수백만 사용자를 지원하는 시스템을 설계하는 것은 도전적인 과제이며, 지속적인 계량과 끝없는 개선이 요구되는 여정이다.

이번 장은 한 명의 사용자를 지원하는 시스템에서 시작하여, 최종적으로 몇백만 사용자를 지원하는 시스템을 설계해본다.

단일 서버

모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템부터 설계해보자.

웹 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행된다.

사용자 요청 처리 흐름

1. 사용자는 도메인 이름(api.mysite.com)을 이용하여 웹사이트에 접속한다. 이 접속을 위해 DNS에 질의하여 IP 주소로 변환하는 과정을 치게 된다.
   • DNS는 보통 서드 파티가 제공하는 유료 서비스를 이용하므로 시스템의 일부는 아니다.
2. DNS 조회 결과로 IP 주소가 반환된다.
3. 해당 IP 주소로 HTTP 요청이 전달된다.
4. 요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

실제 요청은 웹 앱과 모바일 앱 두가지 종류에 단말로 부터 온다.

• 웹 애플리케이션
  • 비즈니스 로직, 데이터 저장 등을 처리하기 위해서 서버 구현용 언어(자바, 파이썬 등)를 사용한다.
  • 프레젠테이션 용으로는 클라이언트 구현용 언어(HTML, 자바스크립트 등)를 사용한다.
• 모바일 앱
  • 모바일 앱과 웹 서버 간 통신을 위해서는 HTTP 프로토콜을 이용한다.
  • 반환될 응답 데이터의 포맷으로는 보통 JSON이 널리 쓰인다.

데이터베이스

사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다.

• 웹/모바일 트래픽 처리
• 데이터베이스

웹/모바일 트래픽 처리 서버(웹 계층)와 데이터베이스 서버(데이터 계층)를 분리하면 그 각각을 독립적으로 확장해 나갈 수 있게 된다.

어떤 데이터베이스를 사용할 것인가?

전통적인 관계형 데이터베이스와 비-관계형 데이터베이스 사이에서 고를 수 있다.

• 관계형 데이터베이스
  • 관계형 데이터베이스 관리 시스템(RDBMS)이라고도 부르며, 자료를 테이블과 열, 컬럼으로 표현한다.
  • SQL을 사용하면 여러 테이블에 있는 데이터를 그 관계에 따라 조인(join)하여 합칠 수 있다.
  • ex) MySQL, Oracle, PostgreSQL 등
• 비-관계형 데이터 베이스
  • NoSQL이라고도 부른다.
  • 키-값 저장소(key-value store), 그래프 저장소(graph store), 컬럼 저장소(column store), 문서 저장소(document store) 네 부류로 나뉜다.
  • 비-관계형 데이터베이스는 일반적으로 조인 연산은 지원하지 않는다.
  • ex) CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등

대부분의 개발자에게는 40년 이상 시장에서 살아남아 잘 사용되어온 관계형 데이터베이스가 최선이다.

하지만 구축하려는 시스템에 적합하지 않은 경우에는 관계형 데이터베이스 이외의 저장소도 살펴보아야한다.

• 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

수직적 규모 확장(vertical scaling)

스케일 업(scale up) 이라고도 불리는 수직적 규모 확장 프로세스는 서버에 고사양 자원을 추가하는 행위를 말한다.

장점

• 서버로 유입되는 트래픽의 양이 적을 때는 수직적 확장이 좋은 선택이다.
• 단순하다.

단점

• 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법이 없어 한계가 있다.
• 장애에 대한 자동복구(failover) 방안이나 다중화(redundancy) 방안을 제시하지 않는다.
  • 서버에 장애가 발생하면 완전히 중단된다.

수평적 규모 확장(horizontal scaling)

스케일 아웃(scale out) 이라고도 불리는 수평적 규모 확장 프로세스는 더 많은 서버를 추가하여 성능을 개선하는 행위를 말한다.

수직적 규모 확장에서 언급된 단점으로 인해 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장법이 보다 적절하다.

수평적 규모 확장을 위해 추가적인 장치가 필요하다.

