[대규모 시스템 설계] 1. 사용자 수에 따른 규모 확장성

윤진원·2023년 7월 11일

CDN 가상 면접 사례로 배우는 대규모 시스템 기초 설계 대규모 대규모 시스템 대규모 시스템 설계 데이터베이스 다중화 로드 밸런서 로드 밸런싱 메시지 큐 무상태 샤딩 캐시

가상 면접 사례로 배우는 대규모 시스템 설계 기초

목록 보기

1/3

수백만 사용자를 지원하는 시스템을 설계하는 것은 도전적인 과제이다!
또한, 지속적인 계량과 끝없는 개선이 요구된다.

이번 장에서는 한 명의 사용자 → 몇 백만 사용자까지 지원하는 시스템을 설계해보자.

단일 서버

모든 컴포넌트가 단 한대의 서버에서 실행되는 간단한 시스템부터 설계해보자.

웹 앱, 데이터베이스, 캐시 등이 전부 서버 한 대에서 실행된다.

위 시스템 구성을 이해하기 위해서는 사용자 요청 처리 흐름을 알아야 한다!

사용자는 도메인 이름(api.mysite.com)을 이용해서 웹 사이트에 접속한다.
- 접속을 위해서는 도메인 이름을 DNS에 질의해서 IP 주소로 변환하는 과정이 필요하다.
DNS 조회 결과로 IP 주소가 반환된다.
해당 IP 주소로 HTTP 요청이 전달된다.
요청을 받은 웹 서버는 HTML 페이지나 JSON 형태의 응답을 반환한다.

그렇다면 실제 요청이 어디서부터 올까?

웹 애플리케이션

비즈니스 로직, 데이터 저장 등을 처리하기 위해서는 서버 구현용 언어(자바, 파이썬 등)를 사용하고, 프레젠테이션용으로는 클라이언트 구현용 언어(HTML, 자바스크립트)를 사용한다.

모바일 웹
- 모바일 앱과 웹 서버 간 통신을 위해서는 HTTP 프로토콜을 사용한다.
- 응답 데이터의 포맷으로는 보통 JSON이 쓰인다.

데이터베이스

사용자가 늘면 서버 하나로는 충분하지 않아서 여러 서버를 두어야 한다.

웹/모바일 트래픽 처리 용도
데이터베이스용

웹/모바일 트래픽 처리 서버(웹 계층) ↔ 데이터베이스 서버(데이터 계층)을 분리하면, 독립적으로 확장해 나갈 수 있게 된다.

어떤 데이터베이스를 사용할 것인가?

전통적인 관계형 데이터베이스와 비-관계형 데이터베이스

관계형 데이터베이스
- 관계형 데이터베이스 관리 시스템(RDBMS)
- MySQL, 오라클, PostgreSQL
- 자료를 테이블과 열, 컬럼으로 표현
- SQL을 사용해 여러 테이블에 있는 데이터를 관계에 따라 조인해서 합칠 수 있다!
비-관계형 데이터베이스
- NoSQL
- CouchDB, Neo4j, Amazon DynamoDB
- 네 종류로 나뉨 → 키-값 저장소, 그래프 저장소, 칼럼 저장소, 문서 저장소
- 조인 연산을 지원하지 않는다.

비-관계형 데이터베이스가 바람직한 경우

아주 낮은 응답 지연시간(latency)가 요구될 경우
다루는 데이터가 비정형이라 관계형 데이터가 아닐 경우
데이터를 직렬화하거나, 역직렬화할 수 있기만 하면 되는 경우
아주 많은 양의 데이터를 저장할 필요가 있는 경우

수직적 규모 확장 vs 수평적 규모 확장

수직적 규모 확장(scale up)
→ 서버에 고사양 자원(더 좋은 CPU, RAM 등)을 추가하는 행위

수평적 규모 확장(scale out)
→ 더 많은 서버를 추가하여 성능을 개선하는 행위

수직적 규모 확장의 장단점

장점
- 서버로 유입되는 트래픽의 양이 적을 때 유용하다.
- 단순하다.
단점
- 한 대의 서버에 CPU나 메모리를 무한대로 증설할 수 없으므로, 한계가 있다.
- 장애에 대한 자동복구 방안이나 다중화 방안을 제시하지 않는다.
  - 서버에 장애가 발생하면 웹 사이트는 완전히 중단된다.

