서버 인프라 설계시 를 최소하려는 시도를 아키텍쳐 측면에서 바라보면 다음과 같이 4가지 아키텍쳐가 존재합니다.

 

그러면 각각을 하나하나 살펴 보겠습니다.

 

1.

일반적으로 대다수의 서비스들이 이 아키텍쳐를 기반으로 만들어졌다고 보시면 됩니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

이 아키텍쳐의 특징은 나름 확장성도 있지만 에 취약하다는 것입니다. 즉, 해당 Zone에 물리적 가 생기면 서비스 전체에 가 생긴다는 것이죠.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

 

2.

의 단점을 개선하기 위해 나온 아키텍쳐가 바로 입니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

두 존에 서버 인프라를 구축하고, 위급 상황이 발생하면 재빨리 서버를 전환한다는 발상입니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

 

그렇지만 사용하지 않는 서버는 쓸데없이 공간만 차지한다는 단점이 있습니다. 이런 아키텍쳐로 서비스를 하는 회사는 전세계에서 5% 이내일 것입니다. 그만큼 비용대비 효율이 좋지 않다는 것이죠. 차라리 가 나면 고객에게 공지를 하고 서비스를 안하는 것이 비용측면에서는 더 유리할 수 있습니다.

 

3.

가 쓸데없이 멀쩡한 장비를 놀릴 수 있다는 문제가 있어 이를 개선하여 나온 솔루션이 바로 입니다. 즉, 두 자원을 동시에 다 사용하자는 것이죠.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

이 방법은 두 Zone의 장비를 동시에 사용하므로 에는 매우 좋은 솔루션이라 할 수 있습니다. 그렇지만 좀더 자세히 생각 해 보면, 한쪽 Zone이 가 날 경우 나머지 Zone의 장비로 이를 다 커버하려 한다면 비용이 두배로 들 것입니다. 이 방법 역시 비용측면에서는 그리 똘똘한 답변이 아닙니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

 

4. / with

이 방법은 위의 3가지 방법론을 총망라한 궁극의 솔루션입니다. 라는 뜻인데, 이를 아키텍쳐 다이어그램으로 그리면 다음과 같습니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

 

궁국의 솔루션이지만 비용 측면에서는 여전히 답이 안나오는 솔루션이라 할 수 있습니다.

서버 인프라 설계시 장애를 고려하여 만드는 Single Infra, Active-Stand-by,Active-Active, Active-Stand-by/Active-Active+DR Center

이러한 시스템을 구축하는 곳이라면 아마도 은행이나 증권사정도 일텐데… 아마도 거기조차도 이러한 full system을 다 가지고 있지는 않을 것 같습니다.

제가 서비스 아키텍쳐를 책임지는 책임자이고, 회사의 정책을 결정짓는 사람이라면 를 모델로 가져가되, 서버 구축을 IDC에 직접 하지 않고 클라우드로 하겠습니다. 하여 구축비용을 최소화 하고, 에 대응할 수 있는 구조를 추천할 것입니다.

상용서비스의 경우 에 대한 답을 가지고 있어야 할 것 같습니다.



facebook posting twit

  • Machine Learning Tool의 종류와 용도
  • 자연어처리(NLU)를 하기 위한 소프트웨어 아키텍쳐 – 걸음마단계부터 인간 수준으로 진화하는 방향에 대해 알아본다
  • 구글 머신러닝 솔루션 텐서플로(Google Machine Learning – TensorFlow) 오픈소스 공개에 따른 현재와 미래의 비젼
  • EIDR(Entertainment IDentifier Registry) – 콘텐츠 ID 표준화를 이끄는 미디어/엔터테인먼트 서비스 연관 국제 표준 단체
  • 집단지성을 활용하는 Collaborative Filtering(CF) 알고리즘 – 추천 알고리즘으로 많이 이용되고 있지만, 한계도 알아야 해
  • 2-Tier 아키텍쳐와 3-Tier 아키텍쳐의 다른점
  • Leave a Reply