Microservices Architecture

온프레미스(On-Premise)

온프레미스(On-Premise)란 무엇인가?온프레미스(On-Premise)는 기업이나 조직이 자체적으로 데이터센터를 구축하고 IT 인프라(서버, 스토리지, 네트워크)를 보유하며 운영하는 방식을 의미합니다. 클라우드와 대비되는 개념으로, 온프레미스 환경에서는 하드웨어, 소프트웨어, 네트워크가 모두 조직 내에서 관리되며, 물리적 서버가 특정 장소(예: 기업의 데이터센터)에 설치됩니다.온프레미스는 데이터 보안, 커스터마이징, 규제 준수 등의 이유로 여전히 많은 기업과 조직에서 채택되고 있는 IT 인프라 운영 방식입니다.온프레미스의 주요 특징물리적 인프라의 소유 및 관리 조직이 서버, 스토리지, 네트워크 장비 등을 구매하고 직접 설치 및 유지보수합니다. 모든 데이터와 시스템은 내부 데이터센터에 위치합니다.보..

2024. 12. 9. 11:43

Microservices Architecture

프로비저닝(Provisioning)

프로비저닝(Provisioning)이란?프로비저닝(Provisioning)이란 IT 인프라에서 특정 리소스(서버, 네트워크, 스토리지, 소프트웨어 등)를 준비하고 설정하여 사용할 수 있는 상태로 만드는 과정 또는 기술을 의미합니다. 이를 통해 시스템, 서비스, 애플리케이션 등이 원활하게 동작할 수 있도록 리소스를 자동으로 할당, 배포, 설정할 수 있습니다.프로비저닝의 개념프로비저닝은 단순히 하드웨어나 소프트웨어를 설치하는 것뿐만 아니라, 리소스를 최적화하고 자동화하는 과정입니다. 오늘날 클라우드와 가상화 환경이 확산되면서 프로비저닝은 더욱 중요해졌으며, 자동화된 프로비저닝이 대세가 되었습니다.프로비저닝의 주요 유형서버 프로비저닝(Server Provisioning) 서버를 물리적 또는 가상 머신(VM)..

2024. 12. 9. 11:38

Microservices Architecture

클라우드 네이티브(Cloud Native)

클라우드 네이티브(Cloud Native)란 무엇인가?클라우드 네이티브(Cloud Native)란 클라우드 컴퓨팅 환경에 최적화된 애플리케이션 개발 및 운영 방법론을 의미합니다. 클라우드 네이티브는 클라우드의 유연성과 확장성을 극대화하기 위해 마이크로서비스 아키텍처, 컨테이너화, DevOps, 자동화된 배포, 오케스트레이션 등을 기반으로 애플리케이션을 설계하고 배포하는 접근 방식입니다.클라우드 네이티브는 단순히 클라우드 환경에서 실행하는 것에 그치지 않고, 탄력적이고, 자동화되며, 분산된 시스템을 구축하여 빠르게 변화하는 비즈니스 요구에 신속하게 대응하는 것을 목표로 합니다.클라우드 네이티브의 핵심 원칙마이크로서비스 아키텍처(Microservices Architecture) 애플리케이션을 독립적으로 배..

2024. 12. 9. 11:23

Microservices Architecture

마이크로서비스 아키텍처 요소

서비스 디스커버리(Service Discovery)개념 및 필요성:마이크로서비스 환경에서는 서비스 인스턴스가 동적으로 늘어나거나 줄어들고, 컨테이너나 VM 재시작 시 IP나 포트가 변경될 수 있습니다. 전통적인 정적 설정(IP, DNS)으로는 유연한 대응이 어렵습니다. 서비스 디스커버리는 이런 동적 변화를 중앙 레지스트리에 반영하고, 다른 서비스가 특정 서비스의 "논리적 이름"만 알고 있으면 동적으로 실제 IP/포트를 얻어올 수 있게 합니다.기술 요소: Eureka(Netflix OSS), Consul(HashiCorp), Zookeeper(Apache) 등이 대표적입니다. 각 서비스는 시작 시 자신을 디스커버리 서버에 등록(Register)하고, 주기적으로 Heartbeat를 전송하거나 TTL 기반..

