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

해당 챕터에서는 사용자 수가 증가함에 따라 시스템의 규모를 확장해 나가는 과정을 공부했다. 명확하게 내용을 이해하기 어려웠지만, 규모 확장과 안정적인 시스템을 설계하는데 쓰일 유용한 지식들을 배운다는 생각으로 학습했다.

 

웹 계층과 데이터 계층에 대한 이해

단일서버

모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템

• 웹, 앱, 데이터베이스, 캐시 등이 전부 한 서버에 실행된다.
• 보통 요청은 두 가지 종류의 단말(웹 어플리케이션, 모바일 앱)로 부터 온다.

사용자의 요청 처리 흐름은 다음과 같다.

1. DNS 서버의 Domain address에 대한 Ip address를 요청한다.
2. DNS에서 Ip address를 반환 받는다.
3. 해당 Ip address를 통해서 웹서버에 HTTP 요청을 보낸다.
4. 웹 페이지나 JSON 형태의 응답을 반환한다.

실제 요청이 오는 2가지 단말

• 웹 어플리케이션 : 비즈니스 로직, 데이터 저장 등을 처리하기 위해서 서버 구현용 언어를 사용하고, 프레젠테이션용으로 클라이언트 구현용 언어를 사용한다.
• 모바일 앱 : 통신을 위해서 HTTP 프로토콜을 이용한다. HTTP 프로토콜을 통해서 반환될 응답 데이터의 포맷으로는 보통 JSON(JavaScript Object Notation)이 그 간결함 덕에 널리 쓰인다.
  
  

데이터베이스

사용자가 늘면 → 서버의 하나로는 충분하지 않아 여러 서버를 두어야 한다.

하나는 웹/모바일 트래픽 처리 용도고, 다른 하나는 데이터베이스용이다.

트래픽 처리 서버(웹 계층) 와 데이터베이스 서버(데이터 계층)을 분리하면 독립적으로 확장해 나갈 수 있다.

• 일반적으로 웹 서버는 public subnet 으로 두고 데이터베이스 서버는 private subnet 으로 구성한다.
• private subnet 은 public subnet 에 있는 NAT 게이트 웨이를 이용하여 인터넷에 엑세스가 가능하다.
  
  

데이터 베이스 종류

어떤 데이터베이스를 사용할 것인가? → 관계형 데이터 베이스와 비-관계형 데이터베이스로 나뉜다.

관계형 데이터베이스(Relational Database Management System, RDBMS)

• 종류 : MySQL, 오라클 데이터베이스, PostgreSQL
• 테이블과 열과 칼럼으로 표현한다.
• SQL 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 조인(join)하여 합칠 수 있다.
  
  

비-관계형 데이터베이스(NoSQL)

• 종류 : CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등
  • 키-값(Key-value) 저장소
  • 그래프(graph) 저장소
  • 칼럼(column) 저장소
  • 문서(document) 저장소
• 일반적으로 조인 연산은 지원하지 않는다.
• 비-관계형 데이터베이스가 바람직한 경우
  • 아주 낮은 응답 지연시간(latency)이 요구됨
  • 다루는 데이터가 비정형(unstructured)이라 관계형 데이터가 아님
  • 데이터(JSON, YAML, XML 등)를 직렬화하거나(serialize) 역직렬화(deserialize) 할 수 있기만 하면 됨.
  • 아주 많은 양의 데이터를 저장할 필요가 있음
    
    

수직적 규모 확장 vs 수평적 규모 확장

• 스케일 업(scale up) 수직적 규묘 확장  : 서버에 고사양 자원을 추가하는 행위를 말한다.
  • 서버로 유입되는 트래픽이 적다면 수직적 확장이 좋은 선택이지만 가장 큰 장점은 단순함이다.
  • 자동 복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다.
  • 서버 장애 시 웹사이트/앱은 완전히 중단된다.
• 스케일 아웃(scale out) 수평적 규모 확장 : 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.
  • 대규모 어플리케이션을 지원하는 데는 수평적 규모 확장법이 보다 적절한다.
  • 앞서 본 설계에서 사용자는 웹 서버에 바로 연결된다. 웹 서버가 다운되면 사용자는 웹 사이트에 접속할 수 없다.
  • 너무 많은 사용자가 접속하여 웹 서버가 한계 상황에 도달하게 되면 응답 속도가 느려지거나 서버 접속이 불가능해질 수도 있다.
  • 이런 문제 해결하는 데는 부하 분산기 또는 로드밸런서(Load Balancer)를 도입하는 것이 최선이다.
    
