사용자 수에 따른 규모 확장성 생각해보기

2022-02-21

사용자 수에 따른 규모 확장성 생각해보기

단일 서버

모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템부터 설계 해보자.

웹, 앱, 데이터베이스, 캐시 등이 전부 서버 한대에서 실행된다.

단일서버

위의 시스템 구성을 이해하기 위해서는 사용자의 요청이 처리되는 과정과 요청을 만드는 단말에 대해서 이해할 필요가 있다.

  1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹사이트에 접속한다. 이 접속을 위해서는 도메인 이름을 도메인 이름 서비스(DNS)에 질의하여 IP 주소로 변환하는 과정이 필요하다. DNS는 보통 제 3 사업자가 제공하는 유료 서비스를 이용하게 되므로 우리의 시스템 일부는 아니다.
  2. DNS 조회 결과로 IP 주소가 반환된다. 예시로 여기서는 15.125.23.214라고 하겠다.
  3. 해당 IP 주소로 HTTP 요청이 전달 된다.
  4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

요청은 어디서 올까?

  • 웹 애플리케이션 : 비즈니스 로직, 데이터 저장 등을 처리하기 위해서는 서버 구현용 언어를 사용하고, 프레젠테이션용으로는 클라이언트 구현용 언어를 사용한다.
  • 모바일 앱 : 모바일 앱과 웹 서버 간 통신을 위해서는 HTTP 프로토콜을 이용한다. HTTP 프로토콜을 통해서 반환될 응답 데이터의 포맷은 보통 JSON이 간결함 덕에 널리 쓰인다.

데이터베이스

어떤 데이터베이스를 사용할까?

관계형 데이터베이스

RDBMS 가운데 유명한 것으로는 MySQL, 오라클 데이터베이스, PostgreSQL 등이 있다.

관계형 데이터베이스는 자료를 테이블과 열, 칼럼으로 표현한다.

여러 테이블에 있는 데이터를 그 관계에 따라 조인하여 합칠 수 있다.

비-관계형 데이터베이스

비 관계형 데이터베이스는 NoSQL이라고도 부른다.

대표적으로는 CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등이 있다.

NoSQL은 다시 네 부류로 나눌 수 있다.

  • 키-값 저장소(key-value store)
  • 그래프 저장소(graph store)
  • 칼럼 저장소(column store)
  • 문서 저장소(document store)

아래 와 같은 경우에는 비-관계형 데이터베이스가 바람직한 선택일 수 있다.

  • 아주 낮은 응답 지연시간이 요구됨
  • 다루는 데이터가 비정형이라 관계형 데이터가 아님
  • 데이터를 직렬화하거나 역직렬화 할 수 있기만 하면 됨
  • 아주 많은 양의 데이터를 저장할 필요가 있음

수직적 규모 확장 vs 수평적 규모 확장

스케일 업이라고도 하는 수직적 규모 확장 프로세스는 서버에 고사양 자원(더 좋은 CPU, 더 많은 RAM 등)을 추가하는 행위 말한다.

반면 스케일 아웃이라고도 하는 수평적 규모 확장 프로세스는 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.

수직적 규모 확장의 단점

  • 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다.
  • 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다. 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다.

이런 단점 때문에 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장법이 더 낫다.

로드밸런서

로드밸런서는 부하 분산 집합에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할을 한다.

로드밸런서

사용자는 로드 밸런서의 공개 IP 주소(public IP address)로 접속한다.

따라서 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다.

더 나은 보안을 위해, 서버 간 통신에는 사설 IP 주소(private IP address)가 이용된다.

사설 IP 주소는 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있는 IP 주소로, 인터넷을 통해서는 접속할 수 없다.

위의 그림과 같이 로드 밸런서에 또 하나의 웹서버를 추가하고 나면

한 대 서버가 죽어서 자동 복구를 하지 못할 경우, 다른 서버가 그 일을 대신 해 줄 수 있어 가용성이 높아진다.

데이터베이스 다중화

보통은 서버 사이에 주(master)-부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.

  • 쓰기 연산(write operation)은 마스터에서만 지원 한다.
  • 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산만 지원 한다.
  • 데이터 베이스를 변경하는 명령어인, insert, delete, update 등은 주 데이터베이스로만 전달되어야 한다.
  • 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다. 따라서 부 데이터베이스의 수가 더 많다.

