4. 처리율 제한 장치 설계

문제 이해 및 설계 범위 확정

처리율 제한 장치

• 클라이언트 또는 서비스가 보내는 트래픽의 처리율을 제어하는 장치

• API 요청 횟수가 제한 장치에 정의된 임계치를 넘어서면 추가로 도달한 모든 호출은 중단

처리율 제한 장치의 장점

• DoS(Denial of Service) 공격에 의한 자원 고갈 방지

• 비용 절감

  • 처리율을 제한하였기 때문에 서버에서 사용해야 하는 자원에 대해서 우선순위를 조정할 수 있다.

• 서버 과부화 방지

  • 봇에서 오는 트래픽이나 사용자의 잘못된 사용 패턴으로 유발된 트래픽 필터링

요구사항

• 설정된 처리율을 초과하는 요청은 정확하게 제한한다.

• 처리율 제한 장치는 HTTP 응답시간에 악영향을 주어선 안되고, 낮은 응답 시간을 유지할 수 있도록 해야 한다.

• 가능한 적은 메모리를 사용해야 한다.

• 하나의 처리율 제한 장치를 여러 서버나 프로세스에서 공유할 수 있어야 한다. (분산 처리율 제한, Distributed Rate Limiting)

• 요청이 제한되었을 때는 사용자에게 분명하게 제한되었음을 전달하여야 한다.

• 제한 장치에 장애가 생기더라도 전체 시스템에 영향을 주어선 안된다. (높은 결함 감내성, Fault Tolerance)

개략적 설계안 제시 및 동의 구하기

클라이언트-서버 구조를 사용하여 책에서 설명하고 있다.

처리율 제한 장치는 어디에 둘 것인가?

클라이언트

• 쉽게 위변조가 가능하여서, 일반적으로는 처리율 제한을 안정적으로 처리할 수 있는 위치가 아니다.

• 모든 클라이언트의 구현을 통제하는 것도 어려울 수 있다.

미들웨어

• API 서버에서 처리율을 제한하는 것 보다 API가 거쳐가는 미들웨어에서 요청을 제한하도록 하는 것이 효율적이다.

• 클라우드 내 마이크로서비스에서 처리율 제한 장치는 API Gateway 컴포넌트에서 구현된다.

  • API Gateway는 처리율 제한, SSL 중단, 사용자 인증, IP 허용 목록 관리 등을 지원하는 완전 관리형 서비스다.

    • AWS API Gateway
    • GCP API Gateway
    • Azure Application Gateway
    • Cloudflare API Gateway

고려사항

• 회사의 현재 기술 스택이나 엔지니어링 인력, 우선순위, 목표에 따라 처리율 제한 장치의 위치가 달라질 수 있다.

• 프로그래밍 언어, 캐시 서비스 등 현재 사용하고 있는 기술 스택을 점검하라.

  • 현재 사용하고 있는 프로그래밍 언어가 서버 측 구현을 지원하기 충분할 정도로 효율이 높은지 확인

• 사업 필요에 맞는 처리율 제한 알고리즘을 찾아라

  • 서버 측에서 모든 것을 구현하기로 했으면, 알고리즘은 자유롭게 사용 가능하다.

  • Third-Party API Gateway을 사용하기로 했다면, 알고리즘의 선택지는 종속된다.

• 마이크로서비스 기반이고, API Gateway를 이미 설계에 포함했다면 처리율 제한 기능은 API Gateway에 포함시켜야 할 수도 있다.

• 처리율 제한 서비스를 직접 만드는 데는 시간이 걸린다.

  • 이를 구현할 인력이 없다면 사용 API Gateway를 쓰는 것이 바람직하다.

처리율 제한 알고리즘

토큰 버킷 알고리즘

• 동작 원리

  • 토큰 버킷은 지정된 용량을 갖는 컨테이너, 사전 설정된 양의 토큰이 주기적으로 채워진다.

