4장 - 처리율 제한 장치의 설계

목표

처리율 제한 장치 : 클라이언트 또는 서비스가 보내는 트래픽의 처리율을 제어하기 위한 장치
임계치를 넘어선 호출의 경우 처리가 중단(block)된다.

처리율 제한 장치의 사용에 대한 장점

Dos공격에 의한 자원 고갈을 방지 할 수 있다.
비용을 절감한다. 서버를 많이 두지 않아도되고 우선 순위가 높은 API에 대한 더 많은 자원을 할당할 수 있다.
API를 사용하고 있는 서비스의 경우 횟수 제한으로 인한 비용절감 효율이 증가한다.
서버 과부하를 막는다. bot에서 오는 트래픽, 사용자의 잘못된 이용으로 인한 트래픽을 줄임으로 과부하를 막는다.

이러한 처리율 제한 장치 설계에 대해 알아보자

1단계 문제 이해 및 설계 범위 확정

면접관과 소통을 통해 어떤 제한 장치를 구현해야 하는지 분명히 함으로 처리율 제한 장치의 알고리즘을 선택 할 수 있다.

다음 시스템 요구사항을 얻어낼 수 있다.

설정된 처리율을 초과하는 요청은 정확하게 제한한다.
낮은 응답시간 : 처리율 제한 장치로 HTTP 응답시간에 영향을 주어서는 곤란하다.
메모리는 가능한 적게 사용
분산형 처리율 제한 : 처리율 제한 장치를 여러서버나 프로세스에서 공유할 수 있어야 한다.
예외처리 : 요청이 제한되었을때 사용자에게 분명히 보여주어야 한다.
높은 결함 감내성 : 제한 장치에 장애가 생기더라도 전체 시스템에 영향을 주어서는 안된다.

2단계 개략적 설계안 제시 및 동의 구하기

처리율 제한 장치는 어디에 둘 것인가?

클라이언트

클라이언트 요청은 쉽게 위변조가 가능해 처리율 제한을 안정적으로 걸 수 있는 환경이 아님

서버

API 서버가 처리율 제한 장치역할을 같이하는 경우
처리율 제한 미들웨어를 만들어 API서버로 가는 요청을 통제하도록하는 경우 클라우드 마이크로서비스의 경우 해당 방식은 보통 API 게이트웨이라 불리는 컴포넌트에 구현

처리율 제한 장치는 어디에 두어야하는 것에 정답은 없다. 기술스택, 인력, 우선순위, 목표에 따라 달라진다.

기술 스택을 점검하라. 현재 사용하는 프로그래밍 언어가 서버 측 구현을 지원하기 충분할 정도로 효율이 높은지 확인하라.
필요에 맞는 처리율 제한 알고리즘을 찾아라, 서버에서 구현한다면 선택가능하나 제 3 사업자가 제공하는 게이트웨이를 사용하면 선택지는 제한된다.
마이크로서비스에 기반하고 있고, 사용자 인증/IP 허용목록 관리 등의 처리로 API 게이트웨이를 설계에 포함시켰다면 처리율 제한 기능도 게이트 웨이에 포함시켜야 할 수도 있다.
처리율 제한 서비스는 직접 만드는데 시간이 든다, 사용 API 게이트웨이를 쓰는 것이 바람직 할 수도 있다.

처리율 제한 알고리즘

토큰 버킷 알고리즘

간단한 알고리즘으로 보편적으로 사용한다. 아마존,스트라이프에서 사용

토큰 버킷은 지정된 용량을 갖는 컨테이너이며 사전 설정된 양의 토큰이 주기적으로 채워진다.

각 요청은 처리 될때마다 하나의 토큰을 사용한다

충분한 토큰이 있는 경우 하나의 토큰을 꺼낸 후 요청을 시스템에 전달
충분한 토큰이 없는 경우 해당 요청은 버려짐

두개의 인자를 받는다.

버킷 크기 : 버킷에 담을 수 있는 토큰의 최대 개수
토큰 공급률 : 초당 몇 개의 토큰이 버킷에 공급되는가?

버킷은 몇 개나 사용해야하는지는 공급 제한 규칙에 따라 달라진다.

