단일 서버

  • 모든 컴포넌트가 한 대의 서버에서 실행되는 간단한 시스템 설계
    1. 사용자는 도메인 이름을 DNS에 질의하여 IP 주소로 변환한다. DNS는 보통 제3 사업자가 제공하는 유료 서비스를 이용하게 되므로, 우리 시스템의 일부가 아니다.
    2. DNS 주소 결과로 IP 주소가 반환된다.
    3. 해당 주소로 HTTP 요청이 전달된다.
    4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.
  • 웹 앱: 비즈니스 로직, 데이터 저장을 위해 서버 구현용 언어(자바, 파이썬 등)를 사용하고, 프레제테이션용으로는 클라이언트 구현용 언어(HTML, 자바스크립트 등)을 사용한다.
  • 모바일 앱: 모바일 앱과 웹 서버 간 통신을 위해서 HTTP 프로토콜을 사용하고, HTTP 프로토콜을 통해 반환될 응답 데이터의 포맷으로는 보통 JSON이다.

데이터베이스

  • 사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다.
    • 웹/모바일 트래픽 처리 용도와 데이터베이스용으로 분리하면 각각 독립적으로 확장해 나갈 수 있다.
  • 데이터베이스 종류
    • 관계형 데이터베이스
      • MySQL, 오라클 데이터베이스, PostgreSQL 등
      • SQL을 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 join하여 합칠 수 있다.
    • 비-관계형 데이터베이스
      • CouchDB, Neo4j, Cassandra 등
      • 키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소로 나눌 수 있다.
      • 비-관계형 데이터베이스는 일반적으로 join 연산을 지원하지 않는다.
  • 비-관계형 데이터베이스가 바람직한 경우
    • 아주 낮은 응답 지연시간이 요구됨
    • 다루는 데이터가 비정형(unstructured)이라 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 업(수직적 규모 확장): 서버에 고사양 자원(CPU, RAM 등)을 추가하는 행위
  • 스케일 아웃(수평적 규모 확장): 더 많은 서버를 추가하여 성능을 개선하는 행위
  • 서버로 유입되는 트래픽의 양이 적을 때 유리하고, 단순하다.
    • 하지만 확장에 한계가 존재한다. 한 대의 서버에 CPU나 메모리를무한대로 증설할 방법은 없다.
    • 또한, 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다.

로드밸런서

  • 로드밸런서: 부하 분산 집합에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할
  • 사용자는 로드밸런서의 public IP 주소로 접속하고, 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다.
    • 보안을 위해, 서버 간 통신에는 privat IP 주소가 이용된다.
    • 서버1이 다운되면 모든 트래픽은 서버2로 전송되며, 전체가 다운되는 일이 방지된다.
    • 웹 사이트로 유입되는 트래픽이 가파르게 증가하면 웹 서버 계층에 서버를 추가하기만 하면 된다.

데이터베이스 다중화

  • 많은 데이터베이스 관리 시스템이 다중화를 지원한다.
  • 보통은 데이터베이스 사이에 주(master)-부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.
  • 쓰기 연산은 주 데이터베이스에서만 지원한다.
  • 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산만 지원한다.
  • 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다. 따라서 통상 부 데이터베이스의 수가 주 데이터베이스의 수보다 많다.
  • 얻을 수 있는 장점
    • 더 나은 성능: 병렬로 처리될 수 있는 쿼리 수가 늘어나므로, 성능이 좋아진다.
    • 안정성: 자연 재해 등의 이유로 데이터베이스 서버 가운데 일부가 파괴되어도, 지역적으로 떨어진 데이터베이스로 인해 데이터가 보존된다.
    • 가용성: 지역적으로 떨어진 데이터베이스에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있게 된다.
  • 가용성을 높이는 방법
    • 부 서버가 한 대 뿐인데 부 서버가 다운된 경우: 읽기 연산을 한시적으로 모두 주 데이터베이스로 전달
    • 부 서버가 여러 대인 경우 부 서버 다운된 경우: 읽기 연산은 나머지 부 데이터베이스 서버들로 분산되어 전달
    • 주 서버가 다운된 경우: 부 데이터베이스 서버가 주 서버가 되며, 모든 연산은 새로운 주 서버에서 수행됨
      • 부 서버가 보관된 데이터가 최신 상태가 아닐 수 있기 때문에, 복구 스크립트를 돌려서 추가해야 한다.
      • 다중 마스터나 원형 다중화 방식을 도입하면 이런 상황에 대처하는데 도움이 된다.