앞서 본 설계에서 사용자가 웹 서버로 바로 연결되는데,

• 웹 서버가 다운되면 사용자는 웹 사이트에 접속할 수 없다.
• 너무 많은 사용자가 접속하여 웹 서버가 한계에 도달하면 응답 속도가 느려지거나 서버 접속이 불가능해질 수 있다.

이런 문제를 해결하는 데는 부하 분산기 또는 로드밸런서를 도입하는 것이 최선이다.

로드밸런서(Load balancer)

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

• 사용자는 로드밸런서의 공개 IP 주소로 접속하므로, 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다.
• 보안을 위해 서버 간 통신에는 사설 IP 주소가 이용된다.
  • 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있는 IP 주소로, 인터넷을 통해서 접속할 수 없다.

부하 분산 집합에 또 하나의 웹 서버를 추가하고 나면, 장애를 자동복구하지 못하는 문제(no failover)는 해소되며, 웹 계층의 가용성(availability)은 향상된다.

• 서버 1이 다운되면 모든 트래픽은 서버 2로 전송된다.
  • 웹 사이트 전체가 다운되는 일이 방지된다.
  • 부하를 나누기 위해 새로운 서버를 추가할 수도 있다.
• 웹사이트로 유입되는 트래픽이 가파르게 증가할 경우 웹 서버 계층에 더 많은 서버를 추가하면 로드밸런스가 자동적으로 트래픽을 분산한다.

데이터베이스 다중화

많은 데이터베이스들이 주(master)-부(slave) 관계를 설정하여 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식으로 다중화를 지원한다.

쓰기 연산은 마스터에만 지원하며, 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받아 읽기 연산만을 지원한다.

• 데이터베이스를 변경하는 명령어(INSERT, DELETE, UPDATE 등)는 주 데이터베이스로만 전달되어야 한다.

데이터베이스르 다중화하면 다음과 같은 이득이 있다.

• 더 나은 성능
  • 모든 데이터 변경 연산은 주 데이터베이스 서버로만 전달되는 반면 읽기 연산은 부 데이터베이스 서버들로 분산되어 병렬로 처리될 수 있는 질의(query)가 늘어나므로, 성능이 좋아진다.
• 안정성
  • 자연 재해 등의 이유로 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존된다.
• 가용성
  • 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터로 계속 서비스할 수 있다.

위와 같은 데이터계층을 구성하면 데이터베이스 서버 가운데 하나가 다운되더라도 아래와 같은 상황을 감당할 수 있다.

• 부 서버 한대뿐인데 다운된 경우
  • 읽기 연산이 한시적으로 주 데이터베이스로 전달된다.
  • 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대처한다.
• 부 서버 중 한대가 다운된 경우
  • 일기 연산이 나머지 부 데이터베이스 서버로 분산된다.
  • 새로운 부 데이터베이스 서버가 장애 서버를 대체한다.
• 주 데이터베이스 서버가 다운된 경우
  • 부 데이터베이스 서버 중 하나가 새로운 주 서버가 된다.

다중화를 고려한 설계

아래는 로드밸런서와 데이터베이스 다중화를 고려한 설계안이다.

1. 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다.
2. 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속한다.
3. HTTP 요청은 서버 1이나 서버 2로 전달된다.
4. 웹 서버는 사용자의 데이터를 부 데이터베이스 서버에서 읽는다.
5. 웹 서버는 데이터 변경 연산은 주 데이터베이스로 전달한다.

캐시 Cache

캐시를 붙여 응답 시간(latency)를 개선해볼 수 있다.

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 좌우되는데, 캐시는 그런 문제를 완화할 수 있다.

캐시 계층

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

• 데이터베이스보다 훨씬 빠르므로 성능이 개선된다.
• 요청 분산으로 데이터베이스의 부하를 줄일 수 있다.
• 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.

요청받은 웹 서버는 캐시에 응답이 저장되어 있는지를 확인 후 저장되어 있다면 해당 데이터 반환하고 없을 경우 데이터베이스 조회하여 결과를 반환하는데, 이러한 캐시 전략을 읽기 주도형 캐시 전략(read-through caching strategy) 이라고 부른다.

이외에도 다양한 캐시 전략이 있으며, 캐시할 데이터 종류, 크기, 액세스 패턴에 맞는 캐시 전략을 선택하면 된다.