통상적으로, API 엔드포인트마다 별도의 버킷을 둔다.
ex) 하루에 한번 포스팅, 친추추가는 150명까지, 좋아요는 다섯번 ➡️ 사용자마다 3개의 버킷 필요
IP 주소별로 처리율 제한 ➡️ IP주소마다 버킷
시스템 처리율을 초당 10,000개 요청 제한하고 싶으면, 모든 요청이 하나의 버킷을 공유

장점

구현이 쉬움
메모리 사용 측면에서 효율적
짤은 시간에 집중되는 트래픽에서도 처리 가능

단점

버킷크기와 토큰 공급률을 적당한 값에 맞추는 것이 어려움

누출 버킷 알고리즘

토큰 버킷 알고리즘과 비슷 - 요청 처리율이 고정되어 있음
FIFO큐로 구현한다.

요청이 도착하면 큐가 가득 차있는지 확인 후, 빈자리가 있는 경우 큐에 넣는다.

두 개의 인자를 사용한다.

버킷 크기 : 큐 사이즈와 같은 값
처리율 : 지정된 시간당 몇 개의 항목을 처리할지 지정하는 값, 초 단위로 표현

장점

큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적
고정된 처리율을 갖고 있기 때문에 안정적 출력에 적합

단점

단시간에 트래픽이 몰리는 경우, 오래된 요청이 쌓여 최신요청들은 버려지게됨
두개의 인자 설정이 어려움

고정 윈도 카운터 알고리즘

타임라인을 고정된 간격의 윈도로 나누고, 각 윈도우 마다 카운터(counter)를 붙인다.
요청이 접수될 때마다 이 카운터의 값은 1씩 증가한다.
카운터의 값이 임계치에 도달하면 새로운 요청은 새 윈도가 열릴 때까지 버려진다.

해당 시스템은 초당 3개까지의 요청만 허용한다.

초당 5개의 요청만 허용하는 시스템
2:00:00 ~ 2:01:00 5개의 요청
2:01:00 ~ 2:02:00 5개의 요청
그러나 윈도우를 조금 옮겨 2:00:30 ~ 2:01:30으로 보았을 떄 10개의 요청이 처리됨

윈도의 경계 부근에 순간적으로 많은 트래픽이 집중될 경우 윈도에 할당된 양보다 더 많은 요청이 처리될 수 있다.

장점

메모리 효율이 좋다
이해하기 쉽다.
윈도우가 닫히는 시점에 카운터 초기화 ➡️ 특정한 트래픽 패턴을 처리하기에 적합

단점

경계부분에 몰릴 경우, 시스템의 처리 한도보다 많은 양의 요청을 처리하게 된다.

이동 윈도 로깅 알고리즘

이동 윈도 알고리즘은 고정 윈도 카운터 알고리즘의 경계 부근의 트래픽 집중 문제를 해결한다.
요청의 타임스탬프를 추적하는 방식을 사용한다. 타임스탬프 데이터는 보통 Redis의 정렬 집합 같은 캐시에 보관한다.

새요청이 오면 만료된 타임스탬프는 제거한다. 만료된 타임스탬프는 그 값이 현재 윈도의 시작 지점보다 오래된 타임스탬프를 말한다.
새요청의 타임스탬프를 로그에 추가한다.
로그의 크기가 허용치보다 크면 처리를 거부한다.

장점

어느 순간의 윈도를 보더라도, 허용되는 요청의 개수는 시스템의 처리율 한도를 넘지 않는다.

단점

다량의 메모리 사용, 거부된 요청의 타임스탬프도 보관하기 때문이다.

이동 윈도 카운터 알고리즘

고정 윈도 카운터 알고리즘 + 이동 윈도 로깅 알고리즘 = 이동 윈도 카운터 알고리즘

분당 7개의 요청 한도에서, 이전 1분동안 5개의 요청, 현재 1분 동안 3개의 요청이 오는 상황이다.

현재 1분의 30% 기점에 도착한 새 요청의 경우, 현재 윈도에 몇 개의 요청이 온 것으로 보고 처리해야할까?

