[대규모 시스템 설계 기초] 1장 사용자 수에 따른 규모 확장성

[meloncha]

단일 서버

• 모든 컴포넌트가 단 한 대의 서버에서 실행되는 간단한 시스템
• 웹 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행

데이터베이스

• 사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다
• 웹/모바일 트래픽 처리와 데이터베이스 용도
• 웹 계층과 데이터 계층을 분리하면 그 각각을 독립적으로 확장해 나갈 수 있다

어떤 DB를 사용할까

관계형 데이터베이스 (RDBMS)

• MySQL, Oracle, PostgreSQL 등이 있다
• 자료를 테이블과 열, 칼럼으로 표현
• SQL을 사용하여 여러 테이블에 있는 데이터를 그 관계에 따라 조인(join)하여 합칠 수 있다
• 대부분 관계형 데이터베이스가 좋다

비 관계형 데이터베이스 (NoSQL)

• CouchDB, Neo4j, Cassandra, HBase, Amazon DynamoDB 등
• key-value store, graph store, column store, document store 의 네가지로 분류할 수 있다
• 일반적으로 조인 연산을 지원하지 않는다
• 아주 낮은 응답 지연시간, 비정형 데이터, 아주 많은 양의 데이터를 저장할 필요가 있다면 NoSQL이 바람직한 선택

수직적 규모 확장 vs 수평적 규모 확장

수직적 규모 확장 (scale-up)

• 서버에 고사양 자원(CPU, RAM)을 추가하는 행위
• 서버로 유입되는 트래픽의 양이 적을 때는 수직적 확장이 좋다
• 수직적 규모 확장에는 한계가 있다. 한 대의 서버에 CPU나 메모리를 무한대로 증설할 방법은 없다
• 장애에 대한 자동복구 방안이나 다중화 방안을 제시하지 않아 서버에 장애가 발생하면 웹사이트/앱은 완전히 중단된다

수평적 규모 확장 (scale-out)

• 더 많은 서버를 추가하여 성능을 개선하는 행위
• 위의 수직적 규모 확장의 단점 때문에 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장이 적절하다

로드밸런서

• 부하 분산 집합에 속한 웹 서버들에게 트래픽 부하를 고르게 분산하는 역할
• 사용자는 로드밸런서의 공개 IP 주소로 접속 (웹 서버는 클라이언트의 접속을 직접 처리하지 않는다)
• 보안을 위해 서버 간 통신에는 사설 IP 주소를 사용
  • 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 잇는 IP 주소
  • 인터넷을 통해서는 접속할 수 없다
  • 로드밸런서는 웹 서버와 통신하기 위해 이 사설 주소를 이용한다
• 웹 서버가 추가되면 장애 자동복구 못하는 문제는 해결되며 웹 계층의 가용성이 향상된다

예시

• 서버 1이 다운되면 모든 트래픽은 서버 2로 전성되어 사이트 전체가 다운되는 일을 방지한다
• 트래픽이 가파르게 증가하여 두 대의 서버로 트래픽을 감당할 수 없다면 웹 서버 계층에 서버를 추가하면 로드밸런서가 자동으로 트래픽을 분산하여 문제를 해결할 수 있다 -> 웹 계층의 문제 해결

데이터베이스 다중화

• 서버 사이에 주(master)와 부(slave) 관계를 설정하고 데이터 원본은 주 서버에, 사본은 부 서버에 저장하는 방식
• 쓰기 연산은 마스터에서만 지원
• 부 데이터베이스는 주 데이터베이스로부터 그 사본을 전달받으며, 읽기 연산만을 지원한다
• 대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다
• 통상 부 데이터 베이스의 수가 주 데이터베이스의 수보다 많다

장점

• 더 나은 성능 : 읽기 연산은 부 데이터베이스 서버들로 분산되어 병렬로 처리될 수 있는 질의(query)의 수가 늘어난다
• 안정성 : 데이터베이스 서버 일부가 파괴되어도 데이터는 보존된다. 데이터를 지역적으로 멀리 떨어진 장소에 다중화시킬 수 있기 때문이다
• 가용성 : 데이터를 여러 지역에 복제해두어, 하나의 데이터베이스 서버에 장애가 발생핟라도 다른 서버에 있는 데이터를 가져와 계속 서비스할 수 있다

