문제 이해 및 설계 범위 확정
요구사항
- 설정된 처리율을 초과하는 요청은 정확하게 제한한다.
- 낮은 응답시간 : 이 처리율 제한 장치는 HTTP 응답시간에 나쁜영향을 주어서는 곤란하다.
- 가능한 한 적은 메모리를 사용해야 한다.
- 분산형 처리율 제한 : 하나의 처리율 제한 장치를 여러 서버나 프로세스에서 공유할 수 있어야 한다.
- 예외처리 : 요청이 제한되었을 때는 그 사실을 사용자에게 분명하게 보여주어야 한다.
- 높은 결함 감내성 : 제한 장치에 장애가 생기더라도 전체 시스템에 영향을 주어서는 안 된다.
개략적 설계안 제시 및 동의 구하기
처리율 제한 장치는 어디에 둘 것인가?
서버 or Gateway?
- 프로그래밍 언어, 캐시 서비스 등 현재 사용하고 있는 기술 스택을 점검하고, 사용하고 있는 프로그래밍 언어가 서버 측 구현에 적합한지를 확인해라.
- 사업 필요에 맞는 처리율 제한 알고리즘을 찾아라. 직접 구현하는 경우에는 필요한 알고리즘을 사용할 수 있지만, Gateway를 사용한다면 선택지는 제한된다.
- 이미 설계에 API Gateway가 있다면 처리율 제한 기능 또한 게이트웨이에 넣어라.
- 처리율 제한 장치를 구현할 시간이 없다면 API Gateway를 사용해라.
처리율 제한 알고리즘
토큰 버킷 알고리즘
-
아마존과 스트라이프에서 사용하고 있다.
-
간단하고 세간의 이해도가 높아 보편적으로 사용된다.
-
토큰 버킷은 지정된 용량을 갖는 컨테이너이며, 버킷에는 사전 설정된 토큰이 주기적으로 채워진다. 토큰이 꽉 차면 더 이상의 토큰을 추가되지 않는다. 토큰 공급기는 매초 2개의 토큰을 추가한다.
-
각 요청은 처리될 때마다 하나의 토큰을 사용한다. 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사한다. 토큰이 없으면 요청은 버려진다.
-
알고리즘의 인자
-
버킷의 개수
- API 엔드포인트마다 버킷을 생성
- IP 별로 제한해야 한다면 IP마다 버킷 필요
- 시스템의 처리율을 제한하고 싶다면 모든 요청이 하나의 버킷을 공유해야 한다.
-
장점
- 쉬운 구현
- 메모리 사용이 효율적이다.
- burst of traffic 처리가 가능하다.
시스템은 멀쩡하지만, 요청 처리가 안되지 않을까?
-
단점
- 버킷의 크기와 토큰 공급률을 튜닝하기가 까다롭다.
class Bucket{
constructor(bucketSize, refillRate){
this.bucketSize = bucketSize;
this.refillRate = refillRate;
this.repository = new Array(this.bucketSize);
this.repository.fill(token);
this.refiller = setTimeout(()=>{
this.repository.push(token);
}, 1000);
}
isAvailable(){
}
}
누출 버킷 알고리즘
-
토큰 버킷 알고리즘과 비슷하지만 요청 처리율이 고정되어 있다.
-
FIFO로 구현이 된다.
-
알고리즘
- 요청이 도착하면 큐가 가득 차있는지 보고, 빈자리가 있으면 큐에 요청을 추가한다.
- 큐가 가득 차있는 경우 새로운 요청은 버린다.
- 지정된 시간마다 큐에서 요청을 꺼내어 처리한다.
-
인자
- 버킷 크기 : 큐의 사이즈
- 처리율 : 시간당 처리할 개수
-
장점
- 큐의 사이즈가 고정되어 있기 때문에 메모리 사용량에서 효율적이다.
- 고정된 처리율을 가지고 있어 안정적인 출력이 필요한 경우 효과적이다.
-
단점
- 단시간에 많은 트래픽이 오는 경우에는 오래된 요청이 쌓이고 최신 요청은 버려진다.
고정 윈도 카운터 알고리즘
이동 윈도 로깅 알고리즘 (확인 필요)
이동 윈도 카운터 알고리즘
개략적인 아키텍처
-
얼마나 많은 요청이 접수되었는지를 추적할 수 있는 카운터를 추적 대상별로 둔다. (사용자별, IP별, endpoint별)
-
카운터의 한도를 넘어서는 요청은 거부한다.
-
카운터는 대체로 메모리상에서 동작하는 캐시가 바람직한데, 시간에 기반한 만료정책도 지원하기 때문이다.
-
Redis
- INCR : 메모리에 저장된 카운터의 값을 1만큼 증가시킨다.
- EXPIRE : 카운터에 타임아웃 값을 설정한다. 설정된 시간이 지나면 카운터는 자동으로 삭제된다.
-
동작 원리
-
- 클라이언트가 처리율 제한 미들웨어에 요청을 보낸다.
- 처리율 제한 미들웨는 레디스의 지정 버킷에서 카운터를 가져와서 한도에 도달했는지 아닌지를 검사한다.
- 한도에 도달했다면 요청은 거부된다.