→ 따라서, 대규모 애플리케이션을 지원하는 데는 수평적 규모 확장법이 보다 적절하다!

위의 설계에서 사용자는 웹 서버에 바로 연결된다.

웹 서버가 다운되면, 사용자는 웹 사이트에 접속할 수 없다.
너무 많은 사용자가 접속하면 응답 속도가 느려지거나, 서버 접속이 불가능해질 수도 있다.

→ 부하 분산기, 또는 로드 밸런서(load balancer)를 도입하자!

로드 밸런서

로드 밸런서는 부하 분산 집합(load balancing set)에 속한 웹 서버들에게 트래픽을 고르게 분산시킨다.

사용자는 로드 밸런서의 공개 IP주소로 접속한다.
- 따라서, 웹 서버는 클라이언트의 접속을 직접 처리하지 않는다.
더 나은 보안을 위해, 서버 간 통신에는 사설 IP 주소가 이용된다.
- 사설 IP 주소 : 같은 네트워크에 속한 서버 사이의 통신에만 쓰일 수 있는 IP 주소

부하 분산 집합에 웹 서버를 추가하고 나면, 장애를 자동복구하지 못하는 문제는 해소되고, 웹 계층의 가용성은 향상된다!

서버 1이 다운되면 모든 트래픽은 서버 2로 전송된다.
- 따라서, 웹 사이트 전체가 다운되는 일이 방지된다.
웹 사이트로 유입되는 트래픽이 가파르게 증가하면 두 대의 서버로 트래픽을 감당할 수 없는 시점이 온다.
- 그 때, 로드 밸런서가 있으므로 우아하게 대처할 수 있다.
- 웹 서버 계층에 더 많은 서버를 추가하기만 하면 된다.

→ 이제 웹 계층은 괜찮아보이는데, 데이터 계층은 여전히 하나의 서버이다!

데이터베이스 다중화

많은 데이터베이스 관리 시스템이 다중화를 지원한다.

보통은 서버 사이에 master-slave 관계를 설정하고, 데이터 원본은 master , 사본은 slave 에 저장한다.
- 쓰기 연산은 마스터에서만 지원한다.
- slave 데이터베이스는 master 로부터 사본을 전달받으며, 읽기 연산만을 지원한다.
- 따라서, 데이터베이스를 변경하는 DML들은 주 데이터베이스로만 전달되어야 한다!

대부분의 애플리케이션은 읽기 연산의 비중이 쓰기 연산보다 훨씬 높다.
- 따라서, 통상 부 데이터베이스의 수가 주 데이터베이스보다 많다.

데이터베이스를 다중화할 때의 이득

더 나은 성능
- 모든 데이터 변경 연산은 주 데이터베이스, 읽기 연산은 부 데이터베이스 서버들로 분산된다.
- 병렬로 처리될 수 있는 쿼리의 수가 늘어나므로, 성능이 좋아진다.
안정성
- 자연 재해 등의 이유로 데이터베이스 서버 가운데 일부가 파괴되어도 데이터는 보존된다.
- 데이터를 지역적으로 떨어진 여러 장소에 다중화시켜 놓을 수 있기 때문!
가용성
- 데이터를 여러 지역에 복제해 둠으로써, 하나의 데이터베이스 서버에 장애가 발생하더라도 다른 서버에 있는 데이터를 가져와서 서비스할 수 있다.

데이터베이스 다중화가 된 상태에서 데이터베이스 서버 하나가 다운된다면?

