구글 드라이브 설계
28 Feb 2022 | System Design
구글 드라이브 설계
구글 드라이브는…
- 파일 저장 및 동기화 서비스
- 문서, 사진, 비디오, 기타 파일을 클라우드에 보관 가능
- 해당 파일은 컴퓨터, 스마트폰, 태블릿 등 어떤 단말에서도 이용 가능해야 함
- 보관된 파일은 친구, 가족, 동료들과 손쉽게 공유할 수 있어야 함.
1. 문제 이해 및 설계 범위 설정
- 여느 인터뷰와 같이 질문을 통해 설계 범위를 좁혀야 함 (구글 드라이브 전체를 면접 시간 내에 설계하는 것을 불가능!)
- 가장 중요하게 지원해야 할 기능 : 파일 업로드/다운도르, 파일 동기화, 알림
- 지원 기기 : 모바일, 웹 앱
- 파일 암호화? : yes
- 파일 크기 제한 : 10 GB
- 사용자 수? : DAU 10 M
집중 설계 내역
- 파일 추가 (Drag-and-drop)
- 파일 다운로드
- 여러 단말에 파일 동기화. 한 단말에서 파일을 추가하면 다른 다말에도 자동으로 동기화되어야 함
- 파일 갱신 이력 조회 (revision history)
- 파일 공유
- 파일이 편집되거나 삭제되거나 새롭게 공유되었을 때 알림 표시
논의하지 않을 내용
- 구글 문서 (Google Docs) 편집 및 협업(collaboration) 기능, 구글 문서는 여러 사용자가 같은 문서를 동시에 편집할 수 있도록 하는데, 이 부분은 설계 범위에서 제외
비기능적 요구사항
- 안정성 : 저장소 시스템에서 안정성을 아주 중요, 데이터 손실은 발생하면 안됨
- 빠른 동기화 속도 : 파일 동기화에 시간이 너무 많이 걸리면 사용자는 인내심을 일고 해당 제품을 더 이상 사용하지 않게 될 것
- 네트워크 대역폭 : 이 제품이 네트워크 대역폭을 불필요하게 많이 소모한다면 사용자는 좋아하지 않을 것. 모바일 데이터 플랜을 사용하는 경우라면 더욱 그렇다.
- 규모 확장성 : 이 시스템은 아주 많은 양의 트래픽도 처리 가능해야 함
- 높은 가용성 : 일부 서버에 장애가 발생하거나, 느려지거나, 네트워크 일부가 끊겨도 시스템은 계속 사용 가능해야 함
개략적 추정치
- 가입 사용자는 50 M, DAU 10 M
- 모든 사용자에게 10 GB의 무료 저장공간 할당
- 매일 각 사용자가 평균 2개의 파일을 업로드한다고 가정, 각 파일의 평균 크기는 500 KB
- 읽기 : 쓰기 비율은 1:1
- 필요한 저장공간 총량 = 50 M * 10 GB = 500 PB
- 업로드 API QPS = DAU 10 M * 2 회 업로드 /24 hours/3600 s = 240건/s
- 최대 QPS = QPS * 2 = 480 건/s
2. 개략적 설계안 제시 및 동의 구하기
- 모든 것을 담은 한 대 서버에서 출발해 점지적으로 천만 사용자 지원이 가능한 시스템으로 발전시켜보자
- 아래와 같은 구성의 서버 한대로 시작
- 파일을 올리고 다운로드 하는 과정을 처리할 웹 서버
- 사용자 데이터, 로그인 정보, 파일 정보 등의 메타데이터를 보관할 데이터베이스
- 파일을 저장할 저장소 시스템. 파일 저장을 위해 1 TB의 공간을 사용
- 아파치 웹 서버 설치, MySQL설치, 업로드 되는 파일을 저장할
drive/ 디렉터리 안에는 namespace라고 불리는 하위 디렉토리를 둠
API
- 3 가지 API가 필요 : 파일 업로드 API, 다운로드 API, 파일 갱신 히스토리 제공 API
1. 파일 업로드 API
- 단순 업로드 : 파일 크기가 작을 때 사용
- 이어 올리기(resumable upload) : 파일 사이즈가 크고 네트워크 문제로 업로드가 중단될 가능성이 높다고 생각되면 사용
이어올리기 API의 예
- ex :
https://api.example.com/files/upload?uploadType=resumable
인자
uploadType=resumabledata : 업로드할 로컬 파일
절차
- 이어 올리기 URL을 받기 위한 최초 요청 전송
- 데이터를 업로드하고 업로드 상태 모니터링
- 업로드에 장애가 발생하면 장애 발생시점부터 업로드를 재시작
2. 파일 다운로드 API
- ex :
https://api.example.com/files/download
인자
- path : 다운로드할 파일의 경로
{
"path": "/recipes/soup/best_soup.txt"
}
3. 파일 갱신 히스토리 API
- ex :
https://api.example.com/files/list_revisions
인자
- path : 갱신 히스토리를 가져올 파일의 경로
- limit : 히스토리 길이의 최대치
{
"path": "/recipes/soup/best_soup.txt",
"limit" 20
}
사용자 인증 및 보안
- 지금까지 나열한 모든 API는 사용자 인증을 필요
- HTTPS 프토로콜 사용
- SSL (Secure Socket Layer)를 지원하는 프로토콜을 이용하는 이유는 클라이언트와 백엔드 서버가 주고받은 데이터를 보호하기 위한 것
한 대 서버의 제약 극복
- 업로드 되는 파일이 많아지다보면 파일 시스템은 가득 차게 되므로, 분산 시스템 필요
- 가장 간단하게 생각 해 볼 수 있는 것은
user_id 기준으로 데이터 샤딩(sharding)
- 넷플릭스나 에어비엔비같은 기업은 저장소로 아마존 S3를 사용한다고 함
- Amazon S3 : 업계 최고 수준의 규모 확장성, 가용성, 보안, 성능을 제공하는 객체 저장소 서비스
- S3는 다중화 지원 : 같은 지역 안, 여러 지역에 걸쳐 다중화 가능 (그림 15-6 참고)
나머지 연구할 부분
- 그림 15-7 참고
- 로드밸런서 : 네트워크 트래픽을 분산하기 위해 로드밸러서 사용. 트래픽 고르게 분산 가능, 특정 웹서버에 장애발생시 우회 가능
- 웹 서버 : 로드밸런서를 추가하고 나면 더 많은 웹서버를 손쉽게 추가할 수 있음
- 메타데이터 데이터베이스 : 데이터베이스를 파일 저장 서버에서 분리하여 SPOF를 회피, 다중화 및 샤딩 정책을 적용하여 가용성과 규모 확장성 요구사항에 대응
- 파일 저장소 : S3를 파일 저장소로 사용하고 가용성과 데이터 무손실을 보장하기 위해 두 개 이상의 지역에 데이터를 다중화
동기화 충돌
- 구글 드라이브 같은 대형 저장소 시스템의 경우 때때로 동기화 충돌이 발생 가능
- 두 명 이상의 사용자가 같은 파일이나 폴더를 동시에 업데이트하려고 하는 경우
- 해결 방안은 그림 15-8 참고, 먼저 처리 되는 변경을 성공한 것으로 보고, 나중에 처리되는 병경은 충돌이 방생한 것으로 표시하는 것
- 동기화 충돌 오류 시 이 오류는 어떻게 해결해야 하나?
