서 메시지를 꺼내 해당 비동기적으로 이미지 보정 작업을 수행 → 생산자와 소비자 서비스 규모는 각기 독립적으로 확장 가능

---

로그, 메트릭 그리고 자동화

사업 규모가 커지면 로그, 메트릭(metric), 자동화(automation)은 필수!

• 로그: 서버 단위로 로그를 모니터링하는 것도 좋지만, 로그를 하나로 모아주는 도구를 활용하면 더 편리하게 검색, 조회 가능
• 메트릭: 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악 가능
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O에 관한 메트릭
  • 종합(aggregated) 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능
  • 핵심 비지니스 메트릭: 일별 활성 사용자(daily active user), 수익, 재방문(retention)
• 자동화: 시스템이 크고 복잡해지면, 생산성을 위해 자동화 도구를 활용해야 한다. 빌드, 테스트, 배포 등의 절차를 자동화 가능

---

데이터베이스의 규모 확장

저장할 데이터가 많아지면, 데이터베이스에 대한 부하도 증가한다. 수직적, 수평적 규모 확장법 두 개로 나눌 수 있다.

수직적 확장: 데이터베이스 서버의 CPU, RAM, 디스크와 자원을 증설하는 방법

• 서버 하드웨어를 무한 증설할 수 없으므로 한계 존재
• 하나의 데이터베이스를 수직 확장하면 SPOF로 인한 위험성이 큼
• 비용이 많이 발생

수평적 확장: 데이터베이스의 수평적 확장을 샤딩(sharding)이라고 부른다.

샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할한다. 모든 샤드는 같은 스키마를 사용하지만, 샤드에 보관되는 데이터사이에는 중복이 없다.

 

해시 샤딩(hash sharding)은 샤드의 개수에 따른 해시 함수를 사용하여 데이터가 보관되는 샤드를 결정한다. 예를 들어, 샤드가 4개인 경우 user_id % 4 를 해시 함수로 사용하여 데이터가 보관될 샤드를 결정할 수 있다.

샤딩 전략에서 가장 중요하게 고려할 것은 샤딩 키(sharding key, partition key)를 어떻게 정하느냐임. 샤딩 키는 데이터가 어떤 샤드에 저장되는지 결정하는 하나 이상의 컬럼으로 구성된다.샤딩키를 정할떄는 데이터가 고르게 분할 할 수 있도록 하는게 중요함.

샤딩 도입 시 문제?

• 데이터의 재 샤딩(resharding): 데이터가 너무 많아져 하나의 샤드로는 감당이 어렵거나, 균등하게 데이터 분포가 되지 않아 특정 샤드에 데이터가 몰려 할당된 공간 소모가 다른 샤드에 비해 빠르게 진행될 때, 재 샤딩을 고려해야 한다. 이를 샤드 소진 이라고 부름. 안정 해시(consistent hashing) 기법을 사용하여 이 문제를 해결 가능
• 유명인사(celebrity) 문제: 핫스팟 키(hotspot key) 문제라고 부름. 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제. 유명 인사 유저가 한 샤드에 집중 저장되어 있다면, 해당 샤드만 큰 과부하가 걸리게 될 것이다.
• 조인과 비정규화(join and de-normalization): 하나의 데이터베이스를 여러 서버로 쪼개면, 여러 샤드에 걸친 데이터를 조인하기 힘들다. 데이터베이스를 비정규화하여, 조인 없이 하나의 테이블에서 질의가 수행될 수 있도록 하는 것