분산시스템 (2) 썸네일형 리스트형 62. Netflix는 1억 명의 시청 기록을 어떻게 저장할까? — Cassandra 시계열 데이터 스토리지 확장기 Netflix Tech Blog의 «Scaling Time Series Data Storage» Part I(2018.01) · Part II(2018.11)를 재구성한 글입니다.하루 1억 4천만 시간 분량의 시청 데이터를 저장하기 위해 Netflix가 거쳐온 세 번의 아키텍처 진화를 따라가 봅니다.1. 시작하기 전에: 이 글에서 얻어갈 것시계열 데이터를 Cassandra에 저장할 때 "한 유저 = 한 로우" 모델이 왜 무너지는가Live / Compressed 분리와 롤업(rollup) 패턴의 동작 원리초대형 데이터를 다루는 청킹(chunking) + 병렬 읽기/쓰기 전략데이터의 종류(type) · 나이(age) · 상세도(level of detail) 를 기준으로 클러스터를 쪼개는 3차원 샤딩우리 서비.. 52. 실전 운영에서 마주하는 분산 시스템의 대가(Cost): 지연 시간과 파티션 허용 오차 🚀 들어가며: 분산 시스템이라는 양날의 검안녕하세요. Hans 입니다.현대 백엔드 아키텍처에서 분산 시스템(Distributed Systems)은 거부할 수 없는 대세로 자리 잡았습니다. 단일 고성능 머신(Scale-up)에 의존하는 대신, 여러 대의 독립적인 컴퓨팅 리소스(노드)에 작업 부하를 분산(Scale-out)시키는 구조는 대규모 트래픽을 처리하는 조직에게 필수적입니다.우리가 많은 비용과 노력을 들여 분산 시스템을 구축하는 이유는 명확합니다.확장성(Scalability): 필요에 따라 노드를 추가해 증가하는 트래픽을 선형적으로 처리할 수 있습니다.내결함성(Fault Tolerance): 특정 서버나 지역의 노드가 다운되더라도 시스템 전체가 멈추지 않고 사용자 요청을 계속 처리해 다운타임을 최소.. 이전 1 다음