데이터베이스구조

데이터베이스 다중화 이점

  • 더 나은 성능 : 주-부 다중화 모델에서 모든 데이터 변경 연산은 주 데이터베이스 서버로만 전달되는 반면 읽기 연산은 부 데이터베이스 서버들로 분산 된다. 병렬로 처리될 수 있는 질의(query)의 수가 늘어나므로, 성능이 좋아진다.
  • 안정성(reliability) : 자연 재해 등의 이유로 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존될 것이다. 데이터를 지역적으로 떨어진 여러 장소에 다중화 시켜 놓을 수 있기 때문이다.
  • 가용성(availability) : 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있게 된다

데이터베이스 장애 상황

  • 부 서버가 한 대 뿐인데 다운이된 경우라면, 읽기 연산은 한시적으로 모두 주데이터베이스로 전달될 것이다. 또한 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다. 부 서버가 여러 대인 경우에 읽기 연산은 나머지 부 데이터베이스 서버들로 분산될 것이며, 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다.
  • 주 데이터베이스 서버가 다운되면, 한 대의 부 데이터베이스만 있는 경우 해당 부 데이터베이스 서버가 새로운 주 서버가 될 것이며, 모든 데이터베이스 연산은 일시적으로 새로운 주 서버상에서 수행될 것이다. 그리고 새로운 부서버가 추가될 것이다. 프로덕션 환경에서 벌어지는 일은 이것보다는 사실 더 복잡한데, 부 서버에 보관된 데이터가 최신 상태가 아닐수 있기 때문이다. 없는 데이터는 복구 스크립트(recovery script)를 돌려서 추가해야 한다. 다중 마스터(multi-masters)나 원형 다중화(circular replication) 방식을 도입하면 이런 상황에 대처하는 데 도움이 된다.

캐시

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

웹페이지를 새로고침할 때마다 표시할 데이터를 가져오기 위해 한 번 이상의 데이터베이스 호출이 발생한다.

애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데, 캐시는 그런 문제를 완화할 수 있다.

캐시 계층

캐시 계층(cache tier)은 데이터가잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다.

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

캐시티어

  • 요청을 받은 웹 서버는 캐시에 응답이 저장되어 있는지를 본다.

  • 만일 저장되어 있다면 해당 데이터를 클라이언트에 반환한다.

  • 없는 경우에는 데이터베이스 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환한다.
  • 이러한 캐시 전략을 읽기 주도형 캐시 전략(read-through caching strategy)이라고 부른다.

이것 외에도 다양한 캐시 전략이 있는데, 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시 전략을 선택하면 된다.

캐시 사용시 유의할 점

  • 캐시는 어떤 상황에 바람직한가?
    • 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 고려해볼 만하다.
  • 어떤 데이터를 캐시에 두어야 하는가?
    • 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다. 예를 들어, 캐시 서버가 재시작되면 캐시 내의 모든 데이터가 사라진다. 중요한 데이터는 여전히 지속적 저장소(persistent data store)에 두어야 한다.
  • 캐시에 보관된 데이터는 어떻게 만료되는가?
    • 이에 대한 정책을 마련해 두는 것은 좋은 습관이다. 만료된 데이터는 캐시에서 삭제되어야 한다. 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다. 만료 기한은 너무 짧으면 곤란한데, 데이터베이스를 너무 자주 읽게 될 것이기 때문이다. 너무나 길어도 곤란한데, 원본과 차이가 날 가능성이 높아지기 때문이다.
  • 일관성(consistency)은 어떻게 유지 되는가?
    • 일관성은 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부다. 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랙재션으로 처리되지 않는 경우 이 일관성은 깨질 수 있다. 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 캐시와 저장소 사이의 일관성을 유지하는 것은 어려문 문제가 된다.
  • 장애에는 어떻게 대처할 것인가?
    • 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(Single Point of Failure, SPOF)이 되어버릴 가능성이 있다. 결과적으로 SPOF를 피하려면 여러 지역에 걸쳐 캐시 서버를 분산시켜야 한다.
  • 캐시 메모리는 얼마나 크게 잡을 것인가?
    • 캐시 메모리가 너무 작으면 액세스 패턴에 따라서는 데이터가 너무 자주 캐시에 밀려나버려서(eviction) 캐시의 성능이 떨어지게 된다. 이를 막을 한 가지 방법은 캐시 메모리를 과할당(overprivision)하는 것이다. 이렇게 하면 캐시에 보관될 데이터가 갑자기 늘어났을 때 생길 문제도 방지할 수 있게 된다.
  • 데이터 만료(eviction) 정책은 무엇인가?
    • 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 한다. 이것을 캐시 데이터 방출 정책이라고 한다.
      • LPU(Least Recently Used) : 마지막으로 사용된 시점이 가장 오래된 데이터를 내보내는 정책
      • LFU(Least Frequently Used) : 사용된 빈도가 가장 낮은 데이터를 내보내는 정책
      • FIFO(Fisrt In First Out) : 가장 먼저 캐시에 들어온 데이터를 가장 먼저 내보내는 정책

