8주차 - 이서우

10주차/A조/이서우.md

@@ -0,0 +1,147 @@
+# 13장 검색어 자동 완성 시스템
+
+# 1 단계 문제 이해 및 설계 범위 확정
+
+## 요구사항
+
+- 빠른 응답 속도 : 사용자가 검색어를 입력함에 따라 자동완성 검색어도 충분히 빨리 표시돼야 함
+- 연관성: 자동완성되어 출력되는 검색어는 사용자가 입력한 단어와 연관된 것이어야 함
+- 정렬 : 결과는 인기도 등의 순위 모델에 의해 정렬돼 있어야 한다
+- 규모 확장성 : 시스템은 많은 트래픽을 감당할 수 있도록 확장 가능해야 한다
+- 고가용성 : 시스템의 일부에 장애가 발생하거나, 느려지거나 해도 시스템은 계속 사용 가능해야 한다
+
+## 계략적 규모 추정
+
+- 일간 능동 사용자는 천만 명으로 가정
+- 평균적으로 한 사용자는 매일 10건의 검색 수행
+- 질의할 때마다 평균적으로 20바이트의 데이터를 입력한다고 가정
+- 검색창에 글자를 입력할 때마다 클라이언트는 검색어 자동완성 백엔드에 요청을 보낸다. 따라서 평균적으로 1회 검색당 20건의 요청이 백엔드로 전달된다
+- 대략 초당 24000건의 질의(QPS)가 발생, 최대 QPS는 48000
+- 질의 가운데 20%정도는 신규 검색어라고 가정. 매일 0.4GB의 신규데이터가 시스템에 추가
+  <br><br>
+
+# 2단계 계략적 설게안 제시 및 동의 구하기
+
+개략적으로 보면 시스템은 두 부분으로 나뉜다
+
+- 데이터 수집 서비스(data gathering service) : 사용자가 입력한 질의를 실시간으로 수집하는 시스템
+- 질의 서비스(query service): 주어진 질의에 다섯개의 인기 검색어를 정렬해 내놓는 서비스이다
+
+## 데이터 수집 서비스
+
+질의문과 사용빈도를 저장하는 빈도 테이블이 있다고 가정하면 처음에 이 테이블은 비어 있는데 사용자가 단어를 순서대로 검색하면 그 상태가 다음과 같이 바뀌어 나간다
+
+## 질의 서비스
+
+빈도 테이블이 있을때 질의문을 저장하는 필드인 query와 질의문이 사용된 빈도를 저장하는 필드인 frequency가 있다. 사용자가 tw를 검색창에 입력했을때 가장 많이 사용된 5개 검색어는 다음과 같은 SQL 질의문을 이용해 계산할 수 있다
+
+```
+SELECT * FROM frequency_table
+WHERE query Like `prefix%`
+ORDER BY frequency DESC
+LIMIT 5
+```
+
+데이터 양이 적을 땐 괜찮지만 데이터가 아주 많아지면 데이터베이스가 병목이 될 수 있다
+<br><br>
+
+# 3단계 상세 설계
+
+## (1) 트라이 자료구조
+
+- 개략적 설계안에서는 관계형 데이터베이스를 저장소로 사용했지만 이건 효율적이지 않아 트라이를 사용해 이 문제를 해결
+
+### 트라이
+
+- 문자열들을 간략하게 저장할 수 있는 자료구조