• 쓰기 주도형 캐시 전략 (Write-Through Cache)
  • 데이터를 업데이트할 때 캐시와 백엔드 데이터 소스 모두에 동시에 업데이트
  • 데이터 일관성을 유지하면서 쓰기 작업을 처리
  • 쓰기 작업의 경우 백엔드 저장소로의 추가적인 I/O 작업이 필요하므로 성능 저하의 가능성이 있지만, 데이터 일관성을 보장
• 쓰기 지연형 캐시 전략 (Write-Behind Cache)
  • 데이터 업데이트를 먼저 캐시에만 적용하고, 나중에 백엔드 데이터 소스에 업데이트를 적용
  • 이는 쓰기 작업의 지연을 최소화하여 응답 시간을 줄이는 데 도움
  • 쓰기 지연형 캐시는 데이터 일관성을 유지하기 위해 추가적인 메커니즘을 필요
• 자세한 내용의 캐시 전략 (Write-Through and Read-Through Cache):
  • 읽기와 쓰기 모두에 대해 캐시를 사용하는 전략
  • 데이터가 요청될 때마다 읽기 주도형 캐시와 유사하게 작동하며, 데이터가 업데이트될 때마다 쓰기 주도형 캐시와 유사한 방식으로 작동
• 캐시 앞 단의 캐시 전략 (Cache-Aside Cache):
  • 클라이언트가 데이터를 직접 캐시에 저장하고 검색하는 방식
  • 캐시에 데이터가 없는 경우 클라이언트는 백엔드 데이터 소스에서 직접 데이터를 가져와서 캐시에 저장하고 응답
  • 이 방식은 간단하고 유연하며, 응용 프로그램 코드 내에 캐시 로직을 명시적으로 구현할 수 있음
• 이중 캐시 전략 (Two-Level Cache):
  • 두 개의 캐시 레이어를 사용하여 성능을 최적화
  • 보통 두 개의 캐시는 크기와 접근 속도 등에서 차이가 있음
  • 먼저 작은 고속 캐시가 데이터를 저장하고, 그 다음에 큰 용량의 캐시가 데이터를 보관
• 오프힙 로컬 캐시 전략 (Off-Heap Local Cache Strategy):
  • 캐시를 메모리 외의 오프힙(Off-Heap) 영역에 저장하여 자바 가상 머신의 힙 메모리 한계를 초과하는 데이터 양을 처리할 수 있게 함
  • 이는 대규모 캐시나 대용량 데이터를 다룰 때 유용

캐시 사용 시 유의할 점

• 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어나는 경우 고려할 수 있다.
• 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다.
• 데이터를 무기한 보존할 수 없으므로 만료에 대한 정책을 마련해야한다.
  • 너무 짧으면 데이터베이스 읽기가 자주 발생한다.
  • 너무 길면 원본과 차이 날 가능성이 높아진다.
• 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 일관성이 깨질 수 있다.
• 캐시 서버를 한 대만 두는 경우 해당 서버가 단일 장애 지점(Single Point of Failure, SPOF)이 되어버릴 가능성이 있다.
  • 여러 지역에 걸처 캐시 서버를 분산시켜야 한다.
• 캐시 메모리가 너무 작으면 액세스 패턴에 따라 데이터가 자주 캐시에서 밀려나 성능이 떨어지게 된다.
  • 캐시 메모리를 과할당하면 데이터가 갑자기 늘어났을 때 생길 문제를 방지할 수 있다.
• 캐시가 가득 찼을 때 추가로 데이터를 넣기 위한 데이터 방출 정책을 적절히 지정해야한다.
  • 가장 널리 쓰이는 것은 LRU(least Recently Used - 가장 오래 사용 안된 데이터)나 FIFO(가장 먼저 들어온) 등이 있으며 경우에 맞게 적용한다.

콘텐츠 전송 네트워크 CDN

응답 시간을 개선할 방법으로 CDN(Content Delivery Network)를 적용해 볼 수 있다.

CDN은 정적 콘텐츠를 전성하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크이다. (이미지, 비디오, CSS, JS 파일 등)

• 요청 경로, 질의 문자열, 쿠키, 요청 헤더 등의 정보에 기반하여 HTML을 캐싱하는 동적 콘텐츠 캐싱도 적용해 볼 수 있다.