- 오류가 발생한 시점에 이 시스템에는 같은 파일의 두 가지 버전이 존재
- 사용자 2가 가지고 있는 로컬 사본(local copy)과 서버에 있는 최신 버전이 그것 (그림 15-9)
- 이 상태에서 사용자는 두 파일을 하나로 합칠지 아니면 둘 중 하나를 다른 파일로 대체할지를 결정해야 함
- 동기화 문제를 해결하는 것은 흥미로운 과제임, 관심있는 사람은 다름 두 글을 참고 바람
계략적 설계안
- 그림 15-10 참고
- 사용자 단말 : 사용자가 이용하는 웹브라우저나 모바일 앱 등의 클라이언트
- 블록 저장소 서버 (block server) : 파일 블록을 클라우드 저장소에 업로드하는 서버. 블록 저장소는 블록 수준 저장소(block-level storage)라고도 하며, 클라우드 환경에서 데이터 파일을 저장하는 기술. 이 저장소는 파일을 여러개의 블록으로 나눠 저장하며, 각 블록에는 고유한 해시값이 할당. 이 해시값은 메타데이터 DB에 저장. 각 블록은 독립적인 객체로 취급되며 클라우드 저장소 시스템 (예:Amamzon S3)에 보관. 파일을 재구성하려면 블록들을 원래 순서대로 합쳐야 함. 예시한 설계안의 경우 한 블록은 드롭박스의 사례를 참고하여 최대 4 MB로 정함.
- 클라우드 저장소 : 파일은 블록 단위로 나누어져 클라우드 저장소에 보관됨
- 아카이빙 저장소(cold storage) : 오랫동안 사용되지 않은 비활성(inactive)데이터를 저장하기 위한 컴퓨터 시스템
- 로드밸런서 : 요청을 모든 API 서버에 고르게 분산하는 역할
- API 서버 : 파일 업로드 외에 거의 모든 것을 담당하는 서버. 사용자 인증, 사용자 프로파일 관리, 파일 메타데이터 갱신 등에 사용
- 메타데이터 DB : 사용자, 파일, 블록, 버전 등의 메타데이터 정보를 관리. 실제 파일은 클라우드에 보관하며, 이 데이터베이스에는 오직 메타데이터만 둔다.
- 메타데이터 캐시 : 성능을 높이기 위해 자주 쓰이는 메타데이터는 캐시함
- 알림 서비스 : 특정 이벤트가 발생했음을 클라이언트에게 알리는데 쓰이는 pub/sub 프로토콜 기반 시스템. 예시 설계안의 경우에는 클라이언트에게 파일이 추가되었거나, 편집되었거나, 삭제되었음을 알려, 파일의 최신 상태를 확인하도록 하는 데 쓰임
- 오프라인 사용자 배업 큐 (offline backup queue) : 클라이언트가 접속 중이 아니라서 파일의 최신 상태를 확인할 수 없을 때는 해당 정보를 이 큐에 두어 나중에 클라이언트가 접속했을 때 동기화될 수 있도록 함
3. 상세 설계
블록 저장소 서버
- 정기적으로 갱신되는 큰 파일들은 업데이트가 일어날 때마다 전체 파일을 서버로 보내면 네트워크 대역폭을 많이 잡아적게 됨, 이에 대한 최적화 방법은
- 델타 동기화(delta sync) : 파일이 수정되면 전체 파일 대신 수정이 일어난 블록만 동기화 (rsync 참고)
- 압축(compression) : 블록 단위로 압축해 두면 데이터 크기를 많이 줄일 수 있다. 이 때 압축 알고리즘은 파일 유형에 따라 정함. 예를 들어 텍스트 파일을 압축할 때는 gzip이나 bzip2를 쓰고, 이미지나 비디오를 압축할 때는 다른 압축 알고리즘을 씀
하는 일
- 클라이언트가 보낸 파일을 블록 단위로 나눠야 함
- 각 블록에 압축 알고리즘 적용
- 암호화
- 전체 파일을 저장소 시스템으로 보내는 대신 수정된 블록만 전송
- 그림 15-11 참고
- 주어진 파일을 작은 블록들로 분할
- 각 블록을 압축
- 클라우드 저장소로 보내기 전에 암호화
- 클라우드 저장소로 보냄
델타 동기화 전략
- 그림 15-12 참고
- 검정색으로 표시된 블록 2와 5는 수정된 블록
- 갱신된 부분만 동기화해야 하므로 이 두 블록만 저장소에 업로드
- 델타 동기화 전략, 압축 알고리즘을 도입하면 네트워크 대역폭 사용량 절감 가능
높은 일관성 요구사항
- 이 시스템은 강한 일관성 (strong consistency) 모델을 기본으로 지원해야 함.
