[가상 면접 사례로 배우는 대규모 시스템 설계 기초] 6장 키-값 저장소 설계

키-값 저장소 설계

키-값 저장소는 키-값 데이터베이스라고도 불리는 비 관계형 데이터베이스이다. 이 저장소에 저장되는 값은 고유 식별자를 키로 가져야한다. 키와 값 사이의 이런 연결관계를 “키-값” 쌍이라고 지칭한다.

키-값 쌍에서의 키는 유일해야 하며 해당 키에 매달린 값은 키를 통해서만 접근할 수 있다. 키는 일반 텍스트일 수도 있고 해시값일수도 있다. 성능상의 이유로 키는 짧을수록 좋다.

키-값 쌍에서의 값은 문자열일 수 도 있고 리스트일 수도 있고 객체일 수도 있다. 키-값 저장소는 보통 값으로 무엇이 오든 상관하지 않는다. 키-값 저장소로 널리 알려진 것으로는 아마존 다이나모, memcached, 레디스 같은 것들이 있다.

문제 이해 및 설계 범위 확정

완벽한 설계는 없다. 읽기, 쓰기 그리고 메모리 사용량 사이에 어떤 균형을 찾고 데이터의 일관성과 가용성 사이에서 타협적 결정을 내린 설계를 만들어야한다.

- 키-값 쌍의 크기는 10KB 이하이다.
- 큰 데이터를 저장할 수 있어야한다.
- 높은 가용성을 제공해야한다. 따라서 시스템은 설사 장애가 있더라도 빨리 응답해야한다.
- 높은 규모 확장성을 제공해야한다. 다라서 트래픽 양에 따라 자동적으로 서버 증설/삭제가 이루어져야한다.
- 데이터 일관성 수준은 조정이 가능해야한다.
- 응답 지연시간이 짧아야 한다.

단일 서버 키-값 저장소

한 대 서버만 사용하는 키-값 저장소를 설계하는 것은 쉽다. 가장 직관적인 방법은 키-값 쌍 전부를 메모리에 해시 테이블로 저장하는 것이다. 하지만 이 접근법은 빠른 속도를 보장하긴 하지만 모든 데이터를 메모리 안에 두는 것이 불가능할 수도 있다는 약점이 있다.

개선책으로는

- 데이터 압축
- 자주 쓰이는 데이터만 메모리에 두고 나머지는 디스크에 저장

분산 키-값 저장소

분산 키-값 저장소 = 분산 해시 테이블 (키-값 쌍을 여러 서버에 분산)

CAP정리

데이터 일관성(consistency), 가용성(availability), 파티션 감내(partition tolerance)라는 세가지 요구사항을 동시에 만족하는 분산 시스템을 설계하는 것은 불가능하다는 정리다.

- 데이터 일관성 : 분산 시스템에 접속하는 모든 클라이언트는 어떤 노드에 접속했느냐에 관계없이 언제나 같은 데이터를 보게 되어야한다.
- 가용성 : 분산 시스템에 접속하는 클라이언트는 일부 노드에 장애가 발생하더라도 항상 응답을 받을 수 있어야한다.
- 파티션 감내 : 파티션은 두 노드 사이에 통신 장애가 발생하였음을 의미한다. 파티션 감내는 네트워크에 파티션이 생기더라도 시스템은 계속 동작하여야 한다는 것을 뜻한다.

이들 가운데 어떤 두가지를 충족하려면 나머지 하나는 반드시 희생되어야한다

- CP 시스템 : 일관성과 파티션 감내를 지원하는 키-값 저장소. 가용성을 희생
- AP 시스템 : 가용성과 파티션 감내를 지원하는 키-값 저장소. 데이터 일관성을 희생
- CA 시스템 : 일관성과 가용성을 지원하는 키-값 저장소. 파티션 감내는 지원하지 않는다. 그러나 통상 네트워크 장애는 피할 수 없는 일로 여겨지므로, 분산 시스템은 반드시 파티션 문제를 감내할 수 있도록 설계되어야한다. 따라서 CA시스템은 실세계에 존재하지 않음

이상적 상태

이상적 환경이라면 네트워크가 파티션되는 상황은 절대 일어나지 않으며 n1에 기록된 데이터는 n2, n3에 자동적으로 복제된다. → 데이터 일관성과 가용성도 만족된다.