    

로드밸런서

로드밸런서는 부하 분산 집합(load balancing set)에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할을 한다.

• 부사 분산 집합에 또 하나의 웹 서버를 추가하고 나면 장애를 자동 복구하지 못하는 문제(no failover)는 해소되며, 가용성(availability)은 향상된다.
• 웹사이트로 유입되는 트래픽이 가파르게 증가하면 두 대의 서버로 트래픽을 감당할 수 없는 시점이 오는데, 로드밸런서가 있으므로 우아하게 대처할 수 있다. ****
• 서버 1이 다운되면(offline) 모든 트래픽은 서버 2로 전송 된다. 따라서 서버 전체가 다운되는 일이 방지된다.
• 부하 분배를 위해 웹 서버 계층에 더 많은 서버를 추가할 수 있다. 그러면 로드밸런서가 자동적으로 트래픽을 분산한다.
  
  

로드밸런서 종류

1. 하드웨어 로드 밸런서
   • 서버 하드웨어를 사용하여 로드 밸런싱 기능을 수행
   • 하드웨어 장비로 로드밸런싱을 할 경우 가격이 엄청 비싸지만 좋은 성능을 제공
   • 주로 F5 로드 밸런서, Citrix ADC 등이 있다.
2. 소프트웨어 로드 밸런서
   • 하드웨어 로드 밸런서보다 비용이 적게 든다.
   • 가상 서버에서 작동하며, 클라우드 환경에서 자주 사용된다.
   • 주로 NGINX, HAProxy 등이 있다.
3. DNS 기반 로드 밸런서
   • DNS(Domain Name System) 서버를 사용하여 로드 밸런싱을 수행한다.
   • 하나의 도메인 이름을 라운드로빈(Round Robin) 방식으로 N개의 IP주소로 변환하여 트래픽(부하)을 분산한다.
   • 단순한 로드 밸런싱 기능을 수행하며, 대규모 트래픽 처리에는 적합하지 않다.
   • 주로 Amazon Route 53, Google Cloud DNS Load Balancing 이 있다.
4. 애플리케이션 로드 밸런서
   • 애플리케이션 계층에서 로드 밸런싱을 수행한다.
   • HTTP, HTTPS, FTP 등의 프로토콜을 지원하며, 라운드 로빈, 가중치 기반, 세션 유지 등 다양한 방식의 로드 밸런싱을 지원한다.
   • 소프트웨어 로드 밸런서 보다 복잡한 작업이 가능하지만, 비용이 많이 든다.
   • NGINX Plus, F5 Advanced WAF
5. 클라우드 로드 밸런서
   • 클라우드 환경에서 제공되는 로드 밸런서이다.
   • 대규모 트래픽 처리 및 자동 확장 기능 등 다양한 기능을 제공한다.
   • AWS ELB (Elastic Load Balancer)
   • Google Cloud Load Balancer
     
     
     

데이터베이스 다중화

하나의 데이터베이스 서버는 장애의 자동 복구나 다중화를 지원하는 구성은 아니다.

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

쓰기 연산(write operation)은 주 서버에서만 지원한다. 부 데이터베이스는 주 데이터베이스의 사본을 전달 받으며, 읽기 연산(read operation)만을 지원한다. 데이터 베이스를 변경하는 명령어들(insert, delete, update 등)은 주 데이터 베이스로만 전달되어야 한다.

대부분의 어플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다. 따라서 통상 부 데이터베이스의 수가 주 데이터 베이스 수 보다 많다.