- 같은 파일이 단말이나 사용자에 따라 다르게 보이는 것은 허용할 수 없다
- 메타데이터 캐시와 데이터베이스 계층에도 같은 원칙이 적용되어야 함
- 메모리 캐시는 보통 최종 일관성 (eventual consistency)모델을 지원함. 따라서 강한 일관성을 달성하려면 다음 사항을 보장해야 함
- 캐시에 보관된 사본과 데이터베이스에 있는 원본(master)이 일치
- 데이터베이스에 보관된 원본에 변경이 발생하면 캐시에 있는 사본을 무효화
- 관계형 데이터베이스는 ACID (Atomicity, Consistency, Isolation, Durability)를 보장하므로 강한 일관성을 보장하기 쉬움
- 하지만 NoSQL 데이터베이스는 이를 기본으로 지원하지 않으므로, 동기화 로직 안에 프로그램해 넣어야 함.
- 본 설계안에서는 ACID를 기본 지원하는 RDBMS를 채택
메타데이터 데이터베이스
- 그림 15-13 참고 (Metadata DB ERD)
- user : user 테이블에는 이름, 이메일, 프로파일 사진 등 사용자에 관계된 기본적인 정보들이 보관
- device : device 테이블에는 단말 정보가 보관.
push_id는 모바일 푸시 알림을 보내고 받기 위한 것. 한 사용자가 여러 대의 단말을 가질 수 있음에 유의 (ERD 상에서 user_id와 일대다 관계)
- namespace : namespace 테이블에는 사용자의 루트 디렉터리 정보가 보관
- file : file 테이블에는 파일의 최신 정보가 보관
- file_version : 파일의 갱신 이력이 보관되는 테이블. 이 테이블에 보관되는 레코드는 전부 읽기 전용. 이는 갱신 이력이 훼손되는 것을 막기 위한 조치
- block : 파일 블록에 대한 정보를 보관하는 테이블. 특정 버전의 파일은 파일 블록을 올바른 순서로 조합하기만 하면 복원 가능
업로드 절차
- 그림 15-14 참고
- 그림 15-14는 두 개 요청이 병렬적으로 전송된 상황을 보여줌
- 첫 번째 요청 : 파일 메타데이터 추가
- 두 번째 요청 : 파일을 클라우드 저장소로 업로드 하기 위한 것
- 두 요청은 전부 클라이언트 1이 보낸 것
파일 메타데이터 추가
- 클라이언트 1이 새 파일의 메타데이터를 추가하기 위한 요청 전송
- 새 파일의 메타데이터를 데이터베이스에 저장하고 업로드 상태를 대기 중(pending)으로 변경
- 새 파일이 추가되었음을 알림 서비스에 통지
- 알림 서비스는 관련된 클라이언트(클라이언트 2)에게 파일이 업로드되고 있음을 알림
파일을 클라우드 저장소에 업로드
- 클라이언트 1이 파일을 블록 저장소 서버에 업로드
- 블록 저장소 서버는 파일을 블록 단위로 쪼갠 다음 압축하고 암호화 한 다음에 클라우드 저장소에 전송
- 업로드가 끝나면 클라우드 스토리지는 완료 콜백(callback)을 호출. 이 콜백 호출을 API 서버로 전송
- 메타데이터 DB에 기록된 해당 파일의 상태를 완료(uploaded)로 변경
- 알림 서비스에 파일 업로드가 끝났음을 통지
- 알림 서비스는 관련된 클라이언트(클라이언트 2)에게 파일 업로드가 끝났음을 알림
다운로드 절차
- 파일 다운로드는 파일이 새로 추가되거나 편집되면 자동으로 시작됨
- 클라이언트는 다른 클라이언트가 파일을 편집하거나 추가했다는 사실을 어떻게 감지할까? 두 가지 방법을 사용
- 클라이언트 A가 접속 중이고 다른 클라이언트가 파일을 변경하면 알림 서비스가 클라리언트 A에게 변경이 발생했으니 새 버전을 끌어가야 한다고 알림
- 클라리언트 A가 네트워크에 연결된 상태가 아닐 경우에는 데이터는 캐시에 보관. 해당 클라이언트의 상태가 접속 중으로 바뀌면 그때 해당 클라리언트는 새 버전을 가져감
- 어떤 파일이 변경 되었음을 감지한 클라이언트는 우선 API 서버를 통해 메타데이터를 새로 가져가야하고, 그 다음에 블록들을 다운받아 파일을 재구성해야함
- 그림 15-15 참고
- 알림 서비스가 클라이언트 2에게 누군가 파일을 변경했음을 알림
- 알림을 확인한 클라이언트 2는 새로운 메타데이터를 요청
- API 서버는 메타데이터 데이터베이스에게 새 메타데이터 요청
- API 서버에게 새 메타데이터가 반환됨
- 클라리언트 2에게 새 메타데이터가 반환됨
- 클라이언트 2는 새 메타데이터를 받는 즉시 블록 다운로드 요청 전송
- 블록 저장소 서버는 클라우드 저장소에서 블록 다운로드
- 클라우드 저장소는 블록 서버에 요청된 블록 반환
- 블록 저장소 서버는 클라리언트에게 요청된 블록 반환. 클라리언트 2는 전송된 블록을 사용하여 파일 재구성
알림 서비스
- 파일의 일관성을 유지ㅏ하기 위해, 클라이언트는 로컬에서 파일이 수정되었음을 감지하는 순간 다른 클라이언트에 그 사실을 알려서 충돌 가능성을 줄여야 함
- 알림 서비스는 그 목적으로 이용된다. 단순하게 보자면 알림 서비스는 이벤트 데이터를 클라이언트들로 보내는 서비스이며 두 가지 선택지가 있음
- 롱 폴링(long polling) : 드롭박스가 이 방식을 채택
- 웹소켓(WebSocket) : 클라이언트와 서버 사이에 지속적인 통신 채널을 제공. 따라서 양방향 통신이 가능
- 둘 다 좋은 방안이나 본 설계안의 경우에는 롱 폴링 사용. 이유는 다음과 같다
- 채팅 서비스와는 달리, 본 시스템의 경우에는 알림 서비스와 양방향 통신이 필요하지않음. 서버는 파일이 변경된 사실을 클라이언트에게 알려주어야하지만 반대 방향의 통신은 요구되지 않음
- 웹소켓은 실시간 양방향 통신이 요구되는 채팅 같은 응용에 적합. 구글 드라이브의 경우 알림을 보낼 일은 그렇게 자주 발생하지 않으며, 알림을 보내야 하는 경우에도 단시간에 많은 양의 데이터를 보낼 일은 없다.