부 서버가 한 대뿐인데 다운된 경우
- 읽기 연산은 한시적으로 모두 주 데이터베이스로 전달된다.
- 즉시 새로운 부 데이터베이스 서버가 장애 서버를 대체한다.
부 서버가 여러 대인데 다운된 경우
- 읽기 연산은 나머지 부 데이터베이스 서버들로 분산된다.
- 새로운 부 데이터베이스 서버가 장애 서버를 대체한다.
주 데이터베이스 서버가 다운된 경우
- 한 대의 부 데이터베이스만 있는 경우, 부 데이터베이스 서버가 새로운 주 서버가 된다.
- 프로덕션 환경에서는 더 복잡하다!
  - 부 서버에 보관된 데이터가 최신 상태가 아닐 수가 있다.
  - 없는 데이터는 복구 스크립트를 돌려서 추가해야 한다.

로드밸런서와 데이터베이스 다중화를 고려한 설계안

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

→ 이제는 캐시를 붙이고, 정적 콘텐츠를 CDN으로 옮겨서 응답시간을 개선해보자!

캐시

캐시란?
→ 값비싼 연산 결과 또는 자주 참조되는 데이터를 메모리 안에 두고, 뒤이은 요청이 보다 빨리 처리될 수 있도록 하는 저장소

웹 페이지를 새로고침 할 때마다 표시할 데이터를 가져오기 위해 한 번 이상의 데이터베이스 호출이 발생한다.
- 애플리케이션의 성능은 데이터베이스를 얼마나 자주 호출하느냐에 크게 좌우된다.
- 캐시는 그런 문제를 완화할 수 있다!

캐시 계층

캐시 계층이란?

데이터가 잠시 보관되는 곳으로, 데이터베이스보다 훨씬 빠르다.
- 별도의 캐시 계층을 두면 성능이 개선될 뿐 아니라, 데이터베이스의 부하를 줄일 수 있다.
- 또한, 캐시 계층의 규모를 독립적으로 확장시키는 것도 가능해진다.

읽기 주도형 캐시 전략

요청을 받은 웹 서버는 캐시에 응답이 저장되어 있는지를 본다.
만일 저장되어 있다면, 해당 데이터를 클라이언트에 반환한다.
없는 경우에는 데이터베이스를 통해 데이터를 찾아 캐시에 저장하고, 클라이언트에 반환한다.

캐시 서버를 이용하는 방법은 간단하다!
- 대부분의 캐시 서버들이 API를 제공한다.
- ex) memcached API

SECONDS = 1
cache.get('myKey', 'hi there', 3600 * SECONDS)
cache.get('myKey')

캐시 사용 시 유의할 점

캐시를 사용할 때는 여러 사항들을 고려해야 한다.

캐시는 어떤 상황에 바람직한가?
- 데이터 갱신은 자주 일어나지 않지만, 참조는 빈번하게 일어나는 경우
어떤 데이터를 캐시에 두어야 하는가?
- 캐시는 데이터를 휘발성 메모리에 두므로, 영속적으로 보관할 데이터를 캐시에 두는 것은 바람직하지 않다.
- 중요한 데이터는 지속적 저장소에 두어야 한다.
캐시에 보관된 데이터는 어떻게 만료되는가?
- 만료된 데이터는 캐시에서 삭제되어야 하는데, 만료 정책이 없으면 데이터는 캐시에 계속 남게 된다.
- 만료 기한이 너무 짧으면 데이터베이스를 너무 자주 읽게 되고, 너무 길다면 원본과 차이가 날 가능성이 높아진다.
일관성은 어떻게 유지되는가?
- 일관성 : 데이터 저장소의 원본과 캐시 내의 사본이 같은지 여부
- 저장소의 원본을 갱신하는 연산과 캐시를 갱신하는 연산이 단일 트랜잭션으로 처리되지 않는 경우, 깨질 수 있다.
장애에는 어떻게 대처할 것인가?
- 캐시 서버를 한 대만 두는 경우 해당 서버는 단일 장애 지점(SPOF)이 되어버릴 가능성이 있다.
  - 단일 장애 지점 : 어떤 특정 지점에서의 장애가 전체 시스템의 동작을 중단시켜버릴 수 있는 경우

