[가상 면접 사례로 배우는 대규모 시스템 설계 기초] 4. 처리율 제한 장치의 설계

처리율 제한 장치는 클라이언트 또는 서비스가 보내는 트래픽의 처리율을 제어하기 위한 장치다. API를 호출하는 횟수를 제한하여 DoS 와 같은 공격을 방지하고 서버 과부하, 과도한 비용 등을 막을 수 있다.

 

이번장에서는 앞서 3장에서 설명한 4단계 접근법을 기반으로 처리율 제한 장치를 설계해본다.

1. 문제 이해 및 설계 범위 확정

처리율 제한 장치를 구현하는 데는 여러가지 알고리즘을 사용할 수 있다. 각각의 장단이 있기 때문에 문제에 대한 정의를 기반으로 어떤 알고리즘을 사용하는 것이 좋은지 고민해봐야 한다.

 

알고리즘 외에도 처리율 제한 장치의 위치, 제어 규칙, 시스템의 규모, 분산 환경 여부, 요청 제한 여부에 대한 알림 등등을 고려해야 한다.

 

2. 개략적 설계안 제시 및 동의 구하기

- 처리율 제한 장치의 위치

처리율 제한 장치는 서버쪽에 둘수도 있고, 클라이언트쪽에 둘수도 있다. 또는 미들웨어로 분리하여 클라이언트의 요청이 서버로 들어가기전에 거쳐가도록 할 수도 있다. 클라우드 마이크로서비스의 경우에는 처리율 제한 장치를 API 게이트웨이에 구현하여 처리율 제한, SSL 종단, 사용자 인증, IP 허용 목록 관리 등을 지원하도록 하기도 한다.

 

처리율 제한 장치의 위치와 기능은 이를 사용하려는 목적에 맞춰서 고려해야한다. 서버 애플리케이션에 포함되어야 할지, 따로 미들웨어에 위치해야할지, 앞서 클라우드 서비스의 컴포넌트처럼 처리율 제한 외에 다른 기능들도 제공해야 하는지 등 사용 목적과 시스템의 구성 등에 따라 달라질 수 있다.

- 처리율 제한 알고리즘

1) 토큰 버킷 알고리즘 (token bucket)

토큰 버킷 알고리즘은 버킷의 크기, 토큰 공급률 두가지 인자를 받아서 동작한다. 지정된 크기의 토큰 버킷에 토큰 공급률에 따라 주기적으로 토큰이 채워진다. 꽉 찬 버킷에는 더 이상 토큰이 추가되지 않는다.

 

요청이 하나 처리될 때마다 토큰을 하나 사용한다. 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사하고 충분한 토큰이 있으면 토큰 하나를 꺼낸 후 요청을 시스템에 전달한다. 토큰이 없으면 해당 요청은 버려진다.

 

버킷을 몇개나 사용할지는 공급 제한 규칙에 따라 달라진다. 여러가지 조건을 봐야하는 경우에는 버킷도 여러개 사용된다.

 

토큰 버킷 알고리즘은 구현이 간단하고, 메모리 사용 측면에서도 효율적이다. 또한 짧은 시간에 집중되는 트래픽에 대한 처리도 가능하다. 하지만 버킷 크기와 토큰 공급률 두가지 인자를 가지고 적절한 튜닝을 하는 것이 어려울 수 있다.

2) 누출 버킷 알고리즘 (leaky bucket)

누출 버킷 알고리즘은 토큰 버킷 알고리즘과 같이 두가지 인자를 받는데, 버킷의 크기와 요청 처리율을 입력받는다. 처리율은 지정된 시간마다 몇개의 요청을 처리할지 지정하는 값으로 토큰 버킷과 다르게 요청 처리율이 고정되어 있다.

 

누출 버킷 알고리즘은 보통 FIFO 큐로 구현된다. 요청이 도착하면 큐가 가득 차 있는지 확인한다. 빈 자리가 있으면 큐에 요청을 추가하고 그렇지 않으면 요청을 버린다. 큐에 추가된 요청은 지정된 시간마다 꺼내져서 시스템으로 전달된다.

 

큐의 크기가 제한되어 메모리 사용에 효율적이고, 고정된 처리율로 안정적인 출력을 제공할 수 있다. 하지만 단시간에 많은 트래픽이 몰리면 큐에 요래된 요청들이 쌓이고 최신 요청들이 계속해서 버려지는 문제가 발생한다.

3) 고정 윈도 카운터 알고리즘 (fixed window counter)

고정 윈도 알고리즘은 타임라인을 고정된 간격의 윈도로 나누고 각 윈도마다 입력된 요청을 카운트하여 요청 처리 여부를 따진다. 만약 요청의 카운트가 윈도의 임계치 (threshold) 에 도달하면 새로운 요청은 새 윈도가 열릴 때까지 버려진다.

 

메모리 효율이 좋고 이해하기 쉽지만, 윈도 경계 부근에서 갑자기 많은 트래픽이 몰리는 경우 시스템의 처리 한도보다 많은 요청을 처리하게 될수도 있다.

4) 이동 윈도 로깅 알고리즘 (sliding window log)

이동 윈도 로깅 알고리즘은 요청의 타임스탬프를 저장하고 이를 이용하여 카운트를 계산한다. 새로운 요청이 들어오면 해당 요청의 타임스탬프를 기준으로 윈도를 계산하여 윈도의 시작 시간보다 오래된 타임스탬프를 모두 제거한다. 만료된 타임스탬프를 제거한 후 로그의 크기가 허용치를 넘지않으면 요청을 시스템으로 전달한다. 그리고 로그에는 새로운 요청의 타임스탬프를 기록한다.

