가상 면접 사례로 배우는 대규모 시스템 설계 기초 Study [4장] 처리율 제한 장치의 설계

처리율 제한 장치 rate limiter

• 클라이언트 또는 서비스가 보내는 트래픽 처리율rate을 제어하기 위한 장치
• API 요청 횟수가 제한 장치에 정의된 임계치threadhold를 넘어서면 추가로 도달한 모든 호출은 처리가 중단block된다.

API 처리율 제한 장치를 두면 좋은점

• DoS(Denial of Service) 공격에 의한 자원 고갈resource starvation을 방지
• 비용을 절감 : 과금이 횟수에 따라 이루어진다면, 그 횟수를 제한할 수 있어야 비용을 절감
• 서버의 과부하를 막는다

1. 문제 이해 및 설계 범위 확정

• 어떤 종류의 처리율 제한 장치를 설계해야 하는가? 클라이언트 측 혹은 서버 측 제한 장치인가?
• 어떤 기준(IP, 사용자 ID)으로 API 호출을 제어해야 하는가?
• 시스템의 규모는 어떠한가
• 분산 환경에서도 동작하는가
• 독립된 서비스? 애플리케이션 코드에 포함될 수 있는가?
• 사용자에게 제한 장치에 대한 알림을 주어야 하는가

1.1 요구사항

• 설정된 처리율을 초과하는 요청은 정확하게 제한해야한다.
• 낮은 응답시간 : 이 처리율 제한 장치는 HTTP 응답시간에 나쁜 영향을 주어서는 안된다.
• 가능한 한 적은 메모리를 사용
• 분산형 처리율 제한 distributed rate limiting : 하나의 처리율 제한 장치를 여러 서버나 프로세스에 공유할 수 있어야 한다.
• 예외처리 : 요청이 제한되었을 때 그 사실을 사용자에게 분명하게 보여주어야 한다.
• 높은 결함 감내성 fault tolerance : 제한 장치에 장애가 생기더라도 전체 시스템에 영향을 주어서는 안 된다.

2. 개략적 설계안 제시 및 동의 구하기

2.1 처리율 제한장치의 위치

• 클라이언트 요청은 쉽게 위변조가 가능하고 구현을 통제하는 것도 어려울 수 있다.
• 처리율 제한 장치를 API 서버에 두는 대신 처리율 제한 미들웨어middleware를 만들어 통제한다.
• 클라우드 마이크로서비스의 경우, API 게이트웨이gateway라 불리는 컴포넌트에 보통 구현
• 회사의 현재 기술 스택technology stack이나 엔지니어링 인력, 우선순위, 목표에 따라 처리율 제한 장치는 달라질 수 있다.

2.2 처리율 제한장치 적용을 위한 지침

• 기술 스택 점검 고려 하기 : 현재 사용하는 프로그래밍 언어가 서버 측 구현을 지원하기 충분할 정도로 효율이 높은지 확인하기
• 알맞은 처리율 제한 알고리즘 선택 하기
• 이미 API 게이트웨이를 사용한다면 게이트웨이에 포함시켜야 할 수도 있다.
• 상용 API 게이트 웨이를 쓰는 것이 바람직 할 수도

2.3 처리율 제한 알고리즘

• 토큰 버킷token bucket
• 누출 버킷leaky bucket
• 고정 윈도 카운터fixed window counter
• 이동 윈도 로그sliding window log
• 이동 윈도 카운터sliding window counter

2.3.1 토큰 버킷 알고리즘

• 처리율 제한에 폭넓게 이용되고 있음
• 간단하고 알고리즘에 대한 세간의 이해도도 높음

동작 원리

1. 토큰 버킷은 지정된 용량을 갖는 컨테이너이며 사전에 설정된 양의 토큰 공급기refiller에 의해 토큰이 주기적으로 채워진다. 버킷이 가득차면 토큰은 버려진다.overflow
2. 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사

• 충분한 토큰이 있는 경우 : 버킷에서 토큰 하나를 꺼낸 후 요청을 시스템에 전달
• 충분한 토큰이 없는 경우 : 해당 요청은 버러짐dropped

인자

• 버킷 크기 : 버킷에 담을 수 있는 토큰의 최대 개수
• 토큰 공급률refill rate: 초당 몇 개의 토큰이 버킷에 공급되는가

사용 사례

• 통상적으로 API 엔드포인트마다 별도의 버킷을 둔다.
• IP 주소별로 처리율 제한이 필요하면 IP 주소마다 버킷을 하나씩 할 당해야한다.