실세계의 분산 시스템

분산 시스템은 파티션문제를 피할 수 없다. 그리고 파티션 문제가 발생하면 우리는 일관성과 가용성 사이에서 하나를 선택해야한다.

n3에 장애가 발생하면 n1과 n2와 통신할 수 없어 n1 또는 n2에 기록한 데이터는 n3에 전달되지 않는다. 또 n3에 기록되었으나 전달되지 않은 데이터가 있다면 n1, n2는 오래된 사본을 갖고 있을 것이다.

가용성 대신 일관성을 선택한다면(CP 시스템) 세 서버 사이에 생길 수 있는 데이터 불일치 문제를 피하기 위해 n1과 n2에 대해 쓰기 연산을 중단시켜야하는데 그럼 가용성이 깨진다.

하지만 일관성 대신 가용성을 선택한 시스템(AP 시스템)은 설사 낡은 데이터를 반환할 위험이 있더라도 계속 읽기 연산을 허용해야한다.

시스템 컴포넌트

- 데이터 파티션
- 데이터 다중화
- 일관성
- 일관성 불일치 해소
- 장애 처리
- 시스템 아키텍처 다이어그램
- 쓰기 경로
- 읽기 경로

데이터 파티션

대규모 애플리케이션의 경우 전체 데이터를 한 대 서버에 욱여넣는 것은 불가능하다. 가장 단순한 해결책은 데이터를 작은 파티션으로 분할한 다음 여러 대 서버에 저장하는 것이다. 데이터를 파티션 단위로 나눌 때는 다음 두가지 문제를 중요하게 따져봐야한다.

- 데이터를 여러 서버에 고르게 분산할 수 있는가
- 노드가 추가되거나 삭제될 때 데이터의 이동을 최소화할 수 있는가

안정해시는 이런 문제를 푸는데 적합한 기술이다.

데이터 다중화

높은 가용성과 안정성을 확보하기 위해서는 데이터를 N개 서버에 비동기적으로 다중화 할 필요가 있다. 여기서 N은 튜닝 가능한 값이다. 어떤 키를 해시 링 위에 배치ㅎ나 후 그 지점으로부터 시계방향으로 링을 순회하면서 만나는 첫 N개의 서버에 데이터 사본을 보관하는 것이다.

그런데 가상노드를 사용한다면 선택한 N개의 노드가 대응될 실제 물리 서버의 개수가 N보다 작아질 수 있다. 이 문제를 피하려면 노드를 선택할 때 같은 물리 서버를 중복 선택하지 않도록 해야한다.

같은 데이터 센터에 속한 노드는 정전, 네트워크 이슈, 자연재해 등의 문제를 동시에 겪을 가능성이 있다. 따라서 안정성을 담보하기 위해 데이터의 사본은 다른 센터의 서버에 보관하고, 센터들은 고속

네트워크로 연결한다.

데이터 일관성

여러 노드에 다중화된 데이터는 적절히 동기화가 되어야한다.

N = 사본 개수

W = 쓰기 연산에 대한 정족수

R = 읽기 연산에 대한 정족수

ex ) W = 1 의 의미는 쓰기 연산이 성공했다고 판단하기 위해 중재자(coordinator)는 최소 한대 서버로부터 쓰기 성공 응답을 받아야한다는 뜻이다. 중재자는 클라이언트와 노드 사이에서 proxy역할을 한다.

- R = 1, W = N : 빠른 읽기 연산에 최적화된 시스템
- W = 1, R = N : 빠른 쓰기 연산에 최적화된 시스템
- W + R > N : 강한 일관성이 보장됨 (보통 N = 3, W = R = 2)
- W + R ≤ N : 강한 일관성이 보장되지 않음
- 일관성 모델

일관성 모델은 키-값 저장소를 설계할 때 고려해야 할 또 하나의 중요한 요소다. 일관성 모델은 데이터 일관성의 수준을 결정하는데 종류가 다양하다.   

- 강한 일관성(strong consistency) : 모든 읽기 연산은 가장 최근에 갱신도니 결과를 반환한다. 다시 말해 클라이언트는 절대로 낡은 데이터를 보지 못한다.  
- 약한 일관성(weak consistency) : 읽기 연산은 가장 최근에 갱신된 결과를 반환하지 못할 수 있다.  
- 최종 일관성(eventual consistency) : 약한 일관성의 한 형태로, 갱신 결과가 결국에는 모든 사본에 반영(즉, 동기화)되는 모델이다.  