- 한도에 도달하지 않았다면 요청은 API 서버로 전달된다. 그리고 미들웨어는 카운터의 값을 증가시키고 레디스에 저장한다.
상세 설계
처리율 제한 규칙
시스템이 처리할 수 있는 마케팅 메시지의 최대치를 하루 5개로 제한
domain: messaging
descriptors:
- key: message_type
value: marketing
rate_limit:
unit: day
requests_per_unit: 5
클라이언트가 분당 5회 이상 로그인할 수 없도록 처리
domain: auth
descriptors:
- key: auth_type
value: login
rate_limit:
unit: minute
requests_per_unit: 5
처리율 한도 초과 트래픽 처리
- 어떤 요청이 한도에 도달하면 API는 429 상태코드를 리턴한다. 혹은 큐에 담아두었다가 처리할 수도 있다.
처리율 제한 장치가 사용하는 HTTP 헤더
- 클라이언트가 자기의 요청이 처리율 제한에 걸렸는지를 알기 위해서 서버는 HTTP 응답 헤더를 추가하여 보내준다.
- HTTP Response header
-
- X-Ratelimit-Remaining : 윈도우 내 남은 처리 가능 횟수
- X-Ratelimit-Limit : 윈도우마다 클라이언트가 전송할 수 있는 전체 요청 수
- X-Ratelimit-Retry-After: 한도 제한에 걸리지 않으려면 몇 초 뒤에 요청을 보내야하는지 알림
상세 설계
- 처리율 제한 규칙은 디스크에 저장하고, 프로세스는 주기적으로 규칙을 디스크에서 읽어온다.
- 클라리언트가 서버에 요청을 보내면, 처리율 제한 미들웨어에 먼저 도달한다.
- 미들웨어는 제한 규칙을 캐시(
프로세스
)에서 가져온다. 카운터와 마지막 요청의 타임스탬프는 Redis에서 들고온다.
- 요청이 처리율 제한 규칙에 걸리지 않으면 API서버로 요청을 보낸다.
- 요청이 처리율 제한 규칙에 걸리면 429 에러를 클라이언트에 보내고, 요청을 버릴지 Queue에 저장할지를 결정한다.
분산 환경에서의 처리율 제한 장치의 구현
- 분산 환경에서 처리율 제한 장치를 구현하기 위해서는 두가지 문제를 풀어야 한다.
race condition
- 처리율 제한 장치는 아래와 같이 동작한다.
-
- 레디스에서 카운터의 값을 읽는다.
- counter+1이 임계치를 넘는지 확인한다.
- 넘지 않으면 레디스에 저장된 카운터 값을 1만큼 증가시킨다.
| A | B | counter |
---|
0.1 | READ 1 | | 1 |
0.2 | | READ 1 | 1 |
0.3 | INCR 1 | | 2 |
0.4 | | INCR 1 | 2 (should be 3) |
- rece 컨디션 해결을 위해서 가장 간단한 방법은 lock이지만 성능을 떨어뜨리기 때문에 lua script나 sorted set을 사용한다.
synchronization
- 수백만 사용자를 처리하기 위해서는 처리율 제한 장치도 여러개를 두어야할 수도 있다.
- 웹 계층은 무상태이기 때문에 장치1로 갔던 요청이 장치2로 오는 경우에는 정상적으로 처리율 제한이 되지 않을 수 있다.
- 해결책으로 sticky session을 사용할 수 있으나, 규모 확장이 불가하고 유연하지도 않다. 따라서 redis와 같은 중앙집중형 저장장치를 사용하는 것이 권장된다.
- 여러 데이터센터를 지원하는 문제
- 데이터 센터에서 멀리 떨어진 사용자의 경우 가까운 edge server로 전달한다.
- 제한 장치 간의 데이터를 동기화하는 문제
- 최종 일관성 모델을 사용한다. (key-value store - data consistency)
monitoring
- 모니터링해야 하는 항목
- 채택된 처리율 제한 알고리즘이 효과적이다.
- 정의한 처리율 제한 규칙이 효과적이다.
마무리
- 다룬 알고리즘
- 토큰 버킷
- 누출 버킷
- 고정 윈도 카운터
- 이동 윈도 로깅
- 이동 윈도 카운터
- 구현 아키텍처
- 분산 환경에서의 처리율 제한 장치
- 성능 최적화
- 모니터링
추가로 고민해볼만한 사항
hard / soft 처리율 제한
- hard : 처리 요청 개수는 임계치를 절대 넘을 수 없다.
- soft : 처리 요청 개수는 임계치를 잠시동안은 넘을 수 있다.
다양한 계층에서의 처리율 제한
- 이번 장에서는 7계층에 대해서만 살펴보았지만, IPtables를 이용하여 3계층에서 처리율 제한도 가능하다.
처리율 제한을 회피하는 방법
- 클라이언트 캐시를 사용하여 API 호출 횟수를 줄인다.
- 처리율 제한의 임계치를 이해하고, 짧은 시간 동안 많은 메시지를 보내지 않도록 한다.
- 예외 처리 코드를 도입하여 우아하게 오류를 복구하도록 한다.
- Retry에 충분한 backoff 시간을 둔다.
출처
알렉스 쉬, 가상 면접 사례로 배우는 대규모 시스템 설계 기초, 인사이트, 2021, 51p-75p