콘텐츠 전송 네트워크 CDN

CDN은 정적 컨텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크이다. 이미지, 비디오, CSS, JavaScript 파일 등을 캐시할 수 있다.

  1. 사용자가 웹사이트 방문을 한다.

  2. 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다.

cdn

다음은 CDN이 어떻게 동작하는지를 설명한다.

cdn

  1. 사용자 A가 이미지 URL을 이용해 image.png에 접근한다. URL의 도메인은 CDN 서비스 사업자가 제공한 것이다. 아래의 두 URL은 Cloudfront와 Akamai CDN이 제공하는 URL의 예제다.
    • https://mysite.cloudfront.net/logo.jpg
    • https://mysite.akamai.com/image-manager/img/logo.jpg
  2. CDN 서버의 캐시에 해당 이미지가 없는 경우 서버는 원본서버에 요청하여 파일을 가져온다. 원본 서버는 웹 서버일 수도 있고 아마존 S3같은 온라인 저장소일 수도 있다.
  3. 원본 서버가 파일을 CDN 서버에 반환한다. 응답의 HTTP 헤더에는 해당 파일이 얼마나 오래 캐시될 수 있는지를 설명하는 TTL(Time-To-Live) 값이 들어 있다.
  4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다. 이미지는 TTL에 명시된 시간이 끝날 때까지 캐시된다.
  5. 사용자 B가 같은 이미지에 대한 요청을 CDN서버에 전송한다.
  6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리 된다.

CDN 사용시 고려해야 할 사항

  • 비용
    • CDN은 보통 제3 사업자에 의해 운영되며, 우리는 CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 내게 된다. 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로, CDN에서 제외하도록 하자.
  • 적절한 만료 시한 설정
    • 시의성이 중요한(time-sensitive) 콘텐츠의 경우 만료 시점을 잘 정해야 한다. 너무 길지도 않고 짧지도 않아야 하는데, 너무 길면 콘텐츠의 신선도는 떨어질 것이고, 너무 짧으면 원본 서버에 빈번히 접속하게 되어서 좋지 않다.
  • CDN 장애에 대한 대처 방안
    • CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야 한다. 가령 일시적으로 CDN이 응답하지 않을 경우, 해당 문제를 감지하여 원본 서버로부터 직접 컨텐츠를 가져오도록 클라이언트를 구성하는 것이 필요할 수도 있다.
  • 콘텐츠 무효화(invalidation) 방법
    • 아직 만료되지 않은 콘텐츠라 하더라도 아래 방법 가운데 하나를 쓰면 CDN에서 제거할 수 있다.
      • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
      • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝 이용. 콘텐츠의 새로우 버전을 지정하기 위해서는 URL 마지막에 버전 번호를 인자로 주면 된다. image.png?v=2

CDN의 이점

  • 정적 콘텐츠(JS, CSS, 이미지 등)는 더 이상 웹 서버를 통해 서비스하지 않으며, CDN을 통해 제공하여 더 나은 성능을 보장한다.
  • 캐시가 데이터베이스 부하를 줄여준다.

무상태(stateless) 웹 계층

웹 계층을 수평적으로 확장하는 방법을 고민해보자.

이를 위해서는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거해야 한다.

바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL같은 지속성 저장소에 보관하고, 필요할때 가져오도록 하는 것이다.

이렇게 구성된 웹 계층을 무상태 웹 계층이라고 한다.

상태 정보 의존적인 아키텍처

상태 정보를 보관하는 서버와 그렇지 않은 서버 사이에는 몇 가지 중요한 차이가 있다.

상태 정보를 보관하는 서버(stateful)는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다.

