처리율 제한 장치의 설계
처리율 제한 장치
💬 처리율 제한 장치란?
네트워크 시스템에서 처리율 제한 장치는 클라이언트 또는 서비스가 보내는 트래픽의 처리율을 제어하기 위한 장치입니다. 아래에 나열된 사례를 보면, 더욱 이해가 쉬울 것입니다.
- 사용자는 초당 2회 이상 새 글을 올릴 수 없다.
- 같은 IP 주소로는 하루에 10개 이상의 계정을 생성할 수 없다.
- 같은 디바이스로는 주당 5회 이상의 리워드를 요청할 수 없다.
API를 처리할 때 이러한 처리율 제한 장치를 왜 두는 것일까요?
- Dos(Denial of Service) 공격에 의한 자원 고갈을 방지할 수 있습니다.
- 비용을 절감합니다. 제3자 API에 사용료를 지불하고 있는 회사들에게 특히나 요청에 대한 제한을 걸 수 있어서 급증적인 비용 증감에 대한 안전망으로 사용할 수 있습니다.
- 서버 과부하를 막습니다.
💬 처리율 제한 장치는 어디에 둘 것인가?
이 처리율 제한 장치는 클라이언트 측에 둘 수도 있고, 서버 측에 둘 수도 있습니다. 그러나 클라이언트의 요청은 쉽게 위변조가 가능해 처리율 제한을 안정적으로 수행할 수 있는 장소로는 부적합합니다. 따라서 서버에 두는 방식을 고려해 볼 수 있습니다.
다른 방법을 말해 보자면, 처리율 제한 장치를 API 서버에 두는 대신, 처리율 제한 미들웨어를 만들어서 책임을 분리하는 것입니다.
처리율 제한 알고리즘
💬 토큰 버킷 알고리즘
토큰 버킷은 지정된 용량을 가지는 컨테이너입니다. 이 버킷에는 사전에 설정된 양의 토큰이 주기적으로 채워집니다. 하나의 요청은 하나의 토큰 컨테이너 위에 올려지게 됩니다. 따라서 요청이 도착했을 때, 사용할 수 있는 토큰이 있는 경우에만 토큰을 꺼내서 사용하고, 그렇지 않을 경우 요청은 버려지게 됩니다. 통상적으로 API 엔드포인트마다 별도의 버킷을 두어서, 기능마다 요청 허용 범위를 다르게 설정합니다.
❕토큰 버킷 알고리즘 인자
- 버킷 크기: 버킷에 담을 수 있는 토큰의 최대 개수입니다.
- 토큰 공급률: 초당 몇 개의 토큰이 버킷에 공급되는지입니다.
❕토큰 버킷 알고리즘 장점
- 구현이 쉽습니다.
- 메모리 사용 측면에서도 효율적입니다.
- 짧은 시간에 집중되는 트래픽도 처리가 가능합니다.
❕토큰 버킷 알고리즘 단점
- 버킷 크기와 토큰 공급률을 적절하게 튜닝하는 것이 어렵습니다.
💬 누출 버킷 알고리즘
누출 버킷 알고리즘은 요청 처리율이 고정되어 있는 알고리즘입니다. 보통 FIFO 큐로 구현합니다. 요청이 도착했을 때 큐가 가득 차 있으면 요청을 버리고, 아니라면 대기 큐에 요청을 추가합니다.
❕누출 버킷 알고리즘 인자
- 버킷 크기: 큐 사이즈와 같습니다.
- 처리율: 지정된 시간당 몇 개의 항목을 처리할 것인지입니다.
❕누출 버킷 알고리즘 장점
- 큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적입니다.
- 고정된 처리율을 가지고 있기 때문에 안정적인 출력이 필요한 경우에 적합합니다.
❕누출 버킷 알고리즘 단점
- 단시간에 많은 트래픽이 몰리는 경우에는 큐에 오래된 요청이 쌓이고, 최신 요청은 버려지게 됩니다.
- 버킷 크기와 처리율을 튜닝하는 것이 어렵습니다.
💬 고정 윈도 카운터 알고리즘
고정 윈도 알고리즘은 타임라인을 고정된 간격의 윈도로 나누고, 각 윈도마다 카운터를 붙입니다. 요청이 접수될 때마다 카운터가 하나씩 증가합니다. 이 카운터가 임게치까지 도달하면 새로운 요청은 새로운 윈도우가 열리는 타임라인이 될 때까지 접수되지 않습니다.
❕고정 윈도 버킷 알고리즘 인자
- 윈도우 사이즈: 타임라인을 나누는 단위입니다.
- 카운터: 한 개의 타임라인에 접수될 수 있는 요청의 개수입니다.
❕고정 윈도 버킷 알고리즘 장점
- 메모리 효율이 좋습니다.
- 이해하기 쉽습니다.
- 윈도우가 닫히는 시점에 카운터를 초기화하는 방식은 특정한 트래픽 패턴을 처리하기에 적합합니다.
❕고정 윈도 버킷 알고리즘 단점
- 윈도우 경계 부근에서 일시적으로 많은 트래픽이 몰리는 경우 기대했던 시스템의 처리 한도보다 많은 요청을 접수할 수 있습니다.