캐시

  • 캐시: 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소

캐시 계층

  • 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.
  • 아래는 캐시 서버를 두는 방법 중 하나다.(읽기 주도형 캐시 전략)

캐시 사용 시 유의할 점

  • 캐시를 사용해야 되는 시점: 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어나는 경우
  • 캐시에 둘 데이터 종류: 영속적으로 보관할 데이터는 캐시에 두는 것은 바람직하지 않다.
  • 캐시 만료 시점: 너무 짧으면 데이터베이스를 자주 읽게 되고, 너무 길면 원본과 차이 날 가능성이 높아진다.
  • 일관성: 저장소 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있다.
    • 여러 지역에 걸쳐 시스템을 확장해 나가는 경우 캐시와 저장소 사이의 일관성을 유지하는 것은 어려운 문제가 된다.
  • 장치: 단일 장애 지점을 피하기 위해 여러 지역에 걸쳐 캐시 서버를 분산시켜야 한다.
  • 캐시 메모리: 너무 작으면 데이터가 너무 자주 캐시에서 밀려나버려 캐시 성능이 떨어진다.
  • 데이터 방출 정책: 캐시가 꽉 찼을 때 버릴 기존 데이터 선택 방법. 가장 널리 쓰이는 것은 LRU이다.

콘텐츠 전송 네트워크(CDN)

  • CDN: 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크. 이미지, 비디오, CSS, JavaScript 파일 등을 캐시할 수 있다.
  • 동작 과정
    • 사용자는 CDN 서버로 이미지를 요청한다.
    • CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본(origin) 서버에 요청하여 파일을 가져온다. 있으면, 캐시로 부터 이미지를 반환한다.
    • 원본 서버가 CDN서버에 반환할 때는 ,HTTP 헤더리 해당 파일이 얼마나 오래 캐시될 수 있는지를 설명하는 TTL(Time-To-Live) 값이 들어 있다.
  • CDN 사용시 고려해야 할 사항
    • 비용: CDN은 보통 제3 사업자에 의해 운영되며, CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 내게 된다. 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않으므로, CDN에서 빼는 것을 고려한다.
    • 적절한 만료 시항 설정
    • CDN 장애에 대한 대처 방안: CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야하는지 고려해야한다. 가령 일시적으로 CDN이 응답하지 않는 경우, 해당 문제를 감지하여 원본 서버로부터 직접 콘텐츠를 가져오도록 클라이언트를 구성하는 것이 필요할 수 있다.
    • 콘텐츠 무효화(invalidation) 방법: 아직 만료되지 않는 콘텐츠라하더라도 아래 방법 가운데 하나를 쓰면 CDN에서 제거할 수 있다.
      • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
      • 컨텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝(object versioning) 이용. 콘텐츠의 새로운 버전을 지정하기 위해서는 URL 마지막에 버전 번호를 인자로 주면 된다. (image.png?v=2)

무상태(stateless) 웹 계층

상태 정보 의존적인 아키텍처

  • 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다.
  • 같은 클라이언트로부터의 요청은 같은 서버로 전송되어야 한다는 점이 문제가 된다.
  • 대부분의 로드밸런서가 이를 지원하기 위해 고정 세션(sticky session)이라는 기능을 제공하고 있는데, 이는 로드밸런서에 부담을 준다. 게다가 로드밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워진다.