캐시 메모리는 얼마나 크게 잡을 것인가?
- 캐시 메모리가 너무 작으면 데이터가 자주 캐시에서 밀려나버려, 캐시의 성능이 떨어지게 된다.
- 캐시 메모리를 과할당하면 캐시에 보관될 데이터가 갑자기 늘어났을 때 생길 문제도 방지할 수 있다.
데이터 방출 정책은 무엇인가?
- 캐시가 꽉 차버리면 추가로 데이터를 넣어야 할 경우, 기존 데이터를 내보내야 한다.
- LRU, LFU, FIFO와 같은 정책이 주로 쓰인다.

콘텐츠 전송 네트워크(CDN)

CDN이란?
→ 정적 콘텐츠를 전송하는 데 쓰이는, 지리적으로 분산된 서버의 네트워크

이미지, 비디오, CSS, JavaScript 파일 등을 캐시할 수 있다.

CDN의 동작 흐름

어떤 사용자가 웹 사이트를 방문하면, 그 사용자에게 가장 가까운 CDN 서버가 정적 콘텐츠를 전달하게 된다.
- 사용자가 CDN 서버로부터 멀수록, 웹 사이트는 천천히 로드된다.

CDN의 동작 과정

사용자 A가 이미지 URL을 통해 image.png 에 접근한다.
CDN 서버의 캐시에 해당 이미지가 없는 경우, 서버는 원본 서버(웹 서버 or S3)에 요청하여 파일을 가져온다.
원본 서버가 파일을 CDN 서버에 반환한다.
- 응답 헤더에는 TTL(해당 파일이 얼마나 오래 캐시될 수 있는지) 값이 들어있다.
CDN 서버는 파일을 캐시하고 사용자 A에게 반환한다.
사용자 B가 같은 이미지에 대한 요청을 CDN 서버에 전송한다.
만료되지 않은 이미지에 대한 요청은 캐시를 통해 처리된다.

CDN 사용 시 고려해야 할 사항

비용
- CDN은 보통 제3 사업자에 의해 운영되고, 데이터 전송 양에 따라 요금을 내게 된다.
- 자주 사용되지 않는 콘텐츠를 캐싱하는 것은 이득이 크지 않다.
적절한 만료 시한 설정
- 만료 시한은 너무 길지도, 짧지도 않아야 한다.
- 너무 길면 콘텐츠의 신선도는 떨어지고, 너무 짧으면 원본 서버에 빈번히 접속하게 된다.
CDN 장애에 대한 대처 방안
- CDN 자체가 죽었을 경우 웹 사이트/애플리케이션이 어떻게 동작해야 하는지 고려해야 한다.
콘텐츠 무효화 방법
- 아직 만료되지 않은 콘텐츠라도, CDN에서 제거할 수 있다.
  - CDN 서비스 사업자가 제공하는 API를 이용해서 콘텐츠 무효화
  - 콘텐츠의 다른 버전을 서비스하도록 오브젝트 버저닝을 이용 → image.png?v=2

CDN과 캐시가 추가된 설계안

정적 콘텐츠는 더 이상 웹 서버를 통하지 않고, CDN을 통해 서비스하여 성능을 보장한다.
캐시가 데이터베이스 부하를 줄여준다.

무상태(stateless) 웹 계층

이제, 웹 계층을 수평적으로 확장하는 방법을 고민해봐야 한다.

상태 정보(사용자 세션 데이터)를 웹 계층에서 제거해야 한다.
- 바람직한 전략은, 상태 정보를 RDBMS나 NoSQL 같은 지속성 저장소에 보관하고, 필요할 때 가져오는 것이다.

→ 무상태 웹 계층!

상태 정보 의존적인 아키텍처

상태 정보를 보관하는 서버는 클라이언트 정보, 즉 상태를 유지하여 요청들 사이에 공유되도록 한다.