    • 토큰이 꽉 찬 버킷에는 더 이상의 토큰은 추가되지 않는다.

    • 버킷이 가득 차면 추가로 공급된 토큰은 버려진다.

  • 각 요청은 처리될 때마다 하나의 토큰을 사용한다.

  • 요청이 도착하면 버킷 내 충분한 토큰이 있는지 검사하게 된다.

    • 충분한 토큰이 있는 경우, 버킷에서 토큰 하나를 꺼낸 후 요청을 시스템에 전달한다.

    • 충분한 토큰이 없는 경우, 해당 요청은 버려진다.

• 파라미터

  • 버킷 크기

    • 버킷을 담을 수 있는 토큰의 최대 개수

  • 토큰 공급율

    • 초당 몇 개의 토큰이 버킷에 공급되는 지 설정

• 버킷 사용 개수

  • 공급 제한 규칙에 따라 달라짐

  • 통상적으로 API Endpoint 마다 별도의 버킷을 둔다.

  • IP 주소 별로 처리율 제한을 적용해야 한다면 IP 주소마다 버킷을 하나씩 할당해야 한다.

  • 시스템의 처리율을 공통으로 제한해야 한다면, 모든 요청이 하나의 버킷을 공유하도록 해야 한다.

• 장점

  • 구현이 쉽다.

  • 메모리 사용 측면에서 효율적이다.

  • 짧은 시간에 집중되는 트래픽(Burst of Traffic)도 처리 가능하다.

  • 버킷에 남은 토큰이 있기만 하면 요청은 시스템에 전달될 것이다.

• 단점

  • 버킷 크기와 토큰 공급율을 적절하게 튜닝해야 한다. 즉 휴리스틱하게 테스트하면서 값을 조정해야 한다.

누출 버킷 알고리즘

• 토큰 버킷 알고리즘과 비슷하지만, 요청 처리율이 고정되어 있는 점이 다르다.

• FIFO(First-In-First-Out) 큐로 구성된다.

• 동작 원리

  • 요청이 도착하면 큐가 가득 차 있는 지 본다.

    • 빈 자리에 있는 경우에는 큐에 요청을 추가한다.

    • 큐가 가득 차 있는 경우에는 새 요청은 버린다.

  • 지정된 시간마다 큐에서 요청을 꺼내어 처리한다.

• 파라미터

  • 버킷 크기

    • 큐 사이즈와 같은 값

    • 큐에는 처리될 항목이 보관된다.

  • 처리율(Outflow Rate)

    • 지정된 시간 당 몇 개의 항목을 처리할 지 지정하는 값

    • 보통 초 단위로 표현

• 장점

  • 큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적

  • 고정된 처리율을 갖고 있기 때문에, 안정된 출력이 필요한 경우에 적합

• 단점

  • 단시간에 많은 트래픽이 몰리는 경우, 큐에는 오래된 요청들이 쌓이게 되고, 그 요청들을 제때 처리하지 못한다면 최신 요청들은 버려지게 된다.

  • 누출 버킷 알고리즘도 휴리스틱하게 파라미터를 조정하여 최적의 값을 설정해야 한다.

고정 윈도 카운터 알고리즘

• 동작 원리

  • 타임라인을 고정된 간격의 윈도로 나누고, 각 윈도마다 카운터를 붇인다.

  • 요청이 접수될 때마다 이 카운터의 값은 1씩 증가한다.

  • 이 카운터의 값이 사전에 설정된 임계치에 도달하면 새로운 요청은 새 윈도가 열릴 때까지 버려진다.

• 장점

  • 메모리 효율이 좋다.

  • 이해하기 쉽다.

  • 윈도가 닫치는 시점에 카운터를 초기화하는 방식은 특정한 트래픽 패턴을 처리하기에 적합

• 단점

  • 윈도 경계 부근에서 일시적으로 많은 트래픽이 몰려드는 경우, 기대했던 시스템의 처리 한도보다 많은 양의 요청을 처리하게 된다.