강한 일관성을 달성하는 일반적인 방법은 모든 사본에 현재 쓰기 연산의 결과가 반영될 때까지 해당 데이터에 대한 읽기/쓰기를 금지하는 것이다. 이 방법은 새로운 요청의 처리를 중단하기때문에 고가용성 시스템에는 적합하지 않다.  

- 비 일관성 해소 기법 : 데이터 버저닝

데이터를 다중화하면 가용성은 높아지지만 사본 간 일관성이 깨질 가능성도 높아진다.  
버저닝(versioning)과 벡터시계(vector clock)는 그 문제를 해소하기 위해 등장한 기술이다.  

버저닝은 데이터를 변경할 때마다 해당 데이터의 새로운 버전을 만드는 것을 의미한다. 각 버전의 데이터는 변경불가능(immutable)하다.  

어떤 데이터의 사본이 노드 n1과 n2에 저장되어있다고 할때, 서버1과 서버2는 get(”name”)으로 데이터를 가져와 같은 값을 얻는다. 이때 서버1과 서버2가 각각 다른 값으로 바꾸고 이 두 연산이 동시에 이루어졌다면 충돌이 일어나게 된다.  

이 문제를 해결하려면 충돌을 발견하고 자동으로 해결해 낼 버저닝 시스템이 필요하다. 벡터 시계는 이 문제를 푸는데 보편적으로 사용되는 기술이다.  

벡터시계는 \[서버, 버전\]의 순서쌍을 데이터에 메단 것이다. 어떤 버전이 선행 버전인지, 후행 버전인지 아니면 다른 버전과 충돌이 있는지 판별하는데 쓰인다.  

벡터시계의 단점  

- 충돌 감지 및 해소 로직이 클라이언트에 들어가야하므로, 클라이언트 구현이 복잡해진다.  
- \[서버:버전\]의 순서쌍 개수가 굉장히 빨리 늘어난다는 것이다. 이 문제를 해결하려면 그 길이에 어떤 임계치(threshold)를 설정하고, 임계치 이상으로 길이가 길어지면 오래된 순서쌍을 벡터 시계에서 제거하도록 해야한다.  

- 장애처리

대다수 대규모 시스템에서 장앤느 그저 불가피하기만 한 것이 아니라 아주 흔하게 벌어지는 사건이다.  

- 장애감지

보통 두 대 이상의 서버가 똑같이 서버 A의 장애를 보고해야 해당 서버에 실제로 장애가 발생했다고 간주하게 된다.  

모든 노드 사이에 멀티태스킹 채널을 구축하는 것이 서버 장애를 감지하는 가장 손쉬운 방법이지만 서버가 많다면 비효율적이다. 가십 프로토콜 같은 분산형 장애 감지 솔루션을 채택하는 편이 보다 효율적이다.  

가십 프로토콜의 동작 원리  

- 각 노드는 멤버십 목록을 유지한다. 멤버십 목록은 각 멤버 ID와 그 박동 카운터(heartbeat counter)쌍의 목록이다.  
- 각 노드는 주기적으로 자신의 박동 카운터를 증가시킨다.  
- 각 노드는 무작위로 선정된 노드들에게 주기적으로 자기 박동 카운터 목록을 보낸다.  
- 박동 카운터 목록을 받은 노드는 멤버십 목록을 최신 값으로 갱신한다.  
- 어떤 멤버의 박동 카운터 값이 지정된 시간동안 갱신되지 않으면 해당 멤버는 장애(offline) 상태인것으로 간주한다.  

- 일시적 장애 처리

가십 프로토콜로 장애를 감지한 시스템은 가용성을 보장하기 위해 필요한 조치를 해야 한다.  

느슨한 정족수 접근법은 이 조건을 완화하여 가용성을 높인다. 정족수 요구사항을 강제하는 대신, 쓰기 연산을 수행할 W개의 건강한 서버와 읽기 연산을 수행할 R개의 건강한 서버를 해시 링에서 고른다. 이때 장애 상태인 서버는 무시한다.  

네트워크나 서버 문제로 장애 상태인 서버로 가는 요청은 다른 서버가 잠시 맡아 처리한다. 그동안 발생한 변경사항은 해당 서버가 복구되었을 때 일괄 반영하여 데이터 일관성을 보존한다. 이를 위해 임시로 쓰기 연산을 처리한 서버에는 그에 관한 단서를 남겨둔다. 따라서 이런 장애 처리 방안을 단서 후 임시 위탁(hinted handoff)기법이라 부른다.  

