책/가상 면접 사례로 배우는 대규모 시스템 설계 기초

사용자 수에 따른 규모 확장성

최-코드 2025. 5. 8. 23:27

데이터베이스

  • 단일 서버에서 사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다.
  • 우선적으로 늘려야 하는 서버는 데이터베이스용 서버이다.
  • 웹/모바일 트래픽 처리 서버와 데이터베이스 서버를 분리하면 그 각각을 독립적으로 확장해 나갈 수 있게 된다.
  • 또한, 나눠쓰던 자원에서 벗어나 각 서버에 맞게 자원을 사용할 수 있게 된다.

수직적 규모 확장 vs 수평적 규모 확장

  • 수직적 규모 확장
    • 스케일 업이라고도 하며, 서버에 고사양 자원(더 좋은 CPU, 더 많은 RAM 등)을 추가하는 행위를 말한다.
    • 서버로 유입되는 트래픽의 양이 적을 때는 수직적 확장이 좋은 선택이 될 수 있다.
    • 장점으로는 단순함을 들 수 있다.
    • 단점은 아래와 같다.
      • 수직적 규모 확장에는 한계가 있다. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법이 없다.
      • 장애에 대한 자동복구 방안(다중화 방안)을 제시하지 않는다. 즉, 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다.
자동복구 방안 : 주 서버에 장애 발생 시 대기 서버가 자동으로 역할 승계
  • 수평적 규모 확장
    • 스케일 아웃이라고도 하며, 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.
    • 로드밸런서를 이용해 트래픽을 분산한다.
      • A 서버에 장애가 발생하면 모든 트래픽은 B 서버로 이동한다.
      • 따라서 웹사이트 전체가 다운되는 일이 방지된다.

데이터베이스 다중화

  • 많은 데이터베이스 관리 시스템이 다중화를 지원한다.
  • 보통은 서버 사이에 주(master)-부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식이다.
  • 쓰기 연산은 마스터에서만 지원한다. 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산만을 지원한다.
  • 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다. 따라서 통상 부 데이터베이스의 수가 주 데이터베이스의 수보다 많다.
  • 장점은 아래와 같다.
    • 더 나은 성능 : 주-부 다중화 모델에서 쓰기 연산과, 읽기 연산과 같이 병렬로 처리될 수 있는 쿼리의 수가 늘어난다.
    • 안정성 : 여러 데이터베이스에 다중화 시켜 놓기 때문에, 일부 데이터베이스에 장애가 발생해도 다른 데이터베이스에는 데이터가 보존되어 있다.
    • 가용성 : 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있게 된다.
  • 종류에 따른 데이터베이스에 장애가 발생할 경우
    • 부 서버
      • 부 서버가 한 대인 경우 : 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달된다. 이후, 부 서버를 새로 붙여준다.
      • 부 서버가 여러 대인 경우 : 나머지 부 서버로 읽기 연산이 분산된다.
    • 주 서버
      • 한 대의 부 서버만 있는 경우
        • 해당 부 서버가 새로운 주 서버가 되고, 모든 연산이 새로운 주 서버에서 수행된다.
        • 이후, 주 서버를 새로 만드는 것이 아닌, 부 서버를 붙여준다.
        • 이때 주 서버가 된 부 서버는 최신 상태의 데이터를 가지고 있지 않을 수 있기 때문에, 복구 스크립트를 돌려줘야 한다.

응답시간 개선 방안

캐시

  • 캐시는 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소이다.
  • 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 자우되는데, 캐시는 그런 문제를 완화할 수 있다.
  • 데이터베이스보다 훨씬 빠르기 때문에 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라, 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.
  • 캐시 전략은 다음과 같다. https://rosoa0475.tistory.com/198
  • 캐시 사용시 유의할 점은 책의 12p 참고

콘텐츠 전송 네트워크(CDN)

  • CDN은 정적 콘텐츠를 전송하는데 쓰이는, 지리적으로 분산된 서버의 네트워크이다. 이미지, 비디오, css, JavaScript 파일 등을 캐시할 수 있다. -> 캐싱 계층과 같다.
  • 개략적인 CDN 동작 방식은 아래와 같다.
    • 어떤 사용자가 웹사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다.
    • 직관적으로도 당연하겠지만, 사용자가 CDN 서버로부터 멀면 멀수록 웹사이트는 천천히 로드될 것이다.

서버에서 CDN으로 응답할 때 헤더에는 해당 이미지에 대한 TTL(Time-To-Live)이 존재한다.