데이터베이스를 다중화하면 다음과 같은 이득이 있다.

• 더 나은 성능 : 읽기 연산은 부 데이터베이스 서버들로 분산된다. 병렬로 처리할 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 다중화시켜놓을 수 있기 때문이다.
• 가용성(availability) : 데이터를 여러 지여겡 복제해 둠으로써, 하나의 데이터 베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스를 할 수 있게 된다.

데이터베이스 서버 가운데 하나가 다운되면 무슨 일이 벌어질까?

• 부 서버가 한대뿐인데 다운된다면, 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달될 것이다. 또한 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다. 부 서버가 여러 대인 경우에 읽기 연산은 나머지 부 데이터 베이스 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 부 서버가 추가될 것이다. 실제 프러덕션(production) 환경에서 벌어지는 일은 이것보다 더 복잡한데, 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있기 때문이다. 없는 데이터는 복구 스크립트(recovery script)를 돌려서 추가해야 한다.
• 다중 마스터(multi masters)나 원형 다중화(circular replication) 방식을 도입하면 이런 상황을 대처하는데 도움이 될 수 있지만 해당 구성은 훨씬 복잡하며 그에 대한 논의는 이 책에서 다룰 수 있는 내용의 범위를 넘어선다.
  
  

응답시간(latency) 개선

캐시

캐시는 값비싼(latency가 큰) 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고 뒤이은 요청을 보다 빠르게 처리될 수 있도록 하는 저장소이다.

캐시 계층

캐시 계층(Cache tier)은 데이터가 잠시 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.

• 장점
  • 응답 성능 개선
  • 데이터베이스 부하 감소
  • 캐시 계층의 규모를 독립적으로 확장 가능

읽기 주도형 캐시 전략(read-through caching strategy)

1. 요청 받은 웹서버는 캐시 조회를 통해 응답이 저장되어 있는 지 확인한다.
   1. 저장되어 있다면 해당 데이터를 반환한다.
2. 없다면 데이터베이스에 조회 후 캐시에 저장한 뒤 클라이언트에 반환한다.

이 외에도 다양한 캐시 전략이 존재. 데이터의 종류, 크기, 엑세스 패턴에 맞게 선택이 필요

캐시 사용 시 유의할 점

• 상황 : 갱신은 자주 일어나지 않고 참조는 빈번하게 일어나는 상황
• 데이터 : 휘발성 메모리기 때문에 영속적으로 보관할 데이터는 캐시에 두는 것은 바람직하지 않다. 중요 데이터는 여전히 지속적 저장소(persistent data store)에 두어야 한다.
• 데이터 만료 : 만료된 데이터는 캐시에서 삭제 되어야 한다. 너무 짧으면 데이터를 너무 자주 읽고 너무 길다면 데이터베이스와 차이가 날 가능성이 높아진다.
• 일관성 유지 : 저장소의 원본 갱신과 캐시 갱신이 단일 트랜잭션에서 처리가 되지 않는 경우 일관성이 깨질 수 있다.
• 장애 대응 : 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(Single Point of Failure, SPOF)이 되어버릴 수 있다. 여러 지역에 걸쳐 캐시 서버를 분산해야 한다.
• 캐시 메모리 크기 : 너무 작으면 엑세스 패턴에 따라서는 데이터 너무 자주 캐시에서 밀려나버려(eviction) 성능이 떨어진다. 이것을 막기 위해서 메모리를 과할당(overprovision)하는 것이다. 갑자기 늘어나는 문제도 방지할 수 있다.
• 데이터 방출(eviction) 정책 : 캐시가 꽉찬 상태에서 새로운 데이터를 넣어야할 경우 어떤 데이터를 내보낼 것인가를 결정해야 한다. 가장 널리 쓰이는 방식은 LRU(Least Recently Used)이고 다른 정책으로는 LFU(Least Frequently used), FIFO 것들도 있다.
  