같은 클라이언트로부터의 요청은 항상 같은 서버로 전송되어야 한다.
- ex) 사용자 A의 상태 정보 → 서버 1, 사용자 B의 HTTP 요청 → 서버 2
- 대부분의 로드 밸런서가 이때문에 고정 세션이라는 기능을 제공하지만, 부담을 준다!
- 게다가 로드 밸런서 뒷단에 서버를 추가하거나 제거하기도 어려워진다.

무상태 아키텍처

이 구조에서 사용자로부터 HTTP 요청은 어떤 웹서버로도 전달될 수 있다!

웹 서버는 상태 정보가 필요할 경우 공유 저장소로부터 데이터를 가져온다.
- 따라서, 상태 정보는 웹 서버로부터 물리적으로 분리되어 있다.
- 단순하고, 안정적이며, 규모 확장이 쉽다.

무상태 웹 계층을 갖도록 만든 변경된 설계안

세션 데이터를 웹 계층에서 분리하고, 지속성 데이터에 저장한다.
자동 규모 확장(auto scaling) : 트래픽 양에 따라 웹 서버를 자동으로 추가하거나 삭제하는 기능

→ 가용성을 높이고, 전 세계 어디서도 쾌적하게 사용할 수 있게 하려면 여러 데이터 센터를 지원하는 것은 필수다!

데이터 센터

두 개의 데이터 센터를 이용하는 사례

지리적 라우팅 → 장애가 없는 상황에서 사용자는 가장 가까운 데이터 센터로 안내 된다.
- 사용자의 위치에 따라 도메인 이름을 어떤 IP 주소로 변환할지 결정할 수 있도록 해주는 DNS 서비스

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

다중 데이터센터 아키텍처를 만들기 위해 해결해야 할 기술적 난제들

트래픽 우회
- 올바른 데이터 센터로 트래픽을 보내는 효과적인 방법을 찾아야 한다.
- GeoDNS는 사용자에게서 가장 가까운 데이터센터로 트래픽을 보낼 수 있게 해준다.
데이터 동기화
- 데이터 센터마다 별도의 데이터베이스를 사용한다면, 장애가 자동으로 복구되어 다른 데이터베이스로 우회된다고 해도 해당 데이터 센터에서는 찾는 데이터가 없을 수 있다.
- 데이터를 여러 데이터 센터에 걸쳐 다중화해야 한다.
테스트와 배포
- 웹 사이트 또는 애플리케이션을 여러 위치에서 테스트해보는 것이 중요하다.
- 자동화된 배포 도구는 모든 데이터 센터에 동일한 서비스가 설치되도록 하는 데 중요한 역할을 한다.

→ 이젠 메시지 큐를 이용해서 시스템의 컴포넌트를 분리하고, 각기 독립적으로 확장될 수 있도록 해보자!

메시지 큐

메시지 큐란?
→ 메시지의 무손실을 보장하는, 비동기 통신을 지원하는 컴포넌트

무손실 : 메시지 큐에 일단 보관된 메시지는 소비자가 꺼낼 때까지 안전히 보관된다는 특성
- 메시지의 버퍼 역할을 하며, 비동기적으로 전송한다.

메시지 큐의 기본 아키텍처

생산자, 또는 발행자라고 불리는 입력 서비스가 메시지를 만들어 메시지 큐에 발행(publish)한다.
- 큐에는 보통 소비자, 또는 구독자라고 불리는 서비스나 서버가 연결되어 있다.
- 메시지를 받아 그에 맞는 동작을 수행하는 역할을 한다.

메시지 큐의 장점

서비스, 또는 서버 간 결합이 느슨해져서 규모 확장성이 보장되어야 하는 안정적 애플리케이션을 구성하기 좋다.
생산자는 소비자 프로세스가 다운되어 있어도, 메시지를 발행할 수 있고, 소비자는 생산자 서비스가 가용한 상태가 아니더라도 메시지를 수신할 수 있다.

사용 예시

웹 서버는 사진 보정 작업을 메시지 큐에 넣는다.
- 사진 보정 작업 프로세스들은 이 작업을 메시지 큐에서 꺼내서 비동기적으로 완료한다.
- 생산자와 소비자 서비스의 규모는 각기 독립적으로 확장될 수 있다.
큐의 크기가 커지면 더 많은 작업 프로세스를 추가해야 처리 시간을 줄일 수 있다.
- 하지만 큐가 거의 비어 있다면, 작업 프로세스의 수를 줄일 수 있다.