장점

• 구현이 쉽다
• 메모리 사용 측면에서 효율적
• 짧은 시간에 트래픽burst of traffic도 처리 가능

단점

• 버킷 크기와 토큰 공급률의 인자를 적절하게 튜닝하는 것이 까다로움

토큰 버킷 알고리즘 go 코드

2.3.2 누출 버킷 알고리즘

• 누출 버킷leaky bucket 알고리즘은 토큰 버킷 알고리즘과 비슷하지만 요청 처리율이 고정되어있다는 점에 차이가 있다.
• FIFO(First-In-First-Out) 큐로 구현한다.

동작 원리

1. 요청이 도착하면 큐가 가득 차 있는지 본다. 빈자리가 있는 경우 큐에 요청을 추가한다.
2. 큐가 가득 차 있는 경우 새 요청은 버린다.
3. 지정된 시간마다 큐에 요청을 꺼내어 처리한다.

인자

• 버킷 크기 : 큐 사이즈
• 처리율outflow rate : 지정된 시간당 몇 개의 항목을 처리할지 지정하는 값. 초 단위로 표현한다.

장점

• 큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적
• 고정된 처리율을 갖고 있기 때문에 안정적 출력stable outflow rate이 필요한 경우 적합

단점

• 단 시간에 트래픽이 몰리는 경우 큐에 오래된 요청이 쌓이고 최신 요청들은 버려짐
• 두 개의 인자를 튜닝하기 까다로움

누출 버킷 알고리즘 Go 코드

2.3.3 고정 윈도 카운터 알고리즘

동작 원리

1. 타임라인을 고정된 간격인 윈도window로 나누고 각 윈도마다 카운터counter를 붙인다.
2. 요청이 접수될 때마다 이 카운터의 값은 1씩 증가한다.
3. 카운터의 값이 사전에 설정된 임계치threshold에 도달하면 새로운 요청은 새 윈도가 열릴때까지 버려진다.

• 시스템은 초당 3개까지 요청을 허용한다.
• 매초마다 열리는 윈도에 3개 이상의 요청이 밀려오면 초과분은 그림 4-8 에 보이는대로 버려진다.

  

장점

• 메모리 효율이 좋다
• 이해하기 쉽다
• 윈도가 닫히는 시점에 카운터를 초기화 하는 방식은 특정한 트래픽 패턴을 처리하기 적합하다.

단점

• 윈도 경계 부근에 일시적으로 많은 트래픽이 몰려드는 경우 기대했던 시스템의 처리 한도보다 많은 요청의 양을 처리하게 된다.

2.3.4 이동 윈도 로깅 알고리즘

• 고정 윈도 카운터 알고리즘의 단점을 해결하는 알고리즘이다

동작원리

1. 요청의 타임스탬프를 추적한다. 타임스탬프는 레디스, 정렬집합sorted set과 같은 캐시에 보관한다.
2. 만료된 타임스탬프는 그 값이 현재 윈도의 시작 시점보다 오래된 타임스탬프를 말한다.
3. 타임스탬프를 로그log에 추가한다.
4. 로그의 크기가 허용치 보다 같거나 작으면 요청을 시스템에 전달한다.

예시

아래의 처리율 제한기는 분당 최대 2회의 요청만을 처리하도록 설정되어있다.

1. 요청이 1:00:01에 도착했을 때 로그는 비어 있는 상태이므로 요청이 허용된다.
2. 새로운 요청이 1:00:30에 도착한다. 타임스탬프가 로그에 추가된다. 로그크기는 2이므로 허용 한도보다 크지 않다.
3. 새로운 요청이 1:00:50에 도착한다. 타임스탬프가 로그에 추가된다. 로그크기는 3이므로 허용 한도보다 크다. 따라서 요청은 거부된다.
4. 새로운 요청이 1:01:40에 도착한다. 범위 안에 요청이 1분 윈도 안의 요청이지만 이전의 스탬프들이 전부 만료이므로 로그에서 삭제되면 크기는 2이다. 따라서 신규 요청은 전달된다.

장점

• 정교하다. 허용되는 요청의 개수는 시스템의 처리율 한도를 넘지 않는다.

단점

• 거부된 요청의 타임스탬프도 로그로 남기므로 다량의 메모리를 사용

2.3.5 이동 윈도 카운터 알고리즘

• 고정 윈도 카운터 알고리즘과 이동 윈도 로깅 알고리즘을 결합

예시

• 아래 처리율 제한기는 분당 7개 요청으로 설정
• 이전 1분 동안 5개의 요청이 그리고 현재 1분 동안 3개의 요청이 왔다

  

• 현재 1분의 30% 시점에 도달한 신규 요청은 시스템으로 전달되나 그 직후에는 한도에 도달하였으므로 더 이상 요청은 받을 수 없다.

장점

• 이전 시간대의 평균 처리율에 따라 현재 윈도 상태를 계산하므로 짧은 시간에 몰리는 트래픽도 잘 대응한다.
• 메모리 효율이 좋다.