무상태 아키텍처

  • 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있다.
  • 웹 서버는 상태 정보가 필요한 경우 공유 저장소로부터 데이터를 가져온다.
    • 공유 저장소는 물리적으로 분리되어있다.
    • 공유 저장소는 관계형 데이터베이스일 수도 있고, Memcached/Redis 같은 캐시 시스템일 수도 있으며, NoSQL일 수도 잇다.

데이터 센터

  • 가용성을 높이고 전 세계 어디서도 쾌적하게 사용할 수 있도록 하기 위해서는 여러 데이터 센터를 지원하는 것이 필수다.
  • 지리적 라우팅: 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내가 된다.
  • 지리적 라우팅에서 geoDNS는 자용자의 위치에 따라 도메인 일므을 어던 IP 주로로 변환할지 결정할 수 있도록 해주는 DNS 서비스다.
  • 데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.
  • 다중 데이터센터 아키텍처를 만들 때 해결해야되는 난제
    • 트래픽 우회: 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야한다.
    • 데이터 동기화: 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터센터에는 찾응 데이터가 없을 수 있다. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터 센터에 걸쳐 다중화하는 것이다.
    • 테스트와 배포: 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는 것이 중요하다. 한편, 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다.

메시지 큐

  • 메시지 큐: 메시지의 무손실을 보장하는, 비동기 통신을 지원하는 컴포넌트
  • 메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.
  • 시스템 컴포넌트를 분리하여, 독립적으로 확장될 수 있다.

로그, 메트릭 그리고 자동화

  • 로그: 에러 로그 모니터링을 통해, 시스템의 오류와 문제들을 쉽게 찾아낼 수 있다. 로그를 단일 서비스로 모아주는 도구를 활용하면 더 좋다.
  • 메트릭:
    • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O 등
    • 종합(aggregated) 메트릭: 데이터에비스 계층의 성능, 캐시 계층의 성능
    • 핵십 비즈니스 메트릭: 일별 능동 사용자, 수익, 재방문
  • 자동화: 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야한다. CI를 도와주는 도구를 활용하면 개발자가 만든 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있다.

데이터베이스의 규모 확장

수직적 확장

  • 스케일 업
  • 기존 서버에 더 많은, 또는 고성능의 자원(CPU, RAM, 디스크 등)을 증성하는 방법
  • 약점이 있다.
    • 데이터베이스 서버 하드웨어에는 한계가 있으므로 CPU, RAM 등을 무한 증설할 수 없다.
    • SPOF(Single Point of Failure)로 인한 위험성이 크다.
    • 비용이 많이 든다. 고성능 서버로 갈수록 가격이 올라가게 마련이다.

수평적 확장

  • 샤딩
  • 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있도록 한다.
  • 샤드라고 부르는 작은 단위로 분할한다.
  • 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.
  • 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키를 어떻게 정하는냐 하는 것이다.
    • 파티션 키라고도 부른다.
    • 하나 이상 컬럼으로 구성한다.
  • 샤딩을 도입하면 시스템이 복잡해지고 풀어야 할 새로운 문제도 생긴다.
    • 데이터의 재샤딩: 아래의 경우 필요하다. 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치해야 된다. 안정 해시(consistent hashing) 기법을 활용하면 이 문제를 해결할 수 있다.
      • 데이터가 많아서 하나의 샤드로는 더 이상 감당하기 어려울 때
      • 샤드 간 데이터 분표가 균등하지 못할 때. (샤드 소진, shard exhausition)
    • 유명인사(celebrity) 문제:
      • 핫스팟 키 문제라고도 부른다.
      • 특정 샤드에 질의가 집중되어 과부하가 걸리는 문제.
      • 유명인사 각각에 샤드 하나씩을 할당해야 할 수도 있고, 심지어는 더 잘게 쪼개야 할 수도 있다.
    • 조인과 비정규화:
      • 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이털르 조인하기가 힘들어진다.
      • 해결 방법 중 하나로 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 한다.