2024. 12. 9. 10:44

Microservices Architecture

Actuator와 Micrometer

Actuator와 Micrometer란 무엇인가?Actuator와 Micrometer는 주로 스프링(Spring) 기반 애플리케이션 개발 시 애플리케이션 내부 상태 파악, 모니터링, 메트릭 수집 및 노출에 활용되는 라이브러리와 프레임워크입니다. 이를 통해 개발자나 운영팀은 애플리케이션 성능, 상태, 동작을 관찰하고 운영 환경에서 발생하는 문제를 더 빠르게 식별하여 대응할 수 있습니다.Spring Boot ActuatorActuator는 스프링 부트(Spring Boot) 애플리케이션의 상태와 내부 정보를 손쉽게 노출하고 관리하기 위한 엔드포인트(Endpoint)를 제공하는 모듈입니다. 애플리케이션에 Actuator를 추가하면, HTTP 엔드포인트를 통해 애플리케이션의 헬스 체크, 환경 변수, 설정 값, ..

2024. 12. 9. 10:30

Microservices Architecture

콘웨이의 법칙(Conway’s Law)

콘웨이의 법칙(Conway’s Law)이란 무엇인가?콘웨이의 법칙(Conway’s Law)은 1968년 멜빈 콘웨이(Melvin Conway)가 제안한 개념으로, 소프트웨어 시스템의 구조가 조직의 커뮤니케이션 구조를 반영한다는 법칙입니다. 즉, 소프트웨어의 아키텍처나 모듈 구조는 그것을 개발하는 조직(팀)의 소통 패턴, 부서별 분리, 커뮤니케이션 경계에 따라 결정된다는 의미입니다.콘웨이의 법칙을 간단히 표현하면 다음과 같습니다:"어떤 조직이 시스템을 설계하면, 그 시스템의 구조는 그 조직의 커뮤니케이션 구조를 닮아간다."콘웨이의 법칙의 배경멜빈 콘웨이는 당시 소프트웨어 개발 과정에서 개발 팀과 조직 구조가 소프트웨어 설계에 어떤 영향을 미치는지 관찰한 후 이 법칙을 제안했습니다. 이 법칙은 단순히 기술적..

2024. 12. 9. 10:10

Microservices Architecture

사가 패턴(Saga Pattern)

사가 패턴(Saga Pattern)이란 무엇인가?사가 패턴(Saga Pattern)은 마이크로서비스 아키텍처 환경에서 분산 트랜잭션을 관리하기 위한 아키텍처적 패턴입니다. 전통적인 모놀리스 아키텍처에서는 데이터베이스 내에서 트랜잭션을 통해 ACID 특성을 보장할 수 있지만, 마이크로서비스 환경에서는 서비스별로 독립된 데이터베이스를 가지기 때문에 전통적인 의미의 전역 트랜잭션 관리(2PC, XA 트랜잭션 등)가 어렵습니다.사가 패턴은 하나의 비즈니스 논리(프로세스)를 여러 마이크로서비스가 협력하여 처리할 때, 각 서비스가 독립적으로 자신의 로컬 트랜잭션을 실행하고, 실패 발생 시 보상(Compensation) 작업을 통해 전체적으로 일관성 있는 상태로 복구하는 분산 트랜잭션 관리 기법입니다.사가 패턴의 기..

2024. 12. 9. 09:40

Microservices Architecture

마이크로서비스(Microservices)

마이크로서비스(Microservices)란 무엇인가?마이크로서비스 아키텍처(Microservices Architecture)란 대규모 소프트웨어 시스템을 작고 독립적으로 배포 가능한 서비스 단위로 쪼개어 구성하는 소프트웨어 아키텍처 스타일을 의미합니다. 각 마이크로서비스는 특정 비즈니스 기능 또는 도메인을 책임지며, 다른 서비스와 느슨하게 결합(Loose Coupling)되어 독립적으로 개발, 배포, 확장, 유지보수가 가능합니다.전통적인 모놀리스(monolithic) 아키텍처에서는 모든 기능이 하나의 큰 애플리케이션 안에 포함되는 반면, 마이크로서비스는 여러 개의 작은 서비스가 API나 메시징을 통해 상호 작용함으로써 전체 시스템을 구성합니다.마이크로서비스 아키텍처의 특징독립적인 배포 및 개발각 서비스는..