로그, 메트릭 그리고 자동화

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

로그
- 에러 로그를 모니터링하는 것은 중요하다.
- 시스템의 오류와 문제들을 보다 쉽게 찾아낼 수 있다.
- 서버 단위로 모니터링할 수도 있지만, 로그를 단일 서비스로 모아주는 도구를 활용하면 편리하다.
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 메트릭 : 데이터베이스 계층의 성능, 캐시 계층의 성능
  - 핵심 비즈니스 메트릭 : 일별 능동 사용자, 수익, 재방문
자동화
- 시스템이 크고 복잡해지면 생산성을 높이기 위해 자동화 도구를 활용해야 한다.
- 지속적 통합(CI), 빌드, 테스트, 배포 등의 절차를 자동화해서 개발 생산성을 크게 향상시킬 수 있다.

메시지 큐, 로그, 메트릭, 자동화 등을 반영하여 수정한 설계안

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

데이터베이스의 규모 확장

저장할 데이터가 많아지면 데이터베이스에 대한 부하도 증가하고, 데이터베이스를 증설할 방법을 찾아야 한다.

수직적 규모 확장법
수평적 규모 확장법

수직적 확장

기존 서버에 더 많은, 또는 고성능의 자원을 증설하는 방법이다.

단점
- 데이터베이스 서버 하드웨어에는 한계가 있으므로, CPU, RAM 등을 무한 증설할 수 없다.
- SPOF로 인한 위험성이 크다.
- 비용이 많이 든다.

수평적 확장

샤딩(sharding) → 데이터베이스의 수평적 확장

더 많은 서버를 추가함으로써, 성능을 향상시킨다.

샤딩(Sharding)

대규모 데이터베이스를 샤드라고 부르는 작은 단위로 분할하는 기술
- 모든 샤드는 같은 스키마를 쓰지만, 샤드에 보관되는 데이터 사이에는 중복이 없다.

각 샤드 노드에 사용자 데이터가 보관되는 모습

샤딩 전략을 구현할 때 고려해야 할 가장 중요한 것

샤딩 키를 어떻게 정하느냐! 이다.
- 샤딩 키는 파티션 키라고도 부르는데, 데이터가 어떻게 분산될지 정하는 하나 이상의 컬럼으로 구성된다.
- 샤딩 키를 통해 올바른 데이터베이스에 질의를 보내서 데이터 조회나 변경을 처리하므로, 효율을 높일 수 있다.
- 데이터를 고르게 분할할 수 있도록 하는 것이 가장 중요하다!

샤딩을 도입할 때의 문제점

데이터의 재 샤딩(resharding)
- 데이터가 너무 많아져서 하나의 샤드로는 더 이상 감당하기 어려울 때
- 샤드 간 데이터 분포가 균등하기 못하여, 어떤 샤드에 할당된 공간 소모가 다른 샤드에 비해 빨리 진행될 때
유명인사 문제(핫스팟 키 문제)
- 특정 샤드에 질의가 집중되어 서버에 과부하가 걸리는 문제
조인과 비정규화
- 하나의 데이터베이스를 여러 샤드 서버로 쪼개면, 데이터를 조인하기가 힘들어진다.
  - 데이터베이스를 비정규화하여 하나의 테이블에서 질의가 수행될 수 있도록 해야 한다.

데이터베이스 샤딩을 적용한 설계안

백만 사용자, 그리고 그 이상

시스템의 규모를 확장하는 것은 지속적이고, 반복적인 과정이다.

위에서 다룬 내용을 반복하다 보면 원하는 규모의 시스템을 달성할 수 있다.
- 하지만, 수백만 사용자 이상을 지원하려면 새로운 전략을 도입해야 한다.

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

윤진원

기억보단 기록을

다음 포스트