+- 문자열을 꺼내는 연산에 초점을 맞추어 설계된 자료구조임을 미루어 짐작할 수 있다
+- 트라이는 트리 형태의 자료구조
+- 트리의 루트 노드는 빈 문자열을 나타냄
+- 각 노드는 글자 하나를 저장하며, 26개의 자식노드를 가질 수 있다
+- 각 트리 노드는 하나의 단어, 또는 접두어 문자열을 나타낸다
+  <br><br>
+
+### 질의어 'tree','try','true','toy','wish','win'이 보관된 트라이
+
+- 기본 트라이 자료구조는 노드에 문자들을 저장
+- 이용빈도에 따라 정렬된 결과를 내놓기 위해서는 노드에 빈도 정보까지 저장할 필요가 있다
+
+### 트라이도 검색어 자동완성은 어떻게 구현할 수 있을까? ( 가장 많이 사용된 질의어 k개 )
+
+- p: 접두어의 길이, n: 트라이 안에 있는 노드 개수, c: 주어진 노드의 자식 노드 개수
+- 해당 접두어를 표현하는 노드를 찾는다
+- 해당 노드부터 시작하는 하위트리를 탐색하며 모든 유효 노드를 찾는다. 유효한 검색 문자열을 구성하는 노드가 유효 노드다
+- 유효 노드들을 정렬하여 가장 인기 있는 검색어 k개를 찾는다
+
+### 최악의 경우에 전체 트리 다 검색해야하는 경우 해결
+
+- 접두어 최대 길이 제한
+  - 사용자가 검색창에 긴 검색어를 입력하는 일은 거의 없다. 따라서 p값은 작은 정수값이라고 가정해도 안전하다
+- 노드에 인기 검색어 캐시
+  - 각 노드에 k개의 인기 검색어를 저장해 두면 전체 트라이를 검색하는 일을 방지할 수 있다. - 각 노드에 인기 질의어를 캐시하면 top5 검색어를 질의하는 시간 복잡도를 엄청나게 낮출 수 있다.
+  - 하지만 각 노드에 질의어를 저장할 공간이 많이 필요하게 된다는 단점도 있다
+
+## (2) 데이터 수집 서비스
+
+- 실시간으로 데이터를 수정하는 서비스는 그닥 실용적이지 못 하다
+- 구글 검색 같은 애플리케이션이라면 그렇게 자주 바꿔줄 필요가 없다
+- 트라이를 만드는 데 쓰이는 데이터는 보통 데이터 분석 서비스나 로깅 서비스로부터 온다 -> 용례가 달라지더라도 데이터 수집 서비스의 토대는 바뀌지 않을 것
+
+### 데이터 분석 서비스 로그
+
+- 데이터 분석 서비스 로그에는 검색창에 입력된 질의에 관한 원본 데이터가 보관
+- 새로운 데이터가 추가될 뿐 수정은 이루어지지 않으며 로그 데이터에는 인덱스를 걸지 않는다
+
+### 로그 취합 서버
+
+- 데이터 분석 서비스로부터 나오는 로그는 보통 양이 엄청나고 데이터 형식도 제각각인 경우가 많다. 따라서 이 데이터를 잘 취합하여 우리 시스템이 쉽게 소비할 수 있도록 해야한다
+- 데이터 취합 방식은 우리 서비스의 용례에 따라 달라진다 -> 트위터와 같은 실시간 애플리케이션의 경우 결과를 빨리 보여주는 것이 중요하므로 데이터 취합 주기를 보다 짧게 가져갈 필요가 있다 / 대부분은 일주일에 한 번 정도 로그를 취합해도 충분할 것이다.