롱폴링 사용 시 작동 시나리오
- 각 클라이언트는 알림 서버와 롱 폴링용 연결을 유지하다가 특정 파일에 대한 변경을 감지하면 해당 연결을 끊음
- 이 때 클라이언트는 반드시 메타데이터 서버와 연결해 파일의 최신 내역을 다운로드 해야함
- 해당 다운로드 작업이 끝났거나 연결 타임아웃 시간에 도달한 경우에는 즉시 새 요청을 보내어 롱 폴링 연결을 복원하고 유지해야 함
저장소 공간 절약
- 파일 갱신 이력을 보존하고 안정성을 보장하기 위해서는 파일의 여러 버전을 여러 데이터센터에 보관할 필요가 있음
- 그런 상황에서 모든 버전을 자주 백업하게 되면 저장용량이 너무 빨리 소진될 가능성이 있음
- 이런 문제를 피하고 비용을 절감하기 위해서 아래 3가지 방법을 사용
- 중복 제거(de-dupe) : 중복된 파일 블록을 계정 차원에서 제거하는 방법. 두 블록이 같은 블록인지는 해시 값을 비교하여 판단
- 지능적 백업 전략 도입
- 한도 설정 : 보관해야 하는 파일 버전 개수에 상한을 두는 것. 상한에 도달하면 제일 오래된 버전은 버림
- 중요한 버전만 보관 : 어떤 파일은 아주 자주 바뀐다. 예를 들어 편집 중인 문서가 업데이트될 때마다 새로운 버전으로 관리한다면 짧은 시간 동안 1000개가 넘은 버전이 만들어질 수도 있다. 불필요한 버전과 사본이 만들어지는 것을 피하려면 그 가운데 중요한 것만 골라내야 한다.
- 자주 쓰이지 않는 데이터는 아카이빙 저장소(cold storage)로 옮긴다. 몇달 혹은 수년간 이용되지 않은 데이터가 이에 해당한다. 아마존 S3 글래시어(glacier)같은 아카이빙 저장소 이용료는 S3보다 훨씬 저렴하다.
- Amazon S3 Glacier : 가격은 S3의 1/3 수준, 안정성도 S3와 동일, 하지만 용량의 최대 5%에 대해서만 검색가능 (초과시 과금), 저장도 3개월 이상만 가능, 그 전에 삭제시 패널티 금액 지불, 아카이브 데이터를 다운로드에 3~5시간 소요
장애 처리
- 로드밸런서 장애 : 로드밸런서에 장애가 발생할 경우 부(secondary) 로드밸런서가 활성화되어 트래픽을 이어받아야 함. 로드 밸런서끼리는 보통 박동(heartbeat) 신호를 주기적으로 보내서 상태를 모니터링 함. 일정 시간 동안 박동 신호에 응답하지 않은 로드밸런서는 장애가 발생한 것으로 간주
- 블록 저장소 서버 장애 : 블록 저장소 서버에 장애가 발생하였다면 다른 서버가 미완료 상태 또는 대기 상태인 작업을 이어받아야 한다.
- 클라우드 저장소 장애 : S3 버킷은 여러 지역에 다중화할 수 있으므로, 한 지역에서 장애가 발생하였다면 다른 지역에서 파일을 가져오면 됨
- API 서버 장애 : API 서버들은 Stateless이다. 따라서 로드밸런서는 API 서버에 장애가 발생하면 트래픽을 해당 서버로 보내지 않음으로써 장애 서버를 격리한다.
- 메타데이터 캐시 장애 : 메타데이터 캐시 서버도 다중화함. 따라서 한 노드에 장애가 생겨도 다른 노드에서 데이터를 가져올 수 있음. 자애가 발생한 서버는 새 서버로 교체
- 메타데이터 데이터베이스 장애
- 주 데이터베이스 서버 장애 : 부 데이터베이스 서버 가운데 하나를 주 데이터베이스 서버로 바꾸고, 부 데이터베이스 서버를 새로 하나 추가함
- 부 데이터베이스 서버 장애 : 다른 부 데이터베이스 서버가 읽기 연산을 처리하도록 하고 그동안 장애 서버는 새 것으로 교체
- 알림 서비스 장애 : 접속 중인 모든 사용자는 알림 서버와 롱 폴링 연결을 하나씩 유지. 따라서 알림 서비스는 많은 사용자와의 연결을 유지하고 관리해야 함 (드롭박스의 경우 서버하나당 1M 개의 연결 관리). 따라서 서버 한대에 장애가 생기면 백만 개 이상의 롱 폴링 접속을 다시 시작해야함. 하지만 롱 폴링 접속 백만 개를 동시에 시작할 수는 없으므로, 복구가 상대적으로 느릴 수 있음
- 오프라인 사용자 백업 큐 장애 : 이 큐 또한 다중화해 두어야 함. 큐에 장애가 발생하면 구독 중인 클라이언트들은 백업 큐로 구독 관계를 재설정해야 함
4. 마무리
- 높은 수준의 일관성, 낮은 네트워크 지연, 빠른 동기화가 요구되는 설계과정을 거침
- 이번 장에서 만든 설계안은 크게 두 가지 부분으로 구성
- 파일의 메타데이터를 관리하는 부분
- 파일 동기화를 처리하는 부분
- 또한 알림 서비스도 위 두 부분과 병존하는 또 하나의 중요 컴포넌트 (롱 폴링 사용)
몇 가지 더 생각해볼 수 있는 부분
- 만약 블록 저장소 서버를 거치지 않고 파일을 클라우드 저장소에 직접 업로드 한다면?
- 장점
- 파일은 클라우드 저장소로 바로 하면되므로 업로드 시간이 빨라질 수 있음
- 단점
- 분할, 압축, 암호화 로직을 클라이언트에 두어야 하므로 플랫폼별로 따로 수현해야 함 (IOS, Android, Web 등). 당초 설계안에서는 블록 저장소 서버에서 처리하므로 구현을 한번만 하면 됨
- 클라이언트가 해킹 당할 가능성이 있으므로 암호화 로직을 클라이언트 안에 두는 것은 적절치 않음
- 접속 상태를 관리하는 로직을 별도 서비스로 옮긴다면?