2024. 12. 9. 09:24

Microservices Architecture

빅데이터(Big Data)

빅데이터(Big Data)란 무엇인가?빅데이터(Big Data)란 크기(Volume), 속도(Velocity), 다양성(Variety) 측면에서 기존 데이터 처리 방식으로는 관리하거나 분석하기 어려운 대규모 데이터를 의미합니다. 이 세 가지를 흔히 "3V"라고 부르며, 경우에 따라 정확성(Veracity), 가치(Value) 등의 요소가 추가로 언급되기도 합니다. 빅데이터는 단순히 "큰 데이터"가 아니라, 이를 처리·분석·활용함으로써 새로운 통찰(Insight)과 가치를 창출하는 개념입니다.빅데이터의 특징규모(Volume)빅데이터는 페타바이트(PB) 또는 엑사바이트(EB) 단위의 방대한 데이터 세트를 의미합니다. 전통적인 데이터베이스나 단일 서버로 처리하기 어려울 만큼 데이터 양이 폭발적으로 증가하고 있..

2024. 12. 9. 09:22

Microservices Architecture

데이터 웨어하우스(Data Warehouse)

데이터 웨어하우스(Data Warehouse)란 무엇인가?데이터 웨어하우스(Data Warehouse)는 조직 내 다양한 출처에서 수집된 대규모 데이터 세트를 통합, 정제, 저장하여 분석 및 보고를 용이하게 하는 중앙 집중화된 데이터 저장소를 의미합니다. 데이터 웨어하우스는 운영 시스템(OLTP)과 분리되어 있으며, 주로 비즈니스 인텔리전스(BI), 데이터 분석, 의사결정을 지원하는 OLAP(Online Analytical Processing) 용도로 활용됩니다.데이터 웨어하우스는 원시 데이터를 그대로 저장하는 것이 아니라, 일정한 스키마 및 구조에 따라 정규화 또는 비정규화 형태로 변환, 통합한 뒤 장기 보관하며, 이를 통해 기업은 시계열적인 관점에서 데이터를 분석하고 인사이트를 얻을 수 있습니다.데이..

2024. 12. 9. 09:18

Microservices Architecture

모놀리스 아키텍처(Monolithic Architecture)

모놀리스 아키텍처란 무엇인가?모놀리스 아키텍처(Monolithic Architecture)는 소프트웨어를 구성하는 모든 기능과 서비스, 비즈니스 로직, 데이터 액세스 레이어, 사용자 인터페이스(UI), 인증, 로그 처리 등을 하나의 단일 애플리케이션 코드베이스 및 배포 단위로 묶어놓는 전통적인 소프트웨어 아키텍처 패턴입니다. 즉, 애플리케이션을 구성하는 모든 요소들이 하나의 커다란 "덩어리(Monolith)"로 이루어진 형태라고 할 수 있습니다.전통적인 웹 애플리케이션 개발 환경에서 흔히 사용되는 방식으로, 예를 들어 2000년대 초반부터 중반까지 크게 유행했던 Java EE, .NET 기반 엔터프라이즈 애플리케이션들이 대표적인 모놀리스 구조를 갖추고 있었습니다. 당시에는 분산 아키텍처나 컨테이너 기반 ..