이동 윈도 로깅 알고리즘

• 동작 원리

  • 요청의 타임스탬프 추적

    • 타임스탬프 데이터는 보통 Redis의 정렬 집합(Sorted Set) 같은 캐시에 보관

  • 새 요청이 오면 만료된 타임스탬프는 제거한다.

    • 만료된 타임스탬프는 그 값이 현재 윈도의 시작 시점보다 오래된 타임스탬프

  • 새 요청의 타임스탬프를 로그에 추가

  • 로그의 크기가 허용치보다 같거나 작으면 요청을 시스템에 전달, 그렇지 않으면 처리 거부

• 장점

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

• 단점

  • 다량의 메모리를 사용하여 거부된 요청의 타임스탬프를 보관

이동 윈도 카운터 알고리즘

• 고정 윈도 카운터 알고리즘과 이동 윈도 로깅 알고리즘을 결합한 알고리즘

• 장점

  • 이전 시간대의 평균 처리율에 따라 현재 윈도의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 잘 대응함

  • 메모리 효율이 좋다.

• 단점

  • 직전 시간대의 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치를 계산하기 때문에 다소 느슨함.

  • Cloudflare의 실험에서 40억개의 요청 중에 시스템의 실제 상태와 맞지 않게 허용되거나 버려진 요청은 0.003% (1200만) 정도

    • 해당 오차를 허용할 수 있다면, 대용량 분산처리 시 해당 방법을 사용하는 것이 유리

개략적인 아키텍처

• 얼마나 많은 요청이 접수되었는지를 추적할 수 있는 카운터를 추적 대상별로 두고, 이 카운터 값이 어떤 한도를 넘어서면 한도를 넘어 도착한 요청은 거부한다.

• 카운터는 데이터베이스에 보관하는 것은 디스크에 접근하는 로직때문에 느려서 사용이 불가능하다.

• 메모리 상에서 동작하는 캐시가 빠르고 TTL을 지원하기 때문에 적절하다.

• Redis에서는 INCR과 EXPIRE 명령어를 지원한다.

  • INCR

    • 메모리에 저장된 카운터의 값을 1만큼 증가시킨다.

  • EXPIRE

    • 카운터에 타임아웃 값을 설정한다.

    • 설정된 시간이 지나면 카운터는 자동으로 삭제된다.

• 동작원리

  • 클라이언트가 처리율 제한 미들웨어에게 요청을 보낸다.

  • 처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와서 한도에 도달했는지를 검사한다.

    • 한도에 도달했다면 요청은 거부한다.

    • 한도에 도달하지 않았다면, 요청은 API 서버에 전달한다. 미들웨어는 카운터의 값을 증가시킨 후 다시 Redis에 저장한다.

상세 설계

처리율 제한 규칙

• 설정 파일 형태로 디스크에 저장하여 규칙을 관리

처리율 한도 초과 트래픽의 처리

• 어떤 요청이 한도 제한에 걸리면 API는 HTTP 429 응답(Too many requests)를 클라이언트에 보낸다.

• 경우에 따라서는 한도 제한에 걸린 메시지를 나중에 처리하기 위해 큐에 보관할 수 있다.

처리율 제한 장치가 사용하는 HTTP 헤더

• 서버는 클라이언트의 요청이 처리율 제한에 걸리고 있는 지를 감지하거나, 얼마나 많은 요청을 보낼 수 있는 지를 HTTP 응답 헤더에 포함하여 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 보내야 하는 지 알림

    • 사용자가 너무 많은 요청을 보내면 429 에러를 X-Ratelimit-Retry-After 헤더와 함께 반환하도록 한다.

상세 설계

• 처리율 제한 규칙은 디스크에 보관한다.

• 작업 프로세스는 수시로 규칙을 디스크에서 읽어 캐시에 저장한다.