- 다른 서비스에서도 쉽게 활용할 수 있게 되므로 좋을 것임
참고자료
- 알렉스 쉬, 가상 면접 사례로 배우는 대규모 시스템 설계 기초 15장
구글 드라이브 설계
구글 드라이브는…
- 파일 저장 및 동기화 서비스
- 문서, 사진, 비디오, 기타 파일을 클라우드에 보관 가능
- 해당 파일은 컴퓨터, 스마트폰, 태블릿 등 어떤 단말에서도 이용 가능해야 함
- 보관된 파일은 친구, 가족, 동료들과 손쉽게 공유할 수 있어야 함.
1. 문제 이해 및 설계 범위 설정
- 여느 인터뷰와 같이 질문을 통해 설계 범위를 좁혀야 함 (구글 드라이브 전체를 면접 시간 내에 설계하는 것을 불가능!)
- 가장 중요하게 지원해야 할 기능 : 파일 업로드/다운도르, 파일 동기화, 알림
- 지원 기기 : 모바일, 웹 앱
- 파일 암호화? : yes
- 파일 크기 제한 : 10 GB
- 사용자 수? : DAU 10 M
집중 설계 내역
- 파일 추가 (Drag-and-drop)
- 파일 다운로드
- 여러 단말에 파일 동기화. 한 단말에서 파일을 추가하면 다른 다말에도 자동으로 동기화되어야 함
- 파일 갱신 이력 조회 (revision history)
- 파일 공유
- 파일이 편집되거나 삭제되거나 새롭게 공유되었을 때 알림 표시
논의하지 않을 내용
- 구글 문서 (Google Docs) 편집 및 협업(collaboration) 기능, 구글 문서는 여러 사용자가 같은 문서를 동시에 편집할 수 있도록 하는데, 이 부분은 설계 범위에서 제외
비기능적 요구사항
- 안정성 : 저장소 시스템에서 안정성을 아주 중요, 데이터 손실은 발생하면 안됨
- 빠른 동기화 속도 : 파일 동기화에 시간이 너무 많이 걸리면 사용자는 인내심을 일고 해당 제품을 더 이상 사용하지 않게 될 것
- 네트워크 대역폭 : 이 제품이 네트워크 대역폭을 불필요하게 많이 소모한다면 사용자는 좋아하지 않을 것. 모바일 데이터 플랜을 사용하는 경우라면 더욱 그렇다.
- 규모 확장성 : 이 시스템은 아주 많은 양의 트래픽도 처리 가능해야 함
- 높은 가용성 : 일부 서버에 장애가 발생하거나, 느려지거나, 네트워크 일부가 끊겨도 시스템은 계속 사용 가능해야 함
개략적 추정치
- 가입 사용자는 50 M, DAU 10 M
- 모든 사용자에게 10 GB의 무료 저장공간 할당
- 매일 각 사용자가 평균 2개의 파일을 업로드한다고 가정, 각 파일의 평균 크기는 500 KB
- 읽기 : 쓰기 비율은 1:1
- 필요한 저장공간 총량 = 50 M * 10 GB = 500 PB
- 업로드 API QPS = DAU 10 M * 2 회 업로드 /24 hours/3600 s = 240건/s
- 최대 QPS = QPS * 2 = 480 건/s
2. 개략적 설계안 제시 및 동의 구하기
- 모든 것을 담은 한 대 서버에서 출발해 점지적으로 천만 사용자 지원이 가능한 시스템으로 발전시켜보자
- 아래와 같은 구성의 서버 한대로 시작
- 파일을 올리고 다운로드 하는 과정을 처리할 웹 서버
- 사용자 데이터, 로그인 정보, 파일 정보 등의 메타데이터를 보관할 데이터베이스
- 파일을 저장할 저장소 시스템. 파일 저장을 위해 1 TB의 공간을 사용
- 아파치 웹 서버 설치, MySQL설치, 업로드 되는 파일을 저장할
drive/디렉터리 안에는 namespace라고 불리는 하위 디렉토리를 둠
API
- 3 가지 API가 필요 : 파일 업로드 API, 다운로드 API, 파일 갱신 히스토리 제공 API
1. 파일 업로드 API
- 단순 업로드 : 파일 크기가 작을 때 사용
- 이어 올리기(resumable upload) : 파일 사이즈가 크고 네트워크 문제로 업로드가 중단될 가능성이 높다고 생각되면 사용
이어올리기 API의 예
- ex :
https://api.example.com/files/upload?uploadType=resumable
인자
uploadType=resumabledata: 업로드할 로컬 파일
절차
- 이어 올리기 URL을 받기 위한 최초 요청 전송
- 데이터를 업로드하고 업로드 상태 모니터링
- 업로드에 장애가 발생하면 장애 발생시점부터 업로드를 재시작
2. 파일 다운로드 API
- ex :
https://api.example.com/files/download
인자
- path : 다운로드할 파일의 경로
{
"path": "/recipes/soup/best_soup.txt"
}
3. 파일 갱신 히스토리 API
- ex :
https://api.example.com/files/list_revisions
인자
- path : 갱신 히스토리를 가져올 파일의 경로
- limit : 히스토리 길이의 최대치
{
"path": "/recipes/soup/best_soup.txt",
"limit" 20
}
사용자 인증 및 보안
- 지금까지 나열한 모든 API는 사용자 인증을 필요
- HTTPS 프토로콜 사용
- SSL (Secure Socket Layer)를 지원하는 프로토콜을 이용하는 이유는 클라이언트와 백엔드 서버가 주고받은 데이터를 보호하기 위한 것
한 대 서버의 제약 극복
- 업로드 되는 파일이 많아지다보면 파일 시스템은 가득 차게 되므로, 분산 시스템 필요
- 가장 간단하게 생각 해 볼 수 있는 것은
user_id기준으로 데이터 샤딩(sharding) - 넷플릭스나 에어비엔비같은 기업은 저장소로 아마존 S3를 사용한다고 함
- Amazon S3 : 업계 최고 수준의 규모 확장성, 가용성, 보안, 성능을 제공하는 객체 저장소 서비스
- S3는 다중화 지원 : 같은 지역 안, 여러 지역에 걸쳐 다중화 가능 (그림 15-6 참고)
나머지 연구할 부분
- 그림 15-7 참고
- 로드밸런서 : 네트워크 트래픽을 분산하기 위해 로드밸러서 사용. 트래픽 고르게 분산 가능, 특정 웹서버에 장애발생시 우회 가능
- 웹 서버 : 로드밸런서를 추가하고 나면 더 많은 웹서버를 손쉽게 추가할 수 있음
- 메타데이터 데이터베이스 : 데이터베이스를 파일 저장 서버에서 분리하여 SPOF를 회피, 다중화 및 샤딩 정책을 적용하여 가용성과 규모 확장성 요구사항에 대응
- 파일 저장소 : S3를 파일 저장소로 사용하고 가용성과 데이터 무손실을 보장하기 위해 두 개 이상의 지역에 데이터를 다중화
동기화 충돌
- 구글 드라이브 같은 대형 저장소 시스템의 경우 때때로 동기화 충돌이 발생 가능
- 두 명 이상의 사용자가 같은 파일이나 폴더를 동시에 업데이트하려고 하는 경우
- 해결 방안은 그림 15-8 참고, 먼저 처리 되는 변경을 성공한 것으로 보고, 나중에 처리되는 병경은 충돌이 방생한 것으로 표시하는 것
- 동기화 충돌 오류 시 이 오류는 어떻게 해결해야 하나?