현재 1분간 요청 수 + 직전 1분간 요청수 * 이동 윈도와 직전 1분이 겹치는 비율
3 + 5 * 70% = 6.5, 내림하여 6

장점

이전 시간대의 평균 처리율에 따라 현재 윈도의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 잘 대응
메모리 효율이 좋다.

단점

직전 시간대에 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하기 때문에 다소 느슨하다.(잘못된 처리 0.003%로 심각하지 않음)

개략적인 아키텍쳐

기본 아이디어는 추적할 수 있는 카운터를 추적 대상별로 두고 거부또는 허가하는 것이다. 이때 카운터에는 디스크 접근 떄문에 느리기 때문에 메모리 상에서 동작하는 Redis와 같은 메모리 기반 저장장치를 사용한다.

메모리 기반 저장장치는 두개의 명령어를 지원한다.

INCR : 메모리의 저장된 카운터의 값을 1만큼 증가시킨다.
EXPIRE : 카운터에 타임아웃 값을 설정한다. 설정시간이 되면 카운터는 자동으로 삭제된다.

요청이 오면 처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와 한도에 도달했는지 아닌지를 검사한다.
한도에 도달하지 않았다면 요청은 API서버로 전달된다. 미들웨어는 카운터의 값을 증가시킨 후 다시 레디스에 저장한다.

상세 설계

처리율 제한 규칙은 어떻게 만들어지고 어디에 저장되는가?
처리가 제한된 요청들은 어떻게 처리되는가?

위의 두 사항에 대해 알아보자

처리율 제한 규칙

마케팅 메시지의 최대치를 하루 5개로 제한
분당 로그인 횟수를 5개로 제한

리프트의 경우 다음과 같이 제한하며, 설정파일 형태로 디스크에 저장된다.

처리율 한도 초과 트래픽

한도 제한에 거릴 경우 HTTP 429 응답을 보낸다.

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 보내야하는지 알림

자기 요청이 처리율 제한에 걸리기까지 얼마나 많은 요청을 보낼 수 있는지는 HTTP 요청헤더로 확인 가능하다.

상세 설계

다음은 상세 설계 도면이다.

분산 환경에서의 처리율 제한 장치의 구현

경쟁조건, 동기화 두가지 문제를 풀어야한다.

경쟁조건

경쟁 조건 문제를 해결하는 가장 널리 알려진 해결책은 Lock(락)이다. 하지만 락은 시스템 성능을 떨어뜨림, 해결책으로는 두가지 방법이 있음

루아 스크립트
정렬집합이라 불리는 레디스 자료구조

동기화 이슈

처리율 제한 장치를 여러 대 두게 되면 동기화가 필요해진다.
장치간의 처리율 제한에 대한 정보가 공유되지않아 올바르게 수행 할 수 없다.

레디스와 같은 중앙 집중형 데이터 저장소를 쓰는 것으로 해결

성능 최적화

edge server을 이용하여 가까운 데이터센터를 지원하여 지연시간을 줄임으로 성능 최적화
제한 장치 간에 데이터를 동기화 할때 최종 일관성 모델을 사용

모니터링

모니터링을 통해 알고리즘, 제한 규칙이 효과적인지 확인할 수 있다.

4단계 마무리

추가적으로 다음과 같은 부분을 언급 할 수 있다.

경성(hard) 또는 연성(soft) 처리율 제한
경성 : 임계치를 절대 넘어설 수 없다
연성 : 잠시 임계치를 넘어설 수 있다.
다양한 계층에서 처리율 제한 이번에는 애플리케이션 계층에서의 제한만 살펴봄 ➡️ 다른 계층에서도 처리율 제한이 가능
네트워크 계층 처리율 제한으로 IP주소에 처리율 제한이 가능하다.
처리율 제한을 회피하는 방법 : 클라이언트를 개선하여 처리율 개선
1. 캐시를 사용하여 호출 횟수 줄임
2. 임계치를 이해시키고, 많은 메시지를 보내지 않도록 한다.
3. 예외나 에러를 처리하는 코드로 예외인 상황에서 복구되도록
4. 재시도 로직을 구현할 때 충분한 백오프 시간을 둔다.