어떤 사용자 웹 사이트를 방문하면, 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하며, 사용자가 CDN 서버로부터 멀어질 수록 천천히 로드될 것이다.

1. 사용자 A가 이미지 URL을 이용해 image.png에 접근한다.(URL의 도메인은 CDN 서비스 사업자가 제공한다.)
2. CDN 서버의 캐시에 해당 이미지가 없는 경우 원본 서버에서 요청하여 파일을 가져온다.
3. 원본 서버가 파일을 CDN 서버에 반환한다.
   • 응답 HTTP 헤더에 TTL(Time-To-Live) 값을 넣어 보낸다.
4. CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다.
   • 이미지는 TTL에 명신된 시간이 끝날 때 까지만 캐시된다.
5. 사용자 B가 같은 이미지를 CDN 서버에게 요청한다.
6. 만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리된다.

CDN 사용 시 고려해야 할 사항

• 비용
  • CDN은 보통 서드파티에 의해 운영되며, CDN으로 들어가고 나가는 데이터 전송 양에 따라 요금을 낸다.
  • 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 적으므로, CDN에서 빼는 것을 고려할 수 있다.
• 적절한 만료 시한 설정
  • 시의성이 중요한(time-sensitive) 콘텐츠는 만료 시점을 잘 정해야한다.
  • 너무 길면 콘텐츠의 신선도가 떨어진다.
  • 너무 짧으면 원본 서버에 빈번히 접속되어 좋지 않다.
• CDN 장애 대처 방안
  • CDN 자체가 죽었을 경우 애플리케이션이 어떻게 동작해야 하는지 고려해야 한다.
  • 응답을 감지하여 원본 서버에서 가져오는 등의 방식으로 처리한다.
• 콘텐츠 무효화 방법
  • 만료되지 않은 콘텐츠라도 CDN에서 제거할 수 있다.
  • CDN 서비스 사업자가 제공하는 API 활용
  • 콘텐츠의 다른 버전을 서비스 하도록 오브젝트 버저닝 이용.
    • image.png?v=2

CDN과 캐시가 추가된 설계

1. 정적 콘텐츠를 CDN을 통해 제공하여 더 나은 성능을 보장한다.
2. 캐시가 데이터베이스 부하를 줄여준다.

무상태(Stateless) 웹 계층

웹 계층을 수평적으로 확장하는 방법을 고민해 볼 수 있다.

이를 위해 상태 정보(사용자 세션 등)를 웹 계층에서 제거해야한다.

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 아키텍처

상태 정보를 보고나하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 하지만, 무상태 서버에는 이러한 장치가 없다.

위와 같은 경우 같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다.

로드밸런서가 이를 지원하기 위해 고정 세션이라는 기능을 제공하지만, 이는 로드밸런서에 부담을 줄 수 있다.

또한 로드 밸런서 뒷단에 서버를 추가하거나 제거하기도 까다로워지며, 이들 서버의 장애를 처리하기도 복잡해진다.

무상태 아키텍처

무상태 아키텍처는 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있다.

웹 서버는 상태 정보가 필요할 경우 물리적으로 분리된 공유 저장소로부터 데이터를 가져온다.

무상태 웹 계층을 갖는 설계

• 세션 데이터를 웹 계층에서 분리하고 지속성 데이터 보관소에 저장하도록 만들었다.
  • 공유 저장소는 관계형 데이터베이스일 수도 있고, 캐시일 수도 있으며, NoSQL일 수도 있다.
• 상태 정보가 웹 서버들로부터 제거되었으므로 자동으로 규모를 확장할 수 있다.

데이터 센터

애플리케이션의 사용자가 매우 많다면 가용성을 높이고 쾌적하게 사용할 수 있도록 하기 위해 여러 데이터 센터를 지원하는 것이 필수적이다.

지리적 라우팅

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

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

데이터 센터 장애

데이터 센터 중 하나에 심각한 장애가 발생하면 모든 트래픽은 장애가 없는 데이터 센터로 전송된다.

이에 따라 다중 데이터센터 아키텍처를 만들려면 몇 가지 기술적 난제를 해결해야 한다.