• 클라이언트가 요청을 서버에 보내면 요청은 먼저 처리율 제한 미들웨어에 도달한다.

• 처리율 제한 미들웨어는 제한 규칙을 캐시에서 가져온다.

• 카운터 및 마지막 요청의 타임스탬프를 캐시에서 가져온다.

• 가져온 값들을 통해서 미들웨어는 다음과 같은 결정을 내린다.

  • 해당 요청이 처리율 제한에 걸리지 않은 경우는 API 서버로 보낸다.

  • 해당 요청이 처리율 제한에 걸렸다면 429 에러를 클라이언트에 보낸다. 요청을 버리거나 이후 실행되도록 큐에 저장한다.

분산 환경에서 처리율 제한 장치의 구현

경쟁 조건(Race Condition)과 동기화(Synchronization) 이슈를 해결해야 한다.

경쟁 조건(Race Condition)

• 캐시에서 데이터를 읽을 떄 경쟁 조건 이슈가 발생한다면, 읽은 값을 쓰기도 전에 이전 값을 읽어서 값이 누락될 수 있다.

• 경쟁 조건 문제를 해결하기 위해서 락(Lock)을 사용할 수 있다. 하지만 락은 시스템의 성능을 떨어뜨리는 문제가 있다.

• 락 대신 사용할 수 있는 방법

  • 루아 스크립트(Lua Script)

  • 정렬 집합(Sorted Set) 자료 구조

동기화 이슈

• 여러 대의 처리율 제한 장치 서버를 두게 된다면, 분산 처리로 인해서 더 많은 사용자를 감당할 수 있지만 동기화 문제가 발생한다.

• 고정 세션을 활용하여 클라이언트의 요청은 항상 같은 처리율 제한 장치로 보낼 수 있도록 하는 방법

  • 추천하지 않고, 규모 면에서 확장성이 없고 유연하지 않다.

• 캐시를 사용하여 중앙 집중형 데이터 저장소를 사용하여 동기화 이슈를 해결한다.

성능 최적화

• 데이터 센터에서 멀리 떨어진 사용자를 처리하면 지연 시간이 증가하는 문제가 있다. 이 때문에 API Gateway 서비스들은 데이터 센터 별로 지정이 가능하다.

• 처리율 제한 장치 간에 데이터를 동기화 할 때 최종 일관성 모델(Eventual consistency model)을 사용한다.

모니터링

• 처리율 제한 장치를 설치한 이후에는 효과적으로 동작하는 지를 파악하기 위해서 모니터링을 통해서 지표를 확인한다.

• 확인해야 하는 지표

  • 채택한 처리율 제한 알고리즘의 효율성

  • 정의한 처리율 제한 규칙의 효율성

• 지표를 확인하면서 알고리즘, 규칙 등을 휴리스틱하게 변경하며 최적화를 진행한다.

마무리

경성 또는 연성 처리율 제한

• 경성 처리율 제한

  • 요청의 개수는 임계치를 절대 넘어설 수 없다.

• 연성 처리율 제한

  • 요청 개수는 잠시 동안은 임계치를 넘어설 수 없다.

다양한 계층에서의 처리율 제한

• OSI 7 Layer에서 어플리케이션 계층에서의 처리율 제한만 이번 장에서 다루었다.

• 다른 계층에서도 각각의 방법으로 처리율 제한을 구현할 수 있다.

처리율 제한을 회피하는 방법, 클라이언트를 어떻게 설계하는 것이 최선인지

• 클라이언트 측 캐시를 사용하여 API 호출 횟수를 줄인다.

• 처리율 제한의 임계치를 이해하고, 짧은 시간 동안 너무 많은 메시지를 보내지 않도록 한다.

• 예외나 에러를 처리하는 코드를 도입하여 클라이언트가 예외적 상황으로부터 우아하게 복구될 수 있도록 한다.