[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

1. 들어가며
2. 네이버 검색시스템의 SRE
3. 실제 사례 소개
4. Search Reliability Engineer

대용량 처리 (High Throughput)
짧은 대기시간 (Low Latency)
장애가 발생하면 대용량 처리와 짧은 대기시간을 보장할 수 없음

https://www.pexels.com/royalty-free-images/

얼마나 비용 효율적인지 증명할 수 있는가?
→ 정확한 비용 측정 / 예측의 중요성
화재가 나지 않았을 때, 예방 활동 덕분이었다는 것을 어떻게 증명할 수 있는가?
→ 정확하고 구체적인 경보 체계 확립 필요
→ 정확한 사후분석 (post-mortem) 필요

수백 개의 검색 서비스
수만 대의 서버 장비
하루 수십억 건의 검색 요청
수백억 건의 컨텐츠
수십 개의 조직
수백 명의 구성원
다양한 엔진 시스템 도구들

문제 원인 핀포인트 추적 어려움
문제 영향 범위 확정 어려움
장애 복구 완료 후에도 모든 구성요소 정상화 확인 어려움

글로벌 스케일의 서비스를 제공하면서 어떻게 하면 시스템의 신뢰성을 보장할지
고민하는 기술 분야이자 방법론, 문화

모든 검색서비스 정상 동작
1년 10분 이하 다운타임
고비용 사후처리보다 저비용 사전예방
이 목표 달성을 위한 모든 활동

검색 요청 트래픽 서버 응답시간 사용량 디스크 네트워크 사용량 등등

99.998%인데, 좋은 숫자인데… → 1년 동안 10분 장애
네이버 통합검색 10분 장애는 대재난!!!
!"#$%#&$%$'( =
*+,-
*++. + *+,-
평균 복구 시간
평균 무고장 시간

서버 2 서버 3 서버 4
서버 1
서버 1
특정 서버에 문제가 생기면 다른 서버들이 많은 영향을 받는다!

4L / 4L 4L / 4L
+1L
3L / 4L 3L / 4L 3L / 4L
+1L+1L
2L / 4L 2L / 4L 2L / 4L 3L / 4L 3L / 4L
+1L+1L
한 친구가 죽으면 나머지 친구들은
몇 배를 받나
한 명이 현재 몇 배까지 받을 수 있나
부하증가배수 최대가용배수

가용량 경보 발생 시 미리 경보
각 서비스 담당자들에게 성능 및 컨설팅 정보 제공

최대치 대비
약 90% 감소

긴급 대응 필요 상황 대응 불필요 상황
경보 발생
실제 장애 상황
색인 업데이트 캐시 갱신 등
시간이 흐르면 정상화 되는 상황
경보 미발생 장애가 발생했으나
경보가 울리지 않는 경우
정상 상황

장점 : 그래프만 보고도 금방 장애 유무 판단 가능
단점 : 개인차 존재
다양한 장애 케이스에 대해서 모든 경우에 대한 모든 대응 자동화 (X)
빠른 대응을 위해 필요한 데이터들을 미리 모아주기 (O)
빠른 의사 결정을 위해 필요한 기본적인 상황 판단 자동화 (O)

지표의 방향을 부호로 인코딩 후
패턴 매칭으로 자동 상황 판단
335625355117664533
353265553771223344
353365344771223344

각 서비스 내부에서 일어나는 변화 집중 파악

각 서비스 내부에서 일어나는 변화 집중 파악
외부 요인들까지 고려하여
종합적인 관점에서 분석

일 월 화 수 목 금 토 일 월 화 수 목 금 토 일 월 화 수 목 금

오전 오후에 증가
점심시간 저녁시간에 감소
새벽 외 비슷한 트래픽 유지

당시 통합검색 트래픽 변화
수능 연기 발표
규모 여진 발생
규모 본진 발생
평소 대비 약 배 트래픽

화제가 되거나 컬링 등
금메달을 획득한 종목
스켈레톤 등 에 대한
검색 트래픽 대량 유입
우리나라 대표팀 경기에
많은 관심 집중
축구 경기 특유의
전반전 후반전 패턴 발생
병역 혜택이 걸린 종목은
경기 진행 상황에 따라 많은
검색 트래픽 유입
년 월 월 월

후반전
통합검색
전반전
경기 후 트래픽 증가
경기 중 트래픽 감소
후반전전반전
모바일 통합검색
하프타임 트래픽 증가
스웨덴 골

통합검색
스웨덴 골 대한민국 골
후반전전반전

일본 골
전반전 후반전 연장전
대한민국 골
통합검색

출처: MBC ‘나 혼자 산다’ 방송화면 캡쳐

버전 변경 시 트래픽 양상 변화, 통계 무효화
조작 실수나 버그 유입 가능성
실제 사용자 트래픽이 아니지만 서비스에 영향을 줄 수 있음
지표 수집에 문제가 생겨서 거짓 경보가 발생하는 경우 많음
Mapping 정보에 문제가 생기거나 수집 자체가 잘 안되는 경우 등 원인은 매우 다양

지금까지 겪어본 적 없는 문제들
언제 어디서 어떻게 발생할지 모르는 Incident
모든 경우의 수를 다 자동화하거나 시스템화 하는 것은 불가능
SRE는 시스템이 안정적으로 돌아가게 만들기 위한 ‘모든’ 활동
개발자 / 엔지니어의 심리적, 정신적 안정감도 시스템의 Reliability 에 큰 영향을 줌

일단, Incident 발생 시 필요한 두 가지 역할 정의
•
•
•
•
•
•
Icons made by Freepik from www.flaticon.com
SREcon18 Americas “Incident Command for IT—What We've Learned from the Fire Department?” Brent Chapman

현재 시점

Incident
감지
현재 시점

상황 판단
의사 결정
외부 대화
지표 수집 / 정리
시간대별 상황 기록
Incident
감지
현재 시점

상황 판단
의사 결정
외부 대화
지표 수집 / 정리
시간대별 상황 기록
Incident
감지
현재 시점
Chatbot 활용
Check in / Toss

SREcon18 Americas “Your System Has Recovered from an Incident, but Have Your Developers?” Jaime Woo
Incident 처리 후 많은 사람들이
분위기, 의욕, 집중력 등 각종 문제 경험
심리적 안전 (psychological safety) 의 중요성
의료계, 코미디, 스포츠 등 다른 분야 참고
각자 스트레스 처리하는 법 익히기
언제나 문제가 발생할 수 있다는 마음가짐
Incident에서 교훈 얻기
동료들의 도움의 중요성

현실에서는 단순히 비난이 없는 것 보다 사실에 기반하여 분석하는 것이 더 중요
글쓰기, 정기 Report 발행, 교육 등 SRE 문화 전파
NAVER Search & Tech
지진에도 흔들리지 않는 네이버 검색 시스템 - 1편
지진에도 흔들리지 않는 네이버 검색 시스템 - 2편
네이버 검색의 스마트한 경보 시스템

비상 상황 대응 방법 구체화
구성원 별 역할 체계화
SRE 조직 인원 보강
명 명 명 명
2015년 2016년 2017년 2018년 2019년
Anomaly Detection, Simulation 등
다양한 측면에서 발전을 위해 노력 중

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

More Related Content

What's hot (20)

Similar to [216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템) (20)

More from NAVER D2 (20)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)