+
+### 작업 서버
+
+- 주기적으로 비동기적 작업을 실행하는 서버 집합
+- 트라이 자료구조를 만들고 트라이 데이터베이스에 저장하는 역할을 담당한다
+
+### 트라이 캐시
+
+- 분산 캐시 시스템으로 트라이 데이터를 메모리에 유지하여 읽기 연산 성능을 높이는 구실을 한다
+- 매주 트라이 데이터베이스의 스냅샷을 떠서 갱신한다
+
+### 트라이 데이터베이스
+
+- 지속성 저장소
+- (1) 문서 저장소 : 새 트라이를 매주 만들 것이므로 주기적으로 트라이를 직렬화하여 데이터베이스에 저장할 수 있다. 몽고디비 같은 문서 저장소를 활용하면 이런 데이터를 편리하게 저장할 수 있다
+- (2) 키-값 저장소 : 트라이는 아래 로직을 적용하면 해시 테이블 형태로 변환 가능하다
+  - 트라이에 보관된 모든 접두어를 해시 테이블 키로 변환
+  - 각 트라이 노드에 보관된 모든 데이터를 해시 테이블 값으로 변환
+
+## (3) 질의 서비스
+
+개략적 설계안에서 살펴본 질의 서비스의 비효율성을 개선한 설계안
+
+1. 검색 질의가 로드밸런서로 전송된다
+2. 로드밸런서는 해당 질의를 API 서버로 보낸다
+3. API 서버는 트라이 캐시에서 데이터를 가져와 해당 요청에 대한 자동완성 검색어 제안 응답을 구성한다
+4. 데이터가 트라이 캐시에 없는 경우에는 데이터를 데이터베이스에서 가져와 캐시에 채운다. 그래야 다음에 같은 접두어에 대한 질의가 오면 캐시에 보관된 데이터를 사용해 처리할 수 있다.( 캐시 미스는 캐시 서버의 메모리가 부족하거나 캐시 서버에 장애가 있어도 발생할 수 있다)
+
+### 질의 서비스 최적화 방안
+
+- AJAX 요청 : 웹 애플리케이션의 경우 브라우저는 보통 AJAX 요청을 보내어 자동완성된 검색어 목록을 가져온다. 장점은 요청을 보내고 받기 위해 페이지를 새로고침 할 필요가 없다는 것
+- 브라우저 캐싱 : 대부분 애플리케이션은 자동완성 검색어 제안 결과는 짧은 시간 안에 자주 바뀌지 않는다. 따라서 제안된 검색어들을 브라우저 캐시에 넣어두면 후속 질의의 결과는 해당 캐시에서 바로 가져갈 수 있다.
+- 데이터 샘플링 : 대규모 시스템의 경우, 모든 질의 결과를 로깅하도록 해 놓으면 CPU 자원과 저장공간을 엄청나게 소진. N개 요청 가운데 1개만 로깅하도록 하는 데이터 샘플링 기법은 이럴 때 유용
+
+### 트라이 연산
+
+#### 트라이 생성
+
+작업서버가 담당, 데이터 분석 서비스의 로그나 데이터베이스로부터 취합된 데이터를 이용한다
+
+#### 트라이 갱신
+
+1. 매주 한 번 갱신하는 방법 -> 새로운 트라이를 만든 다음에 기존 트라이를 대체한다
+2. 트라이의 각 노드를 개별적으로 갱신 -> 성능이 좋지 않지만 트라이가 작을 때 고려해봄직 하다
+
+#### 검색어 삭제
+
+- 트라이 캐시 앞에 필터 계층을 두고 부적절한 질의어가 반환되지 않도록 하는 것
+- 필터 계층을 두면 필터 규칙에 따라 검색 결과를 자유롭게 변경할 수 있다는 장점

3주차/A조/이서우.md

@@ -66,3 +66,106 @@
 - 2단계: 개략적 설계안 제시 및 동의 구하기 - 10분~15분
 - 3단계: 상세 설계 - 10분~25분
 - 4단계: 마무리 - 3분~5분
+
+<br><br>
+
+# <4장 처리율 제한 장치의 설계>
+
+### 처리율 제한 장치 : 클라이언트 또는 서비스가 보내는 트래픽의 처리율(rate)을 제어하기 위한 장치
+
+Ex) HTTP를 예로 들면, 이 장치는 특정 기간 내에 전송되는 클라이언트의 요청 횟수를 제한한다. API 요청 횟수가 제한 장치에 정의된 임계치를 넘어서면 추가 호출은 모두 처리가 중단된다
+<br>
+
+### 처리율 제한 장치를 두면 좋은 점
+
+- DoS 공격에 의한 자원 고갈 방지
+- 비용 절감 : 추가 요청에 대한 처리를 제한하면 서버를 많이 두지 않아도 되고 우선순위가 높은 API 에 더 많은 자원을 할당할 수 있다
+- 서버 과부하 방지
+
+## 1단계 문제 이해 및 설계 범위 확정
+
+- 처리율 제한 장치를 구현한느 데는 여러가지 알고리즘을 사용할 수 있는데, 각각은 고유한 장단점을 갖고 있다. 면접관과 소통하며 어떤 제한 장치를 구현해야 하는지 분명히 할 수 있다
+
+## 2단계 개략적 설계안 제시 및 동의 구하기
+
+### 처리율 제한 장치는 어디에 둘 것인가?