데이터베이스 서버 하나 다운될 때 발생할 수 있는 일

• 부 서버가 한 대 뿐인데 다운된 경우, 읽기 연산은 모두 주 데이터베이스로 전달된다
• 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체할 것이다
• 주 데이터베이스 서버가 다운되면, 한 대의 부 데이터베이스 서버만 있는 경우 해당 부 데이터베이스 서버가 새로운 주 서버가 될 것이다
• 프로덕션 환경에서는 부 서버에 보관된 데이터가 최신 상태가 아닐 수 있기 때문에 복잡하다
• 없는 데이터는 복구 스크립트를 돌려서 추가해야 한다
• 다중 마스터나 원형 다중화 방식을 도입하면 이런 상황에 대처하는데 도움이 될 수 있다

로드밸런서 & DB다중화

• 사용자는 DNS로부터 로드밸런서의 공개 IP 주소를 받는다
• 사용자는 해당 IP 주소를 사용해 로드밸런서에 접속한다
• HTTP 요청은 서버1이나 서버2로 전달된다
• 웹 서버는 사용자의 데이터를 부 데이터베이스에서 읽는다 (READ)
• 데이터 변경 연산은 주 데이터베이스로 전달한다. (CREATE, UPDATE, DELETE)

캐시

• 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소
• 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우되는데, 캐시는 그런 문제를 완화할 수 있다

캐시 계층

• 데이터가 잠시 보관되는 곳으로 데이터베이스보다 훨씬 빠르다
• 별도의 캐시 계층을 두면 성능이 개선될 뿐만 아니라 데이터베이스의 부하를 줄일 수 있고, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능하다 읽기 주도형 캐시 전략
• 요청을 받은 웹서버는 캐시에 응답이 저장되어 있는지 확인한다
• 저장되어 있다면 해당 데이터를 클라이언트에 반환한다
• 없다면 데이터베이스 질의를 통해 데이터를 찾아 캐시에 저장한 뒤 클라이언트에 반환한다

캐시 사용시 유의할 점

• 캐시는 어떤 상황에 바람직한가 -> 데이터 갱신은 자주 일어나지 않지만 참조는 빈번하게 일어난다면 고려해볼 만하다
• 어떤 데이터를 캐시에 두어야 하는가 -> 캐시는 데이터를 휘발성 메모리에 두므로 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다
• 캐시에 보관된 데이터는 어떻게 만료되는가 -> 만료 정책을 마련하는 것은 좋은 습관이다. 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다. 만료 기간이 짧으면 데이터베이스를 너무 자주 읽게 되고, 너무 길면 원본과 차이가 날 가능성이 높아진다
• 일관성은 어떻게 유지되는가 -> 일관성이란 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부. 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우 이 일관성은 깨질 수 있다
• 장애에는 어떻게 대처할 것인가 -> 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점이 될 가능성이 있다. 여러 지역에 걸쳐 ㅅ캐시 서버를 분산시켜야 한다
• 캐시 메모리는 얼마나 크게 잡을 것인가 -> 캐시 메모리가 너무 작으면 액세스 패턴에 따라 데이터가 너무 자주 캐시에서 밀려나(eviction) 캐시의 성능이 떨어진다. 이를 막기 위해 캐시 메모리를 과할당(overprivision)할 수 있다
• 데이터 방출(eviction) 정책은 무엇인가 -> 캐시가 꽉 차버리면 추가로 캐시에 데이터를 넣어야 할 경우 기존 데이터를 내보내야 한다. 캐시 데이터 방출 정책으로 LRU, LFU, FIFO 등이 있다

콘텐츠 전송 네트워크(CDN)

• 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크
• 이미지, 비디오, CSS, JavaScript 파일 등을 캐시할 수 있다

CDN 동작 방식

• 사용자가 웹사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다
• 사용자가 CDN 서버로부터 멀면 멀수록 웹사이트는 천천히 로드될 것이다

CDN 사용 시 고려해야 할 사항

• 비용 : 데이터 전송 양에 따라 요금을 내게 된다. 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 CDN에서 빼는 것을 고려
• 적절한 만료 시한 설정 : 만료 시점이 너무 길면 콘텐츠의 신선도가 떨어질 것이고, 너무 짧으면 원본 서버에 빈번히 접속하여 좋지 않다
• CDN 장애에 대한 대처 방안 : CDN 자체가 죽었을 경우 웹사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야 한다
• 콘텐츠 무효화 방법 : 아직 만료되지 않은 콘텐츠라도 CDN에서 제거할 수 있다

CDN과 캐시가 추가된 설계

• 정적 콘텐츠는 더 이상 웹 서버를 통해 서비스하지 않으며, CDN을 통해 제공하여 더 나은 성능을 보장한다
• 캐시가 데이터베이스 부하를 줄인다