💬 이중 윈도 로그 알고리즘
이중 윈도 로그 알고리즘은 고정 윈도 카운터의 단점을 해결하기 위한 방안으로, 요청의 타임스탬프를 추적하는 방법입니다. 타임스탬프는 보통 레디스와 같은 캐시에 보관합니다. 새 요청이 오면 만료된 타임스탬프는 제거하고, 새 요청의 타임스탬프를 기록합니다.. 로그의 크기가 허용치보다 같거나 작으면 해당 요청을 시스템에 전달합니다.
❕이중 윈도 로그 알고리즘 인자
- 분당 최대 요청 처리 개수: 현재 요청의 타임스탬프 기준으로 분당 몇 개의 요청을 처리할 것인지를 나타냅니다.
❕이중 윈도 로그 알고리즘 장점
- 어떤 상황에서도 허용되는 요청의 개수가 시스템 처리율 한도를 초과하지 않습니다.
❕이중 윈도 로그 알고리즘 단점
- 거부된 요청의 타임스탬프도 보관하기 때문에 메모리를 많이 사용합니다.
💬 이중 윈도 카운터 알고리즘
이중 윈도 카운터 알고리즘은 고정 윈도 카운터 알고리즘과 이됭 윈도우 로깅 알고리즘을 결합한 것입니다. 현재 윈도우에 온 요청의 개수를 구하는 공식은 다음과 같습니다.
현재 1분간의 요청 수 + 직전 1분간의 요청 수 * 이동 윈도우와 직전 윈도우가 겹치는 비율
❕이중 윈도 카운터 알고리즘 인자
- 처리율 제한 장치의 한도: 처리율 제한 장치가 분당 몇 개까지 요청을 처리할 것인지에 대한 값입니다.
❕이중 윈도 카운터 알고리즘 장점
- 이전 시간대의 평균 처리율에 따라 현재 윈도우의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 잘 대응합니다.
- 메모리 효율이 좋습니다.
❕이중 윈도 카운터 알고리즘 단점
- 직전 시간대에 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하기 때문에 다소 느슨합니다.
상세 설계
💬 처리율 제한 규칙
처리율 제한 규칙을 실행하기 위한 카운터의 값들은 보통 빠르게 읽어오기 위해서 레디스와 같은 메모리 기반 저장 장치로 구현합니다. 레디스에서는 두 가지 명령어를 지원합니다.
INCR: 메모리에 지정된 카운터 값을 1만큼 증가시킵니다.EXPIRE: 카운터에 타임아웃 값을 설정합니다.
그렇다면 처리율 제한 규칙 알고리즘은 어디에 저장되어 있을까요? 보통 설정 파일에 디스크에 저장됩니다.
💬 처리율 한도 초과 트래픽의 처리
처리율 한도를 초과한 요청은 그대로 버려질 수도 있고, 메시지 큐에 보관될 수도 있습니다. 그렇다면 클라이언트는 자신의 요청이 처리율 제한에 걸리고 있는지를 어떻게 알 수 있을까요? 그 정답은 HTTP 응답 헤더에 있습니다. 처리율 제한 장치를 설계하면 아래와 같은 HTTP 응답 헤더를 클라이언트에게 전송하게 됩니다.
X-Ratelimit-Remaining: 윈도우 내에 남은 처리 가능한 요청의 개수입니다.X-Ratelimit-Limit: 매 윈도우마다 클라이언트가 전송할 수 있는 요청의 개수입니다.X-Ratelimit-Retry-After: 한도 제한에 걸리지 않으려면 몇 초 뒤에 요청을 다시 보내야 하는지 알려 줍니다.
💬 분산 환경에서의 처리율 제한 장치의 구현
분산 환경에서 처리율 제한 장치를 구현하려면 다음과 같은 두 가지 문제를 해결해야 합니다.
❕경쟁 조건
요청을 처리하는 여러 개의 스레드가 병렬로 카운터의 값을 증가시킬 경우, 카운터의 값이 제대로 반영되지 않을 수 있습니다. 경쟁 조건을 해결하는 대표적인 해결책은 락을 거는 것이지만, 이는 시스템의 성능을 떨어뜨린다는 문제점을 야기할 수 있습니다.
❕동기화 이슈
처리율 제한 장치를 여러 개 두면 동기화가 필요해집니다. 웹 계층은 무상태이므로 클라이언트는 요청을 각기 다른 제한 장치에 보내게 될 수도 있습니다. 제한 장치끼리 동기화되지 않는다면 클라이언트에 대한 카운터 값을 모르기 때문에 처리율 제한이 제대로 이루어지지 않을 수 있습니다.
이에 대한 해결책 중 하나는 고정 세션을 활용해서 한 클라이언트는 같은 처리율 제한 장치로만 요청을 보내도록 유도하는 것입니다. 하지만 이 방식은 규모면에서 확장 가능하지도 않고, 유연하지도 않기 때문에 추천하지 않습니다. 레디스와 같은 중앙 집중형 저장소를 쓰는 것이 더욱 적합한 방법이라고 볼 수 있겠습니다.