2024. 12. 9. 09:13

Microservices Architecture

Apache Kafka와 ActiveMQ

1. Apache Kafka Apache Kafka는 대용량의 데이터 스트림을 실시간으로 처리하기 위해 설계된 분산 메시징 플랫폼입니다. 일반적으로 대량의 이벤트 데이터를 빠르게 수집하고, 그 데이터를 다양한 애플리케이션이나 데이터베이스로 전송할 때 사용됩니다. 주요 특징  • 분산 시스템: Kafka는 다수의 서버에 걸쳐 클러스터링이 가능하여 높은 확장성과 내구성을 제공합니다. • 데이터 스트림 유지: Kafka는 기본적으로 메시지를 디스크에 저장하여 장기간 보존할 수 있습니다. 이는 데이터 스트림을 한 번에 소비하지 않고 여러 소비자가 개별적으로 필요한 시점에 데이터를 읽을 수 있게 합니다. • 이벤트 중심 아키텍처: 대규모 데이터 파이프라인 구축에 적합하며, 많은 애플리케이션에서 이벤트 중심 아키텍..

2024. 11. 8. 16:26

Microservices Architecture

Amazon EC2, SC3

Amazon EC2 (Elastic Compute Cloud) EC2는 AWS의 가상 서버(인스턴스) 서비스를 의미하며, 클라우드에서 컴퓨팅 리소스를 제공하여 애플리케이션을 실행할 수 있도록 돕습니다. 1. 기능 및 특징 • 스케일링: 사용자는 필요에 따라 인스턴스를 확장하거나 축소할 수 있습니다. 예를 들어, 트래픽이 증가하면 인스턴스를 늘리고, 트래픽이 줄어들면 다시 줄일 수 있습니다. • 다양한 인스턴스 유형: 사용자의 요구에 맞게 다양한 인스턴스 유형이 제공됩니다. CPU, 메모리, 네트워크 성능에 따라 최적화된 인스턴스를 선택할 수 있습니다. • 보안: VPC(가상 사설 클라우드)에서 인스턴스를 배포하여 네트워크를 격리하거나, 보안 그룹을 통해 인스턴스의 네트워크 접근을 제어할 수 있습니다. •..

2024. 11. 8. 16:17

Microservices Architecture

Kafka의 Source, Target, Topic, Partition

1. Source (소스) Source는 Kafka에 데이터를 전송하는 시작점으로, 다양한 애플리케이션이나 시스템이 Source 역할을 할 수 있습니다. Source는 Kafka에 데이터를 전송하기 위해 Producer API를 사용하여 특정 토픽에 데이터를 지속적으로 전송하게 됩니다. Source의 예시와 구성  • 애플리케이션 로그: 예를 들어 웹 애플리케이션에서 사용자 행동 데이터를 실시간으로 Kafka에 전송하여 로그를 수집합니다. • IoT 센서 데이터: IoT 장비들이 센서 데이터를 Kafka에 전송하여 실시간으로 모니터링할 수 있습니다. • 데이터베이스 변경 사항: 데이터베이스가 업데이트될 때마다 해당 변경 사항을 Kafka로 전송해 데이터베이스의 변경 사항을 여러 시스템에서 공유하도록 할 ..

2024. 11. 7. 10:28

Microservices Architecture

Kafka의 Lag와 Burrow

Kafka의 Lag와 Burrow는 Kafka 클러스터에서 메시지 소비 상태를 모니터링하고 최적화하는 데 중요한 개념입니다.  1. Kafka Lag Lag는 Consumer가 아직 읽지 못한 메시지 수를 의미합니다. Lag는 Consumer가 토픽의 최신 메시지에 얼마나 뒤쳐져 있는지 측정하는 지표로, Kafka에서 성능과 안정성을 모니터링하는 데 중요한 역할을 합니다. Lag 계산 방법 Kafka의 Lag는 토픽의 최신 오프셋과 Consumer가 마지막으로 커밋한 오프셋 간의 차이로 계산됩니다: • Lag = 최신 오프셋 - 커밋된 오프셋 • 최신 오프셋은 토픽 파티션의 마지막 메시지 위치를 의미하며, 커밋된 오프셋은 Consumer가 마지막으로 처리한 위치를 나타냅니다. Lag의 의미와 관리  • ..

2024. 11. 7. 10:21