- 오류가 발생한 시점에 이 시스템에는 같은 파일의 두 가지 버전이 존재
- 사용자 2가 가지고 있는 로컬 사본(local copy)과 서버에 있는 최신 버전이 그것 (그림 15-9)
- 이 상태에서 사용자는 두 파일을 하나로 합칠지 아니면 둘 중 하나를 다른 파일로 대체할지를 결정해야 함
- 동기화 문제를 해결하는 것은 흥미로운 과제임, 관심있는 사람은 다름 두 글을 참고 바람
계략적 설계안
- 그림 15-10 참고
- 사용자 단말 : 사용자가 이용하는 웹브라우저나 모바일 앱 등의 클라이언트
- 블록 저장소 서버 (block server) : 파일 블록을 클라우드 저장소에 업로드하는 서버. 블록 저장소는 블록 수준 저장소(block-level storage)라고도 하며, 클라우드 환경에서 데이터 파일을 저장하는 기술. 이 저장소는 파일을 여러개의 블록으로 나눠 저장하며, 각 블록에는 고유한 해시값이 할당. 이 해시값은 메타데이터 DB에 저장. 각 블록은 독립적인 객체로 취급되며 클라우드 저장소 시스템 (예:Amamzon S3)에 보관. 파일을 재구성하려면 블록들을 원래 순서대로 합쳐야 함. 예시한 설계안의 경우 한 블록은 드롭박스의 사례를 참고하여 최대 4 MB로 정함.
- 클라우드 저장소 : 파일은 블록 단위로 나누어져 클라우드 저장소에 보관됨
- 아카이빙 저장소(cold storage) : 오랫동안 사용되지 않은 비활성(inactive)데이터를 저장하기 위한 컴퓨터 시스템
- 로드밸런서 : 요청을 모든 API 서버에 고르게 분산하는 역할
- API 서버 : 파일 업로드 외에 거의 모든 것을 담당하는 서버. 사용자 인증, 사용자 프로파일 관리, 파일 메타데이터 갱신 등에 사용
- 메타데이터 DB : 사용자, 파일, 블록, 버전 등의 메타데이터 정보를 관리. 실제 파일은 클라우드에 보관하며, 이 데이터베이스에는 오직 메타데이터만 둔다.
- 메타데이터 캐시 : 성능을 높이기 위해 자주 쓰이는 메타데이터는 캐시함
- 알림 서비스 : 특정 이벤트가 발생했음을 클라이언트에게 알리는데 쓰이는 pub/sub 프로토콜 기반 시스템. 예시 설계안의 경우에는 클라이언트에게 파일이 추가되었거나, 편집되었거나, 삭제되었음을 알려, 파일의 최신 상태를 확인하도록 하는 데 쓰임
- 오프라인 사용자 배업 큐 (offline backup queue) : 클라이언트가 접속 중이 아니라서 파일의 최신 상태를 확인할 수 없을 때는 해당 정보를 이 큐에 두어 나중에 클라이언트가 접속했을 때 동기화될 수 있도록 함
3. 상세 설계
블록 저장소 서버
- 정기적으로 갱신되는 큰 파일들은 업데이트가 일어날 때마다 전체 파일을 서버로 보내면 네트워크 대역폭을 많이 잡아적게 됨, 이에 대한 최적화 방법은
- 델타 동기화(delta sync) : 파일이 수정되면 전체 파일 대신 수정이 일어난 블록만 동기화 (rsync 참고)
- 압축(compression) : 블록 단위로 압축해 두면 데이터 크기를 많이 줄일 수 있다. 이 때 압축 알고리즘은 파일 유형에 따라 정함. 예를 들어 텍스트 파일을 압축할 때는 gzip이나 bzip2를 쓰고, 이미지나 비디오를 압축할 때는 다른 압축 알고리즘을 씀
하는 일
- 클라이언트가 보낸 파일을 블록 단위로 나눠야 함
- 각 블록에 압축 알고리즘 적용
- 암호화
- 전체 파일을 저장소 시스템으로 보내는 대신 수정된 블록만 전송
- 그림 15-11 참고
- 주어진 파일을 작은 블록들로 분할
- 각 블록을 압축
- 클라우드 저장소로 보내기 전에 암호화
- 클라우드 저장소로 보냄
델타 동기화 전략
- 그림 15-12 참고
- 검정색으로 표시된 블록 2와 5는 수정된 블록
- 갱신된 부분만 동기화해야 하므로 이 두 블록만 저장소에 업로드
- 델타 동기화 전략, 압축 알고리즘을 도입하면 네트워크 대역폭 사용량 절감 가능
높은 일관성 요구사항
- 이 시스템은 강한 일관성 (strong consistency) 모델을 기본으로 지원해야 함.
- 같은 파일이 단말이나 사용자에 따라 다르게 보이는 것은 허용할 수 없다
- 메타데이터 캐시와 데이터베이스 계층에도 같은 원칙이 적용되어야 함
- 메모리 캐시는 보통 최종 일관성 (eventual consistency)모델을 지원함. 따라서 강한 일관성을 달성하려면 다음 사항을 보장해야 함
- 캐시에 보관된 사본과 데이터베이스에 있는 원본(master)이 일치
- 데이터베이스에 보관된 원본에 변경이 발생하면 캐시에 있는 사본을 무효화
- 관계형 데이터베이스는 ACID (Atomicity, Consistency, Isolation, Durability)를 보장하므로 강한 일관성을 보장하기 쉬움
- 하지만 NoSQL 데이터베이스는 이를 기본으로 지원하지 않으므로, 동기화 로직 안에 프로그램해 넣어야 함.