  • CDN 사용 시 고려해야 할 사항은 책 15p 참고

현재까지 시스템 설계

무상태 웹 계층

  • 웹 계층을 수평적으로 확장할 때는 상태 정보(사용자 세션 데이터와 같은)를 웹 계층에서 제거해야 한다.
  • 바람직한 전략은 상태 정보를 관계형 데이터베이스나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오도록 하는 것이다.

상태 정보 의존적인 아키텍처

  • 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다. 무상태 서버는 이런 장치가 없다.
  • 사용자 A의 세션 정보나 프로파일 이미지 같은 상태 정보는 서버 1에 저장될 때, 사용자 A를 인증하기 위해 HTTP 요청은 반드시 서버 1로 전송되어야 한다.
  • 즉, 요청이 서버 2로 전송되면 인증은 실패할 것인데, 서버 2에 사용자 A에 관한 상태 정보가 보관되어 있지 않기 때문이다.
  • 이처럼 문제는 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다는 것이다.
    • 대부분의 로드밸런서가 이를 지원하기 위해 고정 세션이라는 기능을 제공하고 있는데, 이는 로드밸런서에 부담을 준다.
    • 또한, 로드밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워지고 이들 서버의 장애를 처리하기도 복잡해진다.

무상태 아키텍처

  • 이 구조에서 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 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.

메시지 큐

  • 시스템을 더 큰 규모로 확장하기 위해서는 시스템의 컴포넌트를 분리하여 각기 독립적으로 확장될 수 있도록 하여야 한다.(MSA)
  • 메시지 큐는 이러한 분산 시스템에 채용되고 있는 핵심적 전략 가운데 하나이다.
  • 메시지 큐는 메시지의 무손실(메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성)을 보장하는, 비동기 통신을 지원하는 컴포넌트이다.
  • 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.
  • 메시지 큐의 기본 아키텍처는 아래와 같다.
    • 생상자 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.
  • 메시지 큐를 이용하면 서비스 또는 서버 간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.
  • 즉, 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.
    • rabbitMQ의 경우 생산자가 메시지를 발행해도, 소비자에서 메시지 처리 완료 신호를 보내지 않으면 메시지 큐에서 메시지가 삭제되지 않는다. 따라서 소비자의 장애 상관 없이 생산자는 메시지를 발행해도 문제 없더.
로그를 단일 서버로 모아주는 도구를 활용하면 더 편리하게 검색하고, 조회할 수 있다.

데이터베이스의 규모 확장

  • 저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다.
  • 이를 위해 데이터베이스를 증설해야 하는데, 두 가지 접근법이 있다. 하나는 수직적 규모 확장과 수평적 규모 확장이다.
  • 데이터베이스 다중화와 같이 데이터베이스 서버를 여러 개 두는 것이지만, 다중화는 복제본을 여러 서버에 두어 가용성과 안정성을 높이는 것이고, 여기서 말하는 데이터베이스의 규모 확장은 성능 향상을 위한 방법이다.

수직적 규모 확장

  • 기존 서버에 더 많은, 또는 고성능의 자원을 증설하는 방법이다.
  • 단점은 아래와 같다.
    • 자원을 무한 증설할 수 없다. 사용자가 계속 늘어나면 한 대 서버로는 결국 감당하기 어렵게 된다.
    • SPOF(Single Point Of Failure)로 인한 위험성이 크다.
    • 고성능 자원을 사용할 수록 비용이 많이 든다.

수평적 규모 확장

  • 샤딩이라고도 부르는데, 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있도록 한다.
  • 샤딩은 대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술을 일컫는다. 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다.

  • 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키를 어떻게 정하느냐 하는 것이다.
  • 샤딩 키는 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성된다.
  • 그림 1-22의 경우 샤딩 키는 user_id이다. 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있다.
  • 샤딩을 통해 발생하는 문제는 아래와 같다.
    • 데이터의 재 샤딩
      • 재 샤딩은 다음과 같은 경우에 필요하다.
        1. 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때
        2. 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때
          • 샤드 소진이라고도 부르며, 이런 현상이 일어나면 샤딩 키를 변경하고 데이터를 재배치해야 한다.
    • 유명인사 문제 
      • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제이다.
      • 예를 들어 저스틴 비버, 레이디 가가 같은 유명인사가 전부 같은 샤드에 저장되는 데이터베이스가 있다면, 이 샤드에는 read 연산이 집중되고 과부하가 걸리게 될 것이다.
    • 조인과 반정규화
      • 하나의 데이터베이스를 여러 사드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기가 힘들어진다.
      • 이를 해결하는 한 가지 방법은 반정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것이다.
        • 예를 들어,주문 테이블에 사용자명 등 자주 조회하는 속성을 중복 저장하면, Order 샤드만으로도 해당 정보를 빠르게 조회할 수 있습니다.