  

콘텐츠 전송 네트워크(CDN)

• CDN은 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버 네트워크이다.
• 이미지, 비디오, CSS, Javascript 파일 등을 캐시할 수 있다.
• 인터넷 사용자들은 웹 사이트를 방문하면 해당 웹 사이트의 모든 리소스(HTML, CSS, 이미지, 동영상 등)를 다운로드한다. 이때, 사용자와 웹 서버 간의 지리적 거리가 멀 경우, 리소스 다운로드 속도가 느려지는 문제가 발생한다.
• CDN은 이러한 문제를 해결하기 위해 전 세계 여러 지역에 서버를 설치하여, 사용자에게 가장 가까운 서버에서 컨텐츠를 제공한다. 즉, CDN은 사용자와 가까운 지역에 위치한 서버를 사용하여 웹 사이트의 리소스를 더 빠르게 전송할 수 있도록 한다.
• 대표적인 CDN 으로는 Amazon CloudFront, Cloudflare 등이 있다
  
  

개략적인 동작 방식

1. 사용자 A가 이미지 URL을 이용해 image.png에 접근 (URL 도메인은 CDN 서비스 사업자가 제공한 것)
2. CDN 서버의 캐시에 해당 이미지를 조회, 이미지가 없는 경우 원본(origin)서버에 요청하여 파일은 가져온다.
3. 원본 서버가 파일을 CDN 서버에 반환한다. 응답의 HTTP 헤더에는 해당 파일을 얼마나 오래 캐시될 수 있는 지 설명하는 TTL(Time-To-Live) 값이 들어있다.
4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환.
5. 사용자 B가 같은 이미지 요청 시 만료되지 않은 이미지라면 캐시를 통해 반환
   
   

CDN 사용시 고려해야 할 사항

• 비용: CDN은 보통 third-party providers에 의해 운영되며, 데이터 전송양에 따라 요금을 낸다. 자주 사용되지 않는 콘텐츠는 이득이 크지 않으므로 CDN에서빼는 것을 고려하도록 하자.
• 적절한 만료 시한 설정: 시의성이 중요한(Time-sensitive) 콘텐츠인 경우 만료 시점을 잘 설정해야 한다.
• CDN 장애 대응: CDN 자체가 죽었을 경우 웹사이트/어플리케이션이 어떻게 동작할 지 고려해야 한다.
• 콘텐츠 무효화(invalidation)방법: 아직 만료되지 않았더라도 아래의 방법들을 통해 CDN에서 제거 가능
  • CDN 서비스 사업자가 제공하는 API를 이용하여 콘텐츠 무효화
  • 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝 이용
    
    

무상태(stateless) 웹 계층

• 웹 계층을 수평적으로 확장하기 위해서는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거하여야 한다.
• 바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다. 이렇게 구성된 웹 계층을 무상태 웹 계층이라 부른다.
• 상태 정보 의존적인 아키텍쳐는 같은 클라이언트부터의 요청은 항상 같은 서버로 전송되어야 된다.
• 대부분의 로드밸런서가 이를 지원하기 위해 고정 세션이라는 기능을 제공하는데, 쿠키나 IP 주소와 같은 클라이언트 정보를 사용한다. 이 과정에서 로드밸런서는 각 클라이언트에 대한 세션 정보를 유지 및 관리해야 된다. 이는 로드밸런서에 부담을 준다.
  
  
  

데이터 센터

다중 데이터 센터 아키텍처는 일반적으로 Active-Active 구성과 Active-Passive 구성으로 나뉜다.

• Active-Active 구성
  • 주 데이터 센터(Active)와 대체 데이터 센터(Passive)로 구성되어 있으며, 주 데이터 센터에 장애가 발생하면 대체 데이터 센터에서 서비스를 대신 운영하는 구성이다.
  • 클라이언트 요청이 한 데이터 센터에 집중되지 않도록 트래픽을 분산 처리하는 로드 밸런서(Load Balancer)를 사용한다.
• Active-Passive 구성
  • 주 데이터 센터(Active)와 대체 데이터 센터(Passive)로 구성되어 있으며, 주 데이터 센터에 장애가 발생하면 대체 데이터 센터에서 서비스를 대신 운영하는 구성이다.
  • 주 데이터 센터와 대체 데이터 센터 간에는 빠른 데이터 복제를 위한 데이터베이스 복제 기술을 활용한다.
  • 주 데이터 센터에서는 서비스 운영 중에 데이터를 업데이트하고, 대체 데이터 센터에서는 복제된 데이터를 유지한다.
    