- 본 설계안에서는 ACID를 기본 지원하는 RDBMS를 채택
메타데이터 데이터베이스
- 그림 15-13 참고 (Metadata DB ERD)
- user : user 테이블에는 이름, 이메일, 프로파일 사진 등 사용자에 관계된 기본적인 정보들이 보관
- device : device 테이블에는 단말 정보가 보관.
push_id는 모바일 푸시 알림을 보내고 받기 위한 것. 한 사용자가 여러 대의 단말을 가질 수 있음에 유의 (ERD 상에서 user_id와 일대다 관계) - namespace : namespace 테이블에는 사용자의 루트 디렉터리 정보가 보관
- file : file 테이블에는 파일의 최신 정보가 보관
- file_version : 파일의 갱신 이력이 보관되는 테이블. 이 테이블에 보관되는 레코드는 전부 읽기 전용. 이는 갱신 이력이 훼손되는 것을 막기 위한 조치
- block : 파일 블록에 대한 정보를 보관하는 테이블. 특정 버전의 파일은 파일 블록을 올바른 순서로 조합하기만 하면 복원 가능
업로드 절차
- 그림 15-14 참고
- 그림 15-14는 두 개 요청이 병렬적으로 전송된 상황을 보여줌
- 첫 번째 요청 : 파일 메타데이터 추가
- 두 번째 요청 : 파일을 클라우드 저장소로 업로드 하기 위한 것
- 두 요청은 전부 클라이언트 1이 보낸 것
파일 메타데이터 추가
- 클라이언트 1이 새 파일의 메타데이터를 추가하기 위한 요청 전송
- 새 파일의 메타데이터를 데이터베이스에 저장하고 업로드 상태를 대기 중(pending)으로 변경
- 새 파일이 추가되었음을 알림 서비스에 통지
- 알림 서비스는 관련된 클라이언트(클라이언트 2)에게 파일이 업로드되고 있음을 알림
파일을 클라우드 저장소에 업로드
- 클라이언트 1이 파일을 블록 저장소 서버에 업로드
- 블록 저장소 서버는 파일을 블록 단위로 쪼갠 다음 압축하고 암호화 한 다음에 클라우드 저장소에 전송
- 업로드가 끝나면 클라우드 스토리지는 완료 콜백(callback)을 호출. 이 콜백 호출을 API 서버로 전송
- 메타데이터 DB에 기록된 해당 파일의 상태를 완료(uploaded)로 변경
- 알림 서비스에 파일 업로드가 끝났음을 통지
- 알림 서비스는 관련된 클라이언트(클라이언트 2)에게 파일 업로드가 끝났음을 알림
다운로드 절차
- 파일 다운로드는 파일이 새로 추가되거나 편집되면 자동으로 시작됨
- 클라이언트는 다른 클라이언트가 파일을 편집하거나 추가했다는 사실을 어떻게 감지할까? 두 가지 방법을 사용
- 클라이언트 A가 접속 중이고 다른 클라이언트가 파일을 변경하면 알림 서비스가 클라리언트 A에게 변경이 발생했으니 새 버전을 끌어가야 한다고 알림
- 클라리언트 A가 네트워크에 연결된 상태가 아닐 경우에는 데이터는 캐시에 보관. 해당 클라이언트의 상태가 접속 중으로 바뀌면 그때 해당 클라리언트는 새 버전을 가져감
- 어떤 파일이 변경 되었음을 감지한 클라이언트는 우선 API 서버를 통해 메타데이터를 새로 가져가야하고, 그 다음에 블록들을 다운받아 파일을 재구성해야함
- 그림 15-15 참고
- 알림 서비스가 클라이언트 2에게 누군가 파일을 변경했음을 알림
- 알림을 확인한 클라이언트 2는 새로운 메타데이터를 요청
- API 서버는 메타데이터 데이터베이스에게 새 메타데이터 요청
- API 서버에게 새 메타데이터가 반환됨
- 클라리언트 2에게 새 메타데이터가 반환됨
- 클라이언트 2는 새 메타데이터를 받는 즉시 블록 다운로드 요청 전송
- 블록 저장소 서버는 클라우드 저장소에서 블록 다운로드
- 클라우드 저장소는 블록 서버에 요청된 블록 반환
- 블록 저장소 서버는 클라리언트에게 요청된 블록 반환. 클라리언트 2는 전송된 블록을 사용하여 파일 재구성
알림 서비스
- 파일의 일관성을 유지ㅏ하기 위해, 클라이언트는 로컬에서 파일이 수정되었음을 감지하는 순간 다른 클라이언트에 그 사실을 알려서 충돌 가능성을 줄여야 함
- 알림 서비스는 그 목적으로 이용된다. 단순하게 보자면 알림 서비스는 이벤트 데이터를 클라이언트들로 보내는 서비스이며 두 가지 선택지가 있음
- 롱 폴링(long polling) : 드롭박스가 이 방식을 채택
- 웹소켓(WebSocket) : 클라이언트와 서버 사이에 지속적인 통신 채널을 제공. 따라서 양방향 통신이 가능
- 둘 다 좋은 방안이나 본 설계안의 경우에는 롱 폴링 사용. 이유는 다음과 같다
- 채팅 서비스와는 달리, 본 시스템의 경우에는 알림 서비스와 양방향 통신이 필요하지않음. 서버는 파일이 변경된 사실을 클라이언트에게 알려주어야하지만 반대 방향의 통신은 요구되지 않음
- 웹소켓은 실시간 양방향 통신이 요구되는 채팅 같은 응용에 적합. 구글 드라이브의 경우 알림을 보낼 일은 그렇게 자주 발생하지 않으며, 알림을 보내야 하는 경우에도 단시간에 많은 양의 데이터를 보낼 일은 없다.