무상태(stateless) 웹 계층

• 웹 계층을 수평적으로 확장하는 방법
• 상태 정보를 웹 계층에서 제거해야 한다
• 상태 정보를 데이터베이스에 보관하고, 필요할 때 가져오도록 하는 것이다
• 이렇게 구성된 웹 계층을 무상태 웹 계층이라 부른다

상태 정보 의존적인 아키텍처

• 상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다
• 사용자 A의 세션 정보나 프로파일 이미지 같은 상태 정보는 서버 1에 저장된다
• HTTP 요청이 서버 2로 전송되면 데이터가 없으므로 인증에 실패한다
• 같은 클라이언트의 요청은 항상 같은 서버로 전송되어야 하는 문제가 있어 로드밸런서가 이를 지원하기 위해 고정 세션이라는 기능을 제공한다
• 이 기능은 로드밸런서에 부담을 주며 서버를 추가하거나 제거하기 어렵다. 서버의 장애를 처리하기도 복잡하다

무상태 아키텍처

• 사용자로부터의 HTTP 요청은 어떤 웹 서버로도 전달될 수 있다
• 웹 서버는 상태 정보가 필요할 경우 공유 저장소로부터 데이터를 가져온다
• 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다

무상태 웹 계층을 갖도록 기존 설계를 변경한 결과

• 공유 저장소는 RDBMS, 캐시 시스템, NoSQL일 수도 있다
• NoSQL의 경우 규모 확장이 간편하다

데이터센터

• 지리적 라우팅(geo-routing) : 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내된다
• geoDNS는 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할 지 결정할 수 있도록 해주는 DNS 서비스
• 그 결과로 두 데이터 센터 중 하나로 안내된다

고민해야할 기술적 난제

• 트래픽 우회 : 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다. GeoDNS가 그 역할을 해준다
• 데이터 동기화 : 데이터 센터마다 별도의 데이터베이스를 사용하고 있다면, 장애가 자동으로 복구되어 트래픽이 다른 데이터베이스로 우회되어도, 해당 데이터센터에는 찾는 데이터가 없을 수 있다. 이런 상황을 막는 보편적 전략은 데이터를 여러 데이터 센터에 걸쳐 다중화하는 것
• 테스트와 배포 : 여러 데이터 센터를 사용하도록 시스템이 구성된 상황이라면 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는 것이 중요하다. 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다

메시지 큐

• 메시지의 무손실을 보장하는 비동기 통신을 지원하는 컴포넌트
• 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다

기본 아키텍처

• 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 역할
• 메시지 큐를 이용하면 서비스 또는 서버간 결합이 느슨해져서, 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다
• 생산자는 소비자 프로세스가 다운되어 있어도 메시지를 발행할 수 있고, 소비자는 생상자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다

로그, 메트릭 그리고 자동화

• 로그 : 에러 로그를 모니터링하는 것은 중요하다. 로그를 단일 서비스로 모아주는 도구를 활용하면 더 편리하게 검색하고 조회할 수 있다
• 메트릭 : 메트릭을 잘 수집하면 사업 현황에 관한 유용한 정보를 얻을 수도 있고, 시스템의 현재 상태를 손쉽게 파악할 수도 있다.
  • 호스트 단위 메트릭 : CPU, 메모리, 디스크 I/O에 관한 메트릭
  • 종합(aggregated) 메트릭 : 데이터베이스 계층의 성능, 캐시 계층의 성능
  • 핵심 비즈니스 메트릭 : 일별 능동 사용자(Daily Active User), 수익, 재방문
• 자동화 : 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다.
  • 지속적 통합을 도와주는 도구를 활용하면 개발자가 만드는 코드가 어떤 검증 절차를 자동으로 거치도록 할 수 있어서 문제를 쉽게 감지할 수 있다
  • 빌드, 테스트, 배포 등의 절차를 자동화할 수 있어서 개발 생산성을 크게 향상시킬 수 있다

메시지 큐, 로그, 메트릭, 자동화 등을 반영하여 수정한 설계안

데이터베이스의 규모 확장

수직적 확장

• 스케일 업이라고도 부르는 수직적 규모 확장법은 기존 서버에 더 많은, 또는 고성능의 자원(CPU, RAM, 디스크 등)을 증설하는 방법
• 데이터베이스 서버 하드웨어에는 한계가 있으므로 자원을 무한 증설할 수 없다
• SPOF(Single Point of Failure)로 인한 위험성이 크다
• 비용이 많이 든다