    

다중 데이터센터 아키텍처를 만들기 위한 기술적 난제

• 트래픽 우회
  • 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다. GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있도록 해준다.
  • AWS 에서는 Amazon Route 53 서비스를 통해 GeoDNS를 지원한다
• 데이터 동기화(synchronization)
  • 데이터 센터마다 별도의 데이터베이스를 사용하고 있는 상황이라면, 장애가 자동으로 복구되어(failover) 트래픽이 다른 데이터베이스로 우회된다 해도, 해당 데이터센터에는 찾는 데이터가 없을 수 있다.
  • 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터센터에 걸쳐 다중화하는 것이다.
  • AWS 에서는 Amazon Aurora와 같은 분산 데이터베이스 서비스를 제공하며, 이를 통해 여러 데이터 센터 간에 데이터를 동기화할 수 있다.
• 테스트와 배포(deployment)
  
  

메시지 큐

• 메시지의 무손실(durability, 비동기 통신(asynchronous communication)을 지원하는 컴포넌트이다.
• 생산자 또는 발행자(producer/publisher)라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)한다.
• 큐에는 보통 소비자 혹은 구독자(consumer/subscriber)라 불리는 서비스 혹은 서버가 연결되어 있는데, 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.
• 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 그리고 자동화

웹 사이트와 함께 사업 규모가 커지고 나면, 로그나 매트릭(metric), 자동화(automation) 같은 도구에 필수적으로 투자해야한다.

로그

로그 관리 도구는 로그 수집, 분석, 시각화 등을 통해 시스템의 문제점을 파악하고, 이를 개선하여 시스템의 안정성과 성능을 향상시키는 데 사용된다.

• 종류
  • ELK Stack: Elasticsearch, Logstash, Kibana를 조합한 오픈소스 로그 관리 도구이다. 로그 수집, 분석, 시각화를 지원한다.
  • Splunk: 대규모 로그 데이터를 수집하고 분석할 수 있는 로그 관리 도구입니다. 시각화 기능도 제공하며, 대시보드를 만들어 로그 데이터를 쉽게 파악할 수 있다.
  • Graylog: 오픈소스 로그 관리 도구로, Elasticsearch를 기반으로 하며, 수집, 저장, 검색, 분석, 시각화를 지원한다.

메트릭

메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있다.

• 메트릭 유용한 정보
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O에 관한 메트릭이 여기 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.
• 종류
  • Prometheus: 오픈소스 메트릭 수집 및 분석 도구로, 가볍고 유연하며 많은 지원을 받고 있습니다. 시계열 데이터를 쿼리하고 시각화할 수 있는 기능을 제공한다.
  • Grafana: 데이터 시각화 및 대시보드 툴로, 다양한 데이터 소스를 지원하며, 시각화를 위한 다양한 그래프 및 패널을 제공한다.
  • InfluxDB: 시계열 데이터를 수집하고 저장하며, SQL과 비슷한 쿼리 언어를 제공하는 오픈소스 데이터베이스이다.

자동화

빌드, 테스트, 배포 등의 절차를 자동화할 수 있어서 개발 생산성을 크게 향상시킬 수 있고, 속적 통합(continuous integration)을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있다.