단점

• 직전 시간대의 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하기 때문에 다소 느슨

2.3.6 개략적인 아키텍처

• 얼마나 많은 요청이 접수되었는지 추적할 수 있는 카운터를 추적 대상별로 두고(사용자 별, IP 별, endpoint 별, 서비스 단위 별)이 카운터의 값이 어떤 한도를 넘어서면 한도를 넘어 도착한 요청은 거부하는 것

• 카운터의 보관 장소는 메모리상 동작하는 캐시가 바람직하다.

  • 속도가 빠르고 시간에 기반한 만료 정책을 지원하기 때문

동작원리

1. 클라이언트가 처리율 제한 미들웨어rate limiting middleware에게 요청을 전달
2. 처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와서 한도 도달여부 검사

• 한도에 도달했으면 요청은 거부됨
• 한도에 도달하지 않았다면 요청은 API 서버로 전달

3. 미들웨어는 카운터의 값을 증가시킨 후 다시 레디스에 저장

3. 상세 설계

3.1 처리율 제한 규칙

처리율 제한 규칙들은 보통 설정파일 형태로 디스크에 보관된다.

3.2 처리율 한도 초과 트래픽의 처리

• 한도 제한에 걸리면 API는 HTTP 429 응답too many requests를 클라이언트에게 보냄

3.2.1 처리율 제한 장치가 HTTP 응답값

• 클라이언트는 HTTP 응답 헤더를 통해 요청이 처리율 제한에 걸리고 있는지를 감지할 수 있다.
• 사용자가 너무 많은 요청을 보내면 429 too many requests 오류를 X-Ratelimit-Retry-After 헤더와 함께 반환하자.
• 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

3.3 상세 설계

1. 처리율 제한 규칙은 디스크에 보관하며 작업 프로세스worker는 수시로 규칙을 디스크에 읽어 캐시에 저장
2. 클라이언트의 요청은 제일 먼저 처리율 제한 미들웨어에 도달
3. 처리율 제한 미들웨어는 제한 규칙을 캐시에서 가져오고 마지막 요청의 타임스탬프는 레디스 캐시에서 가져옴

• 해당 요청이 처리율 제한에 걸리지 않으면 API
• 해당 요청이 처리율 제한에 걸리면 429 too many requests 에러를 클라이언트로 보냄

3.4 분산 환경에서의 처리율 제한 장치의 구현

다중 서버에서 병렬 스레드를 지원하도록 확장하는 것은 다음과 같은 문제를 해결해야한다.

• 경쟁 조건race condition
• 동기화synchronization

3.4.1 경쟁조건

• 경쟁 조건을 해결하기 위한 방법은 락Lock이 있다. 락은 시스템의 성능을 떨어뜨리는 문제가 있다.
• 락 이외에 루아 스크립트Lua Sript와 정렬집합sorted set이라 불리는 레디스 자료구조를 사용할 수 있다.

3.4.2 동기화 이슈

• 처리율 제한 장치를 여러 대 두게 되면 동기화가 필요해진다.
• 해결방안으로는 고정 세션을 활용하여 클라이언트로부터의 요청은 항상 같은 처리율 제한 장치로 보내게 한다.
  • 비추천하며, 규모면에서 확장 가능하지도 않고 유연하지 않다.
• 레디스와 같은 중앙 집중형 데이터 저장소를 쓴다.

3.4.3 성능 최적화

1. 여러 데이터 센터를 지원하여 사용자 트래픽을 가장 가까운 에지 서버로 전달하여 지연시간을 줄인다.
2. 제한 장치 간 데이터를 동기화할 때 최종 일관성 모델을 사용

3.4.4 모니터링

모니터링을 통해 확인하려는 것

• 채택된 처리율 제한 알고리즘이 효과적인가
• 정의한 처리율 제한 규칙이 효과적이다.

4. 마무리

추가로 더 언급할 사항들

• 경성hard 또는 연성soft 처리율 제한

  • 경성 처리율 제한 : 요청 개수는 임계치를 절대 넘어설 수 없다.
  • 연성 처리율 제한 : 요청 개수는 잠시 동안은 임계치를 넘어설 수 있다.

• 다양한 계층에서 처리율 제한

  • 앞서 소개한 애플리케이션 계층 말고도 다른 계층에서도 처리율 제한이 가능하다.
  • 예시로 Iptables를 사용하여 네트워크 계층에서 처리율 제한을 적용하는 것이 가능

• 처리율 제한을 회피하기 위한 클라이언트 설계 방법

  • 클라이언트의 캐시를 사용하여 API 호출 횟수를 줄인다.
  • 처리율 제한의 임계치를 이해하고 짧은 시간동안 너무 많은 메세지를 보내지 않는다.
  • 예외나 에러를 처리하는 코드를 도입 클라이언트가 예외적 상황으로부터 우아하게 복구
  • 재시도 로직을 구현할 때는 충분한 백오프 시간을 둔다.