무상태 서버에는 이런 장치가 없다.

stateful

위의 그림에서 사용자 A의 세션 정보나 프로파일 이미지 같은 상태 정보는 서버 1에 저장된다.

사용자 A를 인증하기 위해 HTTP 요청은 반드시 서버1로 전송되어야 한다.

요청이 서버 2로 저장되면 인증은 실패하게 되는데, 서버 2에는 사용자 A에 관한 데이터를 보관하고 있지 않기 때문이다.

문제는 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 것이다.

대부분의 로드밸런서가 이를 지원하기 위해 고정세션(sticky session) 이라는 기능을 제공하고 있는데, 이는 로드 밸러선에 부담을 준다.

게다가 로드 밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워진다.

Sticky Session의 단점

  • 로드 밸런싱이 의도한대로 잘 동작하지 않을 수도 있다.
  • 특정 서버만 과부하가 올 수 있다.
  • 특정 서버 Fail시 해당 서버에 붙어있는 세션들이 모두 소실될 수 있다.

무상태 아키텍처

stateless

이 구조에서 사용자로부터의 HTTP 요청은 어떤 웹서버로도 전달될 수 있다.

웹 서버는 상태 정보가 필요할 경우 공유 저장소로부터 데이터를 가져온다.

따라서 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다.

이런 구조는 단순하고, 안정적이며, 규모 확장이 쉽다.

데이터 센터

우리가 만든 웹사이트가 매우 빨리 성장하여 전 세계 사용자의 이목을 받는 시점이 왔다고 해보자.

가용성을 높이고 전 세계 어디서도 쾌적하게 사용할 수 있도록 하기 위해서는 여러 데이터 센터를 지원하는 것이 필수다.

US-East 데이터 센터와, US-West 데이터 센터 두 데이터 센터가 있다고 가정해보자.

장애가 없는 상황에서 사용자는 가장 가까운 데이터 센타로 안내되는데, 통상 이 절차를 지리적 라우팅(geoDNS-routing, 또는 geo-routing)이라고 부른다.

지리적 라우팅에서의 geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스다.

이 두개의 데이터센터(US-East와 US-West)중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송 된다.

이와 같이 다중 데이터센터 아키텍처를 만들려면 몇 가지 기술적 난제를 해결해야 한다.

  • 트래픽 우회
    • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다. GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해준다.
  • 데이터 동기화(synchronization)
    • 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어(failover) 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터센터에 찾는 데이터가 없을 수 있다. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것이다. https://netflixtechblog.com/active-active-for-multi-regional-resiliency-c47719f6685b
  • 테스트와 배포(deployment)
    • 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해 보는 것이 중요하다. 한편, 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치 되도록 하는데 중요한 역할을 한다.

메시지 큐

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

메세지 큐는 많은 실제 분산 시스템이 이 문제를 위해 채용하고 있는 핵심적 전략 가운데 하나다.

메시지 큐는 메시지의 무손실(durability, 즉 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는, 비동기 통신을 지원하는 컴포넌트다.

메시지의 버퍼 역할을 하며, 비동기적으로 전송한다. 메시지 큐의 기본 아키텍처는 간단하다.

  • 생산자 또는 발행자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행한다.
  • 큐에는 보통 소비자 혹은 구독자라 불리는 서비스 혹은 서버가 연결되어 있는데, 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.

메시지큐

메시지 큐의 장점

메시지 큐를 이용하면 서비스 또는 서버 간 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, 자동화

먗 개 서버에서 실행되는 소규모 웹 사이트를 만들 때는 로그나, 메트릭, 자동화 같은 것은 하면 좋지만 꼭 할 필요는 없었다. 하지만 일단 웹 사이트와 함께 사업 규모가 커지고 나면, 그런 도구에 필수적으로 투자해야 한다.

  • 로그
    • 에러 로그를 모니터링 하는 것은 중요하다. 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있도록 하기 때문이다. 에러 로그는 서버 단위로 모니터링 할 수도 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있다.
  • 메트릭
    • 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있다. 메트릭 가운데 특히 유용한 것을 몇 가지 살펴보면 다음과 같다.
      • 호스트 단위 메트릭 : CPU, 메모리, 디스크 IO에 관한 메트릭이 여기에 해당한다.
      • 종합(aggregated) 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능 같은 것이 여기 해당한다.
      • 핵심 비즈니스 메트릭 : 일별 능동 사용자(daily active user), 수익(revenue), 재방문(retention) 같은 것이 여기 해당한다.
  • 자동화
    • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다. 가령 지속적 통합(continuous integration)을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할수 있어서 문제를 쉽게 감지할 수 있다. 이 외에도 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어서 개발 생산성을 크게 향상시킬 수 있다.