수평적 확장

• 샤딩(sharding)이라고 부르는데, 더 많은 서버를 추가함으로써 성능을 향상시킬 수 있도록 한다
• 샤딩은 대규모 데이터베이스를 샤드(shard)라고 부르는 작은 단위로 분할하는 기술
• 모든 샤드는 같은 스키마를 쓰지만 샤드에 보관되는 데이터 사이에는 중복이 없다
• 샤딩 키(sharding key)를 어떻게 정하느냐가 가장 중요하다
• 샤딩 키는 파티션 키(partition key)라고도 부르는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 칼럼으로 구성된다
• 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내어 데이터 조회나 변경을 처리하므로 효율을 높일 수 있다
• 샤딩 키를 정할 때는 데이터를 고르게 분할할 수 있도록 하는 게 가장 중요

샤딩을 도입하면 생길 수 있는 문제

• 데이터의 재 샤딩(resharding)
  • 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때
  • 샤드 간 데이터 분포가 균등하지 못하여 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때
  • 샤드 소진(shard exhaustion)이라고 불리는 현상이 발생하면 샤드 키를 계산하는 함수를 변경하고 데이터를 재배치해야 한다
• 유명인사(celebrity) 문제 : 핫스팟 키 문제라고도 부르는데, 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
  • 유명인사가 전부 같은 샤드에 저장되는 경우 read 연산 과부하가 걸리게 될 것이다
  • 유명인사 각각에 샤드 하나씩을 할당해야 할 수도 있고, 더 잘게 쪼개야할 수도 있다
• 조인과 비정규화(join and de-normalization) : 하나의 데이터베이스를 여러 샤드 서버로 쪼개고 나면, 여러 샤드에 걸친 데이터를 조인하기 힘들어진다. 이를 해결하는 한가지 방법은 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 하는 것

데이터베이스 샤딩을 적용한 아키텍처

백만 사용자, 그리고 그 이상

• 시스템의 규모를 확장하는 것은 지속적이고 반복적인 과정
• 수백만 사용자 이상을 지원하려면 시스템을 최적화하고 더 작은 단위의 서비스로 분할해야 할 수도 있다

시스템 규모 확장을 위해 살펴본 기법들

• 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

[meloncha]

고민해볼 사항들

로드밸런서의 동작 방식

• 어떤 로직으로 트래픽을 자동 분산하는가
• 로드밸런싱 : 여러 서버가 분산 처리하는 것

1. L4 로드 밸런싱 : L4 계층에서 동작하는 로드밸런서

네트워크 계층이나 트랜스포트 계층의 정보를 바탕으로 로드를 분산. IP주소, 포트번호, MAC주소, 전송 프로토콜 등에 따라 트래픽을 나누고 분산처리할 수 있다. CLB(Connection Load Balancer) or SLB(Session Load Balancer) 라고 부르기도 한다. 라운드 로빈(Round Robin) : 세션을 각 서버에 순차적으로 맺어주는 방식. 단순히 순서에 따라 세션을 할당하므로 경우에 따라 경로별로 같은 처리량이 보장되지 않는다. 가중치 및 비율 할당 방식 : 서버마다 비율을 설정해두고 해당 비율만큼 세션을 맺어주는 방식 최소 연결(Least Connection)기반 : 가장 적은 세션을 가진 서버로 트래픽을 보내는 방식 응답 시간(Response Time)기반 : 가장 빠른 응답 시간을 보내는 서버로 트래픽을 우선 보내주는 방식. 각 서버들이 가용한 리소스와 성능, 그리고 처리 중인 데이터 양등이 다를 경우 적합한 방식 해시(Hash)기반 : 특정 클라이언트는 특정 서버로만 할당시키는 방식. 경로가 보장되며 접속자 수가 많을수록 분산 및 효율이 뛰어남 대역폭(Bandwidth) 기반 : 서버들과의 대역폭을 고려하여 트래픽을 분산하는 방식

2. L7 로드밸런싱 : L4 로드밸런서의 기능을 포함하며 OSI 7계층의 프로토콜 (HTTP, SMTP, FTP등)을 바탕으로도 분산 처리가 가능

ALB(Application Load Balancer) 라고 부른다. L7 위에서 동작하기 때문에 IP, Port 이외에도 URI, Payload, Http Header, Cookie 등으로 부하를 분산한다. 콘텐츠 기반 스위칭이라고도 한다.