- 영구 장애 처리

단서 후 임시 위탁 기법은 일시적 장애를 처리하기 위한 것이다. 영구적인 노드의 장애상태를 처리하기 위해 반-엔트로피(anti-entropy) 프로토콜을 구현하여 사본들을 동기화할것이다.  

반-엔트로피 프로토콜은 사본들을 비교하여 최신 버전으로 갱신하는 과정을 포함한다. 사본 간의 일관성이 망가진 상태를 탐지하고 전송 데이터의 양을 줄이기 위해서는 머클 트리를 사용할 것이다.  

- 머클 트리 : 해시 트리라고도 불리는 머클 트리는 각 노드에 그 자식 노드들에 보관된 값의 해시, 또는 자식 노드들의 레이블로부터 계산된 해시값을 레이블로 붙여두는 트리다. 해시 트리를 사용하면 대규모 자료 구조의 내용을 효과적이면서도 보안상 안전한 방법으로 검증할 수 있다.  

- 데이터 센터 장애 처리

데이터 센터 장애는 정전, 네트워크 장애, 자연재해 등 다양한 이유로 발생할 수 있다. 데이터 센터 장애에 대응할 수 있는 시스템을 만들려면 데이터를 여러 데이터 센터에 다중화하는 것이 중요하다. 한 데이터 센터가 완전히 망가져도 사용자는 다른 데이터 센터에 보관된 데이터를 이용할 수 있을 것이다.  

시스템 아키텍처 다이어그램

아키텍저의 주된 기능

- 클라이언트는 키-값 저장소가 제공하는 두 가지 단순한 API, 즉 get(key) 및 pput(key,value)와 통신한다.
- 중재자(coordinator)는 클라이언트에게 키-값 저장소에 대한 proxy역할을 하는 노드다.
- 노드는 안정 해시의 해시 링 위에 분포한다.
- 노드를 자동으로 추가 또는 삭제할 수 있도록, 시스템은 완전히 분산된다.(decentralized)
- 데이터는 여러 노드에 다중화된다.
- 모든 노드가 같은 책임을 지므로, SPOF는 존재하지 않는다.

쓰기 경로

1. 쓰기 요청이 커밋 로그(commit log) 파일에 기록된다.
2. 데이터가 메모리 캐시에 기록된다.
3. 메모리 캐시가 가득차거나 사전에 정의된 어떤 임계치에 도달하면 데이터는 디스크에 있는 SSTable에 기록된다. SSTable은 Sorted-String Table의 약어로, <키,값>의 순서쌍을 정렬된 리스트 형태로 관리하는 테이블이다.

읽기 경로

읽기 요청을 받은 노드는 데이터가 메모리 캐시에 있는지부터 살핀다. 데이터가 메모리에 없는 경우에는 디스크에서 가져와야한다. 어느 SSTable에 찾는 키가 있는지 알아낼 효율적인 방법이 필요할 것이다. 이런 분제를 푸는 데는 블룸 필터(Bloom filter)가 흔히 사용된다.

1. 데이터가 메모리에 있는지 없는지 검사한다. 없으면 2로 간다.
2. 데이터가 메모리에 없으므로 블룸 필터를 검사한다.
3. 블룸 필터를 통해 어떤 SSTable에 키가 보관되어 있는지 알아낸다.
4. SSTable에서 데이터를 가져온다.
5. 해당 데이터를 클라이언트에게 반환한다.

요약

목표/문제	기술
대규모 데이터 저장	안정 해시를 사용해 서버들에 부하 분산
읽기 연산에 대한 높은 가용성 보장	데이터를 여러 데이터 센터에 다중화
쓰,기 연산에 대한 높은 가용성 보장	버저닝 및 벡터 시계를 사용한 충돌 해소
데이터 파티션	안정 해시
점진적 규모 확장성	안정 해시
다양성(heterogeneity)	안정 해시
조절 가능한 데이터 일관성	정족수 합의(quorum consensus)
일시적 장애 처리	느슨한 정족수(sloppy quorum) 프로토콜과 단서 후 임시 위탁(hinted handoff)
영구적 장애 처리	머클 트리(Merkle tree)
데이터 센터 장애 대응	여러 데이터 센터에 걸친 데이터 다중화