• 트래픽 우회
  • 올바른 데이터센터로 트래픽을 보내는 효과적인 방법을 찾아야한다.
• 데이터 동기화(Synchronization)
  • 데이터를 여러 데이터센터에 걸쳐 다중화 하여, 장애 복구 시에도 데이터를 동기화 할 수 있도록 한다.
• 테스트와 배포
  • 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트 해보는 것이 중요하다.
  • 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 일을 한다.

메시지 큐(Message Queue)

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

메시지 큐는 분산 시스템이 이 문제를 풀기 위해 채용하고 있는 핵심 전략 가운데 하나다.

메시지 큐는 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트로 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.

1. 생산자 또는 발행자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행한다.
2. 소비자 혹은 구독자라 불리는 서비스 혹은 서버가 메시지를 받아 그에 맞는 동작을 수행한다.

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 있다.
• 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

큐가 커지면 더 많은 작업 프로세스를 추가해야 처리 시간을 줄일 수 있으며, 큐가 거의 항상 비어있는 상태라면, 작업 프로세스의 수를 줄일 수 있다.

로그, 메트릭 그리고 자동화

웹 사이트와 함께 사업 규모가 커지고 나면, 로그나 메트릭, 자동화 같은 도구에 필수적으로 투자해야한다.

• 로그
  • 시스템의 오류와 문제들을 쉽게 찾아낼 수 있게 돕는다.
  • 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있다.
• 메트릭
  • 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 쉽게 파악할 수 있다.
  • 호스트 단위 메트릭: CPU, 메모리, 디스크 I/O,에 관한 메트릭
  • 종합 메트릭: 데이터베이스 계층의 성능, 캐시 계층의 성능 등
  • 핵심 비즈니스 메트릭: 일별 능동 사용자, 수익, 재방문 등
• 자동화
  • 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야한다.
  • 지속적 통합을 활용한 검증 절차 수행 및 빌드, 테스트, 배포 절차 자동화 등

수정한 설계안

• 메시지 큐는 각 컴포넌트가 보다 느슨히 결합될 수 있도록 하고, 결함에 대한 내성을 높인다.
• 로그, 모니터링, 메트릭, 자동화 등을 지원하기 위한 장치를 추가한다.

데이터베이스 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가한다.

데이터베이스의 규모를 확장하는데는 앞서 언급했던 수직적 규모 확장과 수평적 규모 확장을 고려할 수 있다.

수평적 확장

기존 서버에 더 많은, 고성능의 자원을 증설하는 방법이다.

스택오버플로는 천만 명의 사용자 전부를 단 한 대의 마스터 데이터베이스로 처리했다.

하지만 언급했던대로 몇가지 심각한 약점이 있다.

• 무한 증설할 수는 없다.
• SPOF로 인한 위험성이 크다.
• 비용이 많이 든다.

수평적 확장

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

샤딩

• 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술을 일컫는다.
• 모든 샤드는 같은 스키마를 쓰지만 보관되는 데이터 사이에는 중복이 없다.

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

이처럼 샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것은 샤딩 키를 어떻게 정하냐 하는 것이다.

• 샤딩 키(파티션 키)는 데이터가 어떻게 분살될지 정하는 하나 이상의 컬럼으로 구성된다.
• 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있다.

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

주의사항

샤딩은 데이터베이스 규모 확장을 실현하는 휼륭한 기술이지만 완벽하지 않으며, 도입하면 시스템이 복잡해지고 풀어야 할 새로운 문제도 생긴다.

• 데이터의 재 샤딩
  • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때
  • 샤드 소진: 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 사드에 비해 빨리 진행될 때
  • 이러한 형상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치 하여야 한다.
• 유명인사 문제(핫스팟 키 문제)
  • 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제다.
  • 특정 샤드의 원인에 대해 샤드를 하나씩 할당해야 할 수도 있고, 더 잘개 쪼개야 할 수도 있다.
• 조인과 비정규화
  • 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기가 힘들어진다.
  • 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것이다.

샤드를 적용한 아키텍처

• 데이터베이스에 대한 부하를 줄이기 위해 굳이 관계형 데이터베이스가 요구되지 않는 기능들은 NoSQL로 이전할 수 있다.

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정이며, 이번 장에서 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.

• 시스템 최적화 및 마이크로서비스 등

정리

• 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 지속적으로 모니터링하고, 자동화 도구들을 활용할 것