L4 로드밸런서는 단지 부하를 분산시키는 것이라면, L7 로드 밸런서는 요청의 세부적인 사항을 두고 결제만 담당하는 서버, 회원가입만을 담당하는 서버 등으로 분리해서 가볍고 작은 단위로 여러 개의 서비스를 운영하고 요청을 각각의 서버에 분산할 수 있다. L7 로드 밸런서는 데이터를 분석해서 처리가 가능하기 때문에 악의적이거나 비정상적인 컨텐츠를 감지해 보안 지점을 구축할 수 있다.

L7가 L4를 포함하는데 두 개가 나뉘어 있는 이유?

L4 부터는 IP주소와 Port 번호를 활용하여 라우팅이 가능하여 자주 사용한다.

L7 은 소프트웨어를 사용해야 하므로 비용이 더 많이 들어 L7 수준에서의 로드 밸런싱이 필요한경우 사용하고 그게 아니면 비용이 저렴한 L4를 사용한다.

데이터베이스 다중화

• 주 데이터베이스를 추가하면 동일 데이터를 업데이트 하는 경우 문제가 생길 수 있지 않을까?
• 어떻게 해결할까?

→ 주 데이터베이스가 다중화되는 것 : Multi-Master

MMM (Multi-Master Replication Manager)

• Multi-Master 를 돕기 위해 MMM를 사용
• 2개의 주 데이터베이스를 위한 것은 아님
• 한 개의 데이터베이스에 장애가 일어날 때 바로 복구하기 위함
• 1개는 Master(Active) 다른 하나는 Master(Passive)로 설정
• Active 에서 장애 발생시 Active 접속을 차단하고 Passive 서비스로 접속을 넘긴다

캐시 계층

• 별도의 캐시 계층을 두는 것과 Spring 내의 캐시, DB의 캐시와의 차이는 무엇일까?

캐시의 종류

• 로컬 캐시 (EHcache)
  • Spring 에서 간단하게 사용할 수 있는 Java 기반 오픈소스 캐시 라이브러리
  • Spring 내부적으로 동작하여 캐싱 처리를 한다
  • redis 같이 별도의 서버를 사용하여 생길 수 있는 네트워크 지연 혹은 단절 같은 이슈에서 자유롭다
  • 로컬캐시로서 특정 서버에 종속된다. 멀티 서버 환경에서는 데이터 싱크가 필요하다. 데이터 접근은 빠르다
• DB 내부 캐시
  • MySQL Query Cache
  • SELECT 쿼리의 결과를 캐싱해주는 Query Cache 라는 최적화 기능을 제공한다
  • 5.7 부터는 deprecate 되었고, 8.0 부터는 제거되었다.
  • MySQL Query Cache 설정을 켤 수 있다
  • 장점
    • Query Cache 를 사용하는 쿼리라면 해당 쿼리가 Query Cache에 존재하면 Parsing, Optimizing, Executing 을 거치지 않고 캐시에 담겨있는 데이터를 반환한다
    • 쿼리의 비용이 크고, 반복적으로 호출되는 쿼리일수록 리소스 면에서 큰 이점을 얻을 수 있다
  • 단점
    • 대상 테이블에 대한 변경 (INSERT, UPDATE, DELETE)이 있었다면 확인하지 않고 기존의 캐시를 제거한다
    • Query Cache는 여러 세션(쓰레드)들이 공유하는 자원이기 때문에, 동기화를 위한 lock 이 필요하다 (Query Cache Lock)
    • 테이블의 변경으로 캐시를 제거하는 시점에 다른 쓰레드에서 유효하지 않은 데이터를 가져가지 못하도록 lock을 걸게 된다. lock이 풀릴 때까지 Query Cache에 접근하는 쓰레드들은 waiting 상태에서 대기한다
    • 테이블의 변경이 잦을 수록, Query Cache를 사용하는 SELECT 쿼리가 많을수록 lock을 waiting하는 시간은 많은 비중을 차지하게 된다. (배보다 배꼽이 더 큰 셈)
• CDN
• in-memory 캐시 (redis, memcached)
  • 독립적인 캐시 서버로 구축되어 네트워크 통신으로 서버들이 데이터에 접근한다
  • 속도는 로컬보다 느리다
  • 데이터 동기화 이슈가 없다

메시지 큐

• 메시지 큐가 효율적인 예시가 무엇일까?

메시지 큐를 사용하는 경우

• 메시지 큐는 Consumer가 실제로 메시지를 어느 시점에 가져가서 처리하는지는 보장하지 않는다
• 이러한 비동기적 특성 때문에 메시지 큐는 실패하면 치명적인 핵심 작업보다는 어플리케이션의 부가적인 기능에 사용하는 것이 적합하다
• 예) 이메일 전송, 블로그 포스팅시 고용량 이미지 사후처리하며 최적화