 

이 알고리즘은 윈도를 요청 입력 시점에 따라 동적으로 계산하기 때문에 고정 윈도 카운터 알고리즘과 달리 어떤 시점에도 시스템의 처리율 한도를 넘지 않는 장점이 있다. 하지만 요청의 타임스탬프를 기록하는만큼 많은 메모리를 사용하게 된다.

 

5) 이동 윈도 카운터 알고리즘 (sliding window counter)

 

이동 윈도 카운터 알고리즘은 고정 윈도 카운터 알고리즘과 이동 윈도 로깅 알고리즘을 결합한 것이다.

(현재 윈도의 카운터 수) + (이전 윈도의 카운터 수) * (두 윈도가 겹치는 비율)

위와 같이 두 알고리즘을 통해 계산된 값을 임계치와 비교하여 처리 여부를 결정한다. 이러한 방법을 통해서 짧은 시간에 몰리는 트래픽에도 잘 대응할 수 있다.

- 개략적인 아키텍처

처리율 제한 알고리즘을 구현하기 위해서는 사용자 요청에 대한 카운터를 어디에 보관할 것인가를 고민해야 한다. DB보다 접근이 빠르고 시간에 기반한 만료 정책을 지원하는 캐시를 사용하는 것이 바람직하다. 이때문에 레디스를 저장장치로 사용하여 처리율 제한 장치를 구현하는 경우가 많다.

3. 상세 설계

- 처리율 제한 규칙

처리율 제한 장치를 구현하기 위해서는 어떤 조건으로 처리율을 제한할 것인지 정해야 한다. 사용자의 분당 메시지 전송 개수, 분당 로그인 요청 개수 등 다양한 규칙들을 미리 설정해둘 수 있다.

- 처리율 한도 초과 트래픽의 처리

어떤 요청이 처리율 한도 제한에 걸리면 이에 대한 응답을 사용자에게 전달해야 한다. HTTP 응답 헤더를 통해서 처리율 제한 장치의 결과를 전달할 수 있다. 다음의 예시처럼 커스텀 헤더를 구현하여 전달할 수도 있다.

 

X-Ratelimit-Remaining: 윈도 내에 남은 처리 가능 요청의 수
X-Ratelimit-Limit: 매 윈도마다 클라이언트가 전송할 수 있는 요청의 수
X-Ratelimit-Retry-After: 한도 제한에 걸리지 않으려면 몇 초 뒤에 요청을 다시 보내야 하는지 알림

- 상세 설계

 

설계를 기반으로 시스템을 구성하면 처리율 제한 장치 (미들웨어), 처리율 제한 규칙을 기술한 설정 파일과 이를 저장할 캐시, 처리율 제한 알고리즘에 따라 요청 카운트를 저장할 캐시 (레디스) 등으로 구성할 수 있다. 또한 처리율 제한 규칙에 따라 제한된 메시지를 어떻게 처리할지에 따라 메시지 큐 등을 추가할 수 있다.

 

분산환경에서 처리율 제한 장치는 고려해야할 사항이 늘어난다. 병렬적인 카운터 조작과 여러 클라이언트들에 대한 정보 공유 동기화 등의 문제가 있을 수 있다.
 1) 경쟁 조건

분산환경에서 처리율 제한 장치의 문제 중 하나는 race condition 이다. 캐시에 저장된 카운터를 조작하기 위해 두개의 요청이 동시에 도달하는 경우 카운터의 수정이 제대로 일어나지 않고 두 요청이 모두 허용될 수 있다.

 

경쟁 조건 문제를 해결하지 위해 가장 쉬운 방법을 락을 사용하는 것이다. 하지만 락은 시스템의 성능을 떨어뜨린다는 문제가 있다. 이러한 문제를 해결할 수 있는 해결책으로 루아 스크립트와 레디스의 정렬 집합 구조를 사용하는 것을 추천한다.

2) 동기화

동기화 이슈도 분산 환경에서 고려해야 할 중요한 요소이다. 여러대의 처리율 제한 장치를 두는 경우 클라이언트 정보와 같이 장치들 간에 공유해야 하는 정보들이 있을 수 있다. 이러한 문제를 해결하기 위해 레디스와 같은 중앙 집중형 데이터 저장소를 사용한다.

3) 성능 최적화

많은 사용자가 몰리는 경우 처리율 한도 장치에서도 성능 문제가 발생할 수 있다. 성능 문제를 개선하기 위해서 여러 데이터 센터를 통해 사용자의 트래픽을 분산하는 것을 고려할 수 있다. 그리고 제한 장치 간의 데이터 동기화 시에 최종 일관성 모델을 사용하여 성능을 개선할 수 있다.

4) 모니터링

처리율 제한 규칙이 적절한지, 트래픽의 급증 등의 이유로 처리율 제한 알고리즘이 비효율적으로 동작하지 않는지 등을 확인하기 위해서는 모니터링을 통해 데이터를 수집해야한다.

4. 마무리

처리율 제한 장치를 설계하기 위해 여러 알고리즘과 여러 환경에서의 제한 장치, 성능 최적화, 모니터링 등에 대해서 살펴보았다. 이외에도 경성 (hard) 또는 연성 (soft) 처리율 제한, 애플리케이션 계층 (HTTP) 이 아닌 Iptables 등을 통한 다른 계층에선의 처리율 제한 등을 고민해볼 수 있다. 반대로 클라이언트 쪽에서의 설계를 통해서  어떻게 처리율 제한을 회피할 수 있는지 고려해볼 수 있다.