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다.

그대가 오면 데이터베이스를 증설할 방법을 찾아야 한다.

데이터베이스의 규모를 확장하는 데는 두 가지 접근법이 있다.

하나는 수직적 규모 확장법이고 다른 하나는 수평적 규모 확장법이다

수직적 확장

스케일 업이라고도 부르는 수직적 규모 확장법은 기존 서버에 더 많은, 또는 고성능의 자원(CPU,RAM,디스크 등)을 증설하는 방법이다.

가령 아마존 AWS의 RDS는 24TB RAM을 갖춘 서버도 상품으로 제공하고 있다.

이 정도 수준의 고성능 데이터베이스 서버는 많은 양의 데이터를 보관하고 처리할 수 있다.

예를 들어 스택오버플로우는 2013년 한 해 동안 방분한 천만 명의 사용자 전부를 단 한 대의 마스터 데이터베이스로 처리하였다.

하지만 이러한 수직적 접근법에는 몇 가지 심각한 약점이 있다.

  • 데이터베이스 서버 하드웨어에는 한계가 있으므로 CPU,RAM 등을 무한 증설할 수는 없다. 사용자가 계속 늘어나면 한 대 서버로는 결국 감당하기 어렵게 될 것이다.
  • SPOF(Single Point of Failure)로 인한 위험성이 크다.
  • 비용이 많이 든다. 고성능 서버로 갈수록 가격이 올라가게 마련이다.

수평적 확장

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

데이터베이스확장

샤딩

샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술을 일컫는다.

모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.

샤딩

위의 그림은 샤드로 분할된 데이터베이스의 예다.

사용자 데이터를 어느 샤드에 넣을지는 사용자 ID에 따라 정한다.

위의 그림에서는 user_id % 4 를 해시 함수로 사용하여 데이터가 보관되는 샤드를 정한다.

결과가 0이면 0번 샤드에, 1이면 1번 샤드에 보관하는 방식이다.

샤딩 키(sharding key)

샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩키를 어떻게 정하느냐 하는 것이다.

샤딩 키는 파티션 키라고도 부르는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성된다.

샤딩 키를 정할 때는 데이터를 고르게 분할 할 수 있도록 하는 게 가장 중요하다.

샤딩은 데이터베이스 규모 확장을 실현하는 훌륭한 기술이지만 완벽하진 않다.

샤딩을 도입하면 시스템이 복잡해지고 풀어야 할 새로운 문제도 생긴다.

샤딩 시 주의할 점

  • 데이터의 재 샤딩이 필요한 경우
    • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때,
    • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행 될 때
  • 유명인사 문제 (핫스팟 키 문제라고도 부르는데, 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제)
    • 케이티 페리, 저스틴 비버, 레이디 가가 같은 유명인사가 전부 같은 샤드에 저장되는 데이터베이스가 있다면, 이 데이터로 사회 관계망 애플리케이션을 구축하게 되면 결국 해당 샤드에는 read 연산 때문에 과부하가 걸리게 될 것이다. 이 문제를 풀려면 위에 나열한 유명인사 각각에 샤드 하나씩을 할당해야할 수도 있고, 심지어는 더 잘게 쪼개야 할 수도 있다.
  • 조인과 비정규화
    • 일단 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기가 힘들어진다. 이를 해결하는 한 가지 방법은 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것이다.

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정이다.

이번 내용에서 다룬 내용을 반복하다 보면 원하는 규모의 시스템을 달성할 수 있게 된다.

그러나 수백만 사용자 이상을 지원하려면 새로운 전략을 도입해야 하고 지속적으로 시스템을 가다듬어야 할 것이다.

예를 들어 시스템을 최적화하고 더 작은 단위의 서비스로 분할해야 할 수도 있다.

이번 장에서 다룬 모든 기술을 새롭게 등장하는 도전적 과제를 해결하기 위해 훌륭한 지침서가 되어 줄 것이다.

  • 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 지속적을 모니터링하고, 자동화 도구를 활용할 것