+
+- 클라이언트 측에 둔다면 : 일반적으로 클라이언트는 쉽게 위변조가 가능해 처리율 제한을 안정적으로 걸 수 있는 장소가 못 된다.
+- 서버 측에 둔다면
+- 처리율 제한 미들웨어로 API 서버로 가는 요청을 통제 ex) 클라우드 마이크로서비스 API 게이트웨이
+
+### 처리율 제한 알고리즘
+
+처리율 제한을 실현하는 알고리즘은 여러 가지인데, 각기 다른 장단점을 갖고 있다.
+
+#### 토큰 버킷 알고리즘
+
+- 처리율 제한에 폭넓게 이용되고 있다. 간단하고 보편적으로 사용된다. 아마존과 스트라이프가 API 요청을 통제하기 위해 이 알고리즘을 사용한다
+- 장점 : 구현이 쉽고, 메모리 사용 측면에서도 효율적이다. 짧은 시간에 집중된느 트래픽도 처리 가능하다. 버킷에 남은 토큰이 있기만 하면 요청은 시스템에 전달될 것이다
+- 단점 : 이 알고리즘은 버킷 크기와 토큰 공급률이라는 두 개 인자를 가지고 있는데, 이 값을 적절하게 튜닝하는 것은 까다로운 일이 된다
+
+#### 누출 버킷 알고리즘
+
+- 토큰 버킷 알고리즘과 비슷하지만 요청 처리율이 고정되어 있다는 점이 다르다. 보통 FIFO 큐로 구현한다
+- 토큰 버킷은 지정된 용량을 갖는 컨데이너로 버킷에는 사전 설정된 양의 토큰이 주기적으로 채워진다. 토큰이 꽉 찬 버킷에는 더 이상의 토큰은 추가되지 않는다. 각 요청은 처리될 때마다 하나의 토큰을 사용한다. 요청이 도착하면 버킷에 충분한 토큰이 있는지 검사하게 된다
+- 장점 : 큐의 크기가 제한되어 있어 메모리 사용량 측면에서 효율적, 고정된 처리율을 갖고 있기 때문에 안정적 출력이 필요한 경우 적합
+- 단점: 단시간에 많은 트래픽이 몰리는 경우 큐에는 오래된 요청들이 쌓이게 되고, 그 요청들을 제때 처리 못하면 최신 요청들은 버려짐
+
+#### 고정 윈도 카운터 알고리즘
+
+- 타임라인을 고정된 간격의 윈도로 나누고, 각 윈도마다 카운터를 붙인다 -> 요청이 접수될 때마다 이 카운터의 값은 1씩 증가한다 -> 이 카운터의 값이 사전에 설정된 임계치에 도달하면 새로운 요청은 새 윈도가 열릴 때까지 버려진다
+- 장점 : 메모리 효율 좋고, 이해하기 쉬우며 윈도가 닫히는 시점에 카운터를 초기화하는 방식은 특정한 트래픽 패턴을 처리하기에 적합하다
+- 단점: 윈도 경계 부근에서 일시적으로 많은 트래픽이 몰려드는 경우는 기대했던 시스템의 처리 한도보다 많은 양의 요청을 처리하게 된다
+
+#### 이동 윈도 로깅 알고리즘
+
+- 고정 윈도 카운터 알고리즘의 단점 해결
+- 요청의 타임스탬프를 추적한다. 타임스탬프 데이터는 보통 레디스의 정렬 집합 같은 캐시에 보관한다
+- 새 요청이 오면 만료된 타임스탬프는 제거한다
+- 새 요청의 타임스탬프를 로그에 추가한다