• 종류
  • Ansible: 서버 및 어플리케이션 설정, 배포, 관리 등을 자동화할 수 있는 오픈소스 도구로, 간편한 YAML 문법을 사용한다.
  • GitHub Action : 소프트웨어 빌드, 테스트, 배포, 관리 및 기타 작업을 수행할 수 있다. 코드 커밋을 감지하고, 빌드하고, 테스트하고, 승인 후 자동으로 배포하거나, 버전 관리, 자산 관리, 보안 및 기타 프로젝트 관리 작업을 자동화 할 수 있다.
    • Git Actions은 이벤트가 발생하면 트리거되도록 Workflow를 구성할 수 있다.
    • 구성
      • Workflow에는 하나 이상의 Runner가 있다.
      • Runner에는 하나 이상의 Job이 있다.
      • Job에는 하나 이상의 Step이 있다.
    • 특징
      • 실행하기 위해 작성된 스크립트는 Step 단위 관리되며 Job에 포함된다.
      • Job은 Workflow에 포함되며 순차적이거나 병렬로 실행된다.
      • Job은 자체 가상 머신 단위인 Runner 내에서 실행된다.
  • Jenkins : 빌드, 테스트, 배포 등의 작업을 자동화하고, 이를 지속적으로 실행하여 소프트웨어 개발 프로세스를 자동화할 수 있다.
    
    

데이터베이스의 규모 확장

DB 또한 스케일업보다는 스케일 아웃이 좋다

수직적 확장

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

단점

• 데이터베이스 서버 하드웨어에는 한계가 있으므로 CPU, RAM 등을 무한 증설할 수는 없다.
• SPOF(Single Point of Failure)로 인한 위험성이 크다
• 비용이 많이 든다.
  
  

수평적 확장

수평적 확장은 데이터베이스를 여러 대로 관리하는 샤딩 방법을 의미한다. 데이터베이스를 샤드라는 작은 단위로 분할하는 기술을 일컫으며 데이터를 분산해서 저장한다.

샤딩 주의사항

데이터를 어떻게 분산할지의 기준이 되는 샤딩 키를 어떻게 정하느냐가 큰 관건이다. 모든 데이터 관련 처리는 샤딩 키에 의해 성공 여부, 성능 여부가 결정이 되므로 완벽하지 않을 수 있다. 특히나 기존에 작성한 샤딩 키가 유효하지 않는 상황이 발생할 수 있는 데, 아래에 이런 상황에 대한 해결책을 정리했다.

• 데이터의 재샤딩
  • 데이터가 너무 많아져서 샤드를 추가해야하거나 샤드 분포가 균등하지 않아 하나의 샤드의 공간 소모가 빨라질 때, 샤드 키 계산 함수를 변경하고 데이터를 재배치해야 한다.
  • 안정 해시 기법을 활용하면 이 문제를 해결할 수 있다.
• 유명인사 문제
  • 핫스팟 문제라고도 부르는데, 특정 샤드에 질의가 집중되는 문제를 말한다. 이러한 경우 유명 인사들을 각 샤드마다 할당해야할 수 있다.
• 조인과 비정규화
  • 여러 샤드로 쪼개면 샤드에 걸친 데이터를 조인하기 힘들어진다. 해결 방법은 데이터베이스를 비정규화해서 하나의 테이블에서 질의가 수행될 수 있도록 하는 방법이 있다.

Question

• 토이 프로젝트를 할 때는 대규모 트래픽을 고려하지 않다보니 현재 나는 데이터베이스 샤딩을 사용해본 경험이 없다. 데이터가 급격히 증가하게 되거나 트래픽이 특정 DB로 몰리는 상황을 대비하여 현업에서는 어떻게 데이터베이스를 샤딩하여 운영을 하는지 궁금하다.

Reference

책 12 페이지에 나와있는 페이스북 논문 Scaling Memcache At Facebook 을 번역한 블로그 글 
https://changhoi.kim/posts/database/scaling-memcache-at-facebook/

Scaling Memcache At Facebook

시스템과 트래픽이 커지고 규모의 경제가 가능해지는 순간에 MSA(micro service architecture)가 필요하다. 

https://sihyung92.oopy.io/architecture/woowa-msa-travel

MSA, 배달의 민족 마이크로서비스 여행기 정리