롱폴링 사용 시 작동 시나리오
- 각 클라이언트는 알림 서버와 롱 폴링용 연결을 유지하다가 특정 파일에 대한 변경을 감지하면 해당 연결을 끊음
- 이 때 클라이언트는 반드시 메타데이터 서버와 연결해 파일의 최신 내역을 다운로드 해야함
- 해당 다운로드 작업이 끝났거나 연결 타임아웃 시간에 도달한 경우에는 즉시 새 요청을 보내어 롱 폴링 연결을 복원하고 유지해야 함
저장소 공간 절약
- 파일 갱신 이력을 보존하고 안정성을 보장하기 위해서는 파일의 여러 버전을 여러 데이터센터에 보관할 필요가 있음
- 그런 상황에서 모든 버전을 자주 백업하게 되면 저장용량이 너무 빨리 소진될 가능성이 있음
- 이런 문제를 피하고 비용을 절감하기 위해서 아래 3가지 방법을 사용
- 중복 제거(de-dupe) : 중복된 파일 블록을 계정 차원에서 제거하는 방법. 두 블록이 같은 블록인지는 해시 값을 비교하여 판단
- 지능적 백업 전략 도입
- 한도 설정 : 보관해야 하는 파일 버전 개수에 상한을 두는 것. 상한에 도달하면 제일 오래된 버전은 버림
- 중요한 버전만 보관 : 어떤 파일은 아주 자주 바뀐다. 예를 들어 편집 중인 문서가 업데이트될 때마다 새로운 버전으로 관리한다면 짧은 시간 동안 1000개가 넘은 버전이 만들어질 수도 있다. 불필요한 버전과 사본이 만들어지는 것을 피하려면 그 가운데 중요한 것만 골라내야 한다.
- 자주 쓰이지 않는 데이터는 아카이빙 저장소(cold storage)로 옮긴다. 몇달 혹은 수년간 이용되지 않은 데이터가 이에 해당한다. 아마존 S3 글래시어(glacier)같은 아카이빙 저장소 이용료는 S3보다 훨씬 저렴하다.
- Amazon S3 Glacier : 가격은 S3의 1/3 수준, 안정성도 S3와 동일, 하지만 용량의 최대 5%에 대해서만 검색가능 (초과시 과금), 저장도 3개월 이상만 가능, 그 전에 삭제시 패널티 금액 지불, 아카이브 데이터를 다운로드에 3~5시간 소요
장애 처리
- 로드밸런서 장애 : 로드밸런서에 장애가 발생할 경우 부(secondary) 로드밸런서가 활성화되어 트래픽을 이어받아야 함. 로드 밸런서끼리는 보통 박동(heartbeat) 신호를 주기적으로 보내서 상태를 모니터링 함. 일정 시간 동안 박동 신호에 응답하지 않은 로드밸런서는 장애가 발생한 것으로 간주
- 블록 저장소 서버 장애 : 블록 저장소 서버에 장애가 발생하였다면 다른 서버가 미완료 상태 또는 대기 상태인 작업을 이어받아야 한다.
- 클라우드 저장소 장애 : S3 버킷은 여러 지역에 다중화할 수 있으므로, 한 지역에서 장애가 발생하였다면 다른 지역에서 파일을 가져오면 됨
- API 서버 장애 : API 서버들은 Stateless이다. 따라서 로드밸런서는 API 서버에 장애가 발생하면 트래픽을 해당 서버로 보내지 않음으로써 장애 서버를 격리한다.
- 메타데이터 캐시 장애 : 메타데이터 캐시 서버도 다중화함. 따라서 한 노드에 장애가 생겨도 다른 노드에서 데이터를 가져올 수 있음. 자애가 발생한 서버는 새 서버로 교체
- 메타데이터 데이터베이스 장애
- 주 데이터베이스 서버 장애 : 부 데이터베이스 서버 가운데 하나를 주 데이터베이스 서버로 바꾸고, 부 데이터베이스 서버를 새로 하나 추가함
- 부 데이터베이스 서버 장애 : 다른 부 데이터베이스 서버가 읽기 연산을 처리하도록 하고 그동안 장애 서버는 새 것으로 교체
- 알림 서비스 장애 : 접속 중인 모든 사용자는 알림 서버와 롱 폴링 연결을 하나씩 유지. 따라서 알림 서비스는 많은 사용자와의 연결을 유지하고 관리해야 함 (드롭박스의 경우 서버하나당 1M 개의 연결 관리). 따라서 서버 한대에 장애가 생기면 백만 개 이상의 롱 폴링 접속을 다시 시작해야함. 하지만 롱 폴링 접속 백만 개를 동시에 시작할 수는 없으므로, 복구가 상대적으로 느릴 수 있음
- 오프라인 사용자 백업 큐 장애 : 이 큐 또한 다중화해 두어야 함. 큐에 장애가 발생하면 구독 중인 클라이언트들은 백업 큐로 구독 관계를 재설정해야 함
4. 마무리
- 높은 수준의 일관성, 낮은 네트워크 지연, 빠른 동기화가 요구되는 설계과정을 거침
- 이번 장에서 만든 설계안은 크게 두 가지 부분으로 구성
- 파일의 메타데이터를 관리하는 부분
- 파일 동기화를 처리하는 부분
- 또한 알림 서비스도 위 두 부분과 병존하는 또 하나의 중요 컴포넌트 (롱 폴링 사용)
몇 가지 더 생각해볼 수 있는 부분
- 만약 블록 저장소 서버를 거치지 않고 파일을 클라우드 저장소에 직접 업로드 한다면?
- 장점
- 파일은 클라우드 저장소로 바로 하면되므로 업로드 시간이 빨라질 수 있음
- 단점
- 분할, 압축, 암호화 로직을 클라이언트에 두어야 하므로 플랫폼별로 따로 수현해야 함 (IOS, Android, Web 등). 당초 설계안에서는 블록 저장소 서버에서 처리하므로 구현을 한번만 하면 됨
- 클라이언트가 해킹 당할 가능성이 있으므로 암호화 로직을 클라이언트 안에 두는 것은 적절치 않음
- 장점
- 접속 상태를 관리하는 로직을 별도 서비스로 옮긴다면?
- 다른 서비스에서도 쉽게 활용할 수 있게 되므로 좋을 것임
참고자료
- 알렉스 쉬, 가상 면접 사례로 배우는 대규모 시스템 설계 기초 15장
Comments