+- 로그의 크기가 허용치보다 같거나 작으면 요청을 시스템에 전달한다. 그렇지 않은 경우에 처리를 거부한다
+- 장점 : 처리율 제한 메커니즘이 아주 정교해 허용되는 요청의 개수는 시스템의 처리율 한도를 넘지 않는다
+- 단점 : 다량의 메모리를 사용
+
+#### 이동 윈도 카운터 알고리즘
+
+- 고정 윈도 카운터 알고리즘 + 이동 윈도 로깅 알고리즘
+- 장점 : 이전 시간대의 평균 처리율에 따라 현재 윈도의 상태를 계산하므로 짧은 시간에 몰리는 트래픽에도 잘 대응한다, 메모리 효율이 좋다
+- 단점 : 직전 시간대에 도착한 요청이 균등하게 분포되어 있다고 가정한 상태에서 추정치 계산하기 때문에 다소 느슨하다
+
+### 개략적인 아키텍처
+
+- 처리율 제한 알고리즘 : 얼마나 많은 요청이 접수되었는지를 추적할 수 있는 카운터를 추적 대상별로 두고이 카운터의 값이 어떤 한도를 넘어서면 한도를 넘어선 요청은 거부
+- 카운터는 캐시에 보관
+- 클라이언트가 처리율 제한 미들웨어에게 요청 -> 처리율 제한 미들웨어는 레디스의 지정 버킷에서 카운터를 가져와서 한도에 도달했는지 아닌지를 검사
+
+## 3단계 상세 설계
+
+처리율 제한 규칙은 어떻게 만들어지고 어디에 저장되는지, 처리가 제한된 요청들은 어떻게 처리되는지 정한다
+
+### 처리율 제한 규칙
+
+리프트(Lyft)는 처리율 제한에 오픈 소스를 사용하고 있다.
+
+### 처리율 한도 초과 트래픽의 처리
+
+어떤 요청이 한도 제한에 걸리면 API는 HTTP 429응답을 클라이언트에게 보낸다
+
+### 상세 설계
+
+- 처리율 제한 규칙은 디스크에 보관, 작업 프로세스는 수시로 규칙을 디스크에서 읽어 캐시에 저장
+- 클라이언트가 요청을 서버로 보내면 요청은 먼저 처리율 제한 미들웨어에 도달
+- 미들웨어는 제한 규칙을 캐시에서 가져온다. 카운터 및 마지막 요청의 타임스탬프를 레디스 캐시에서 가져온다. 가져온 값들에 근거하여 해당 요청이 처리율 제한에 걸리지 않은 경우에는 API 서버로 보내고, 처리율 제한에 걸렸다면 429 에러를 클라리언트에 보낸다
+
+### 분산 환경에서 처리율 제한 장치의 구현
+
+단일 서버를 지원하는 처리율 제한 장치를 구현하는 것은 어렵지 않지만 여러 대의 서버와 병렬 스레드를 지원하도록 시스템을 확장하는 것은 "경쟁 조건","동기화" 문제를 풀어야한다
+
+### 성능 최적화
+
+- 사용자 트래픽을 가장 가까운 에지서버로 전달하여 지연시간을 줄일 수 있다
+- 제한 장치 간에 데이터를 동기화 할 때 최종 일관성 모델을 사용
+
+### 모니터링
+
+- 처리율 제한 장치를 설치한 이후에는 효과적으로 동작하고 있는지 보기 위해 데이터를 모을 필요가 있다. 모니터링을 통해 확인하려는 것은 채택된 처리율 제한 알고리즘이 효과적인지, 정의한 처리율 제한 규칙이 효과적인지이다.