logo

Week 6 강의

분산 추적의 세계

Netflix 가 본 1 PB 로그 · 2026-07-11

범인 찾기 🕵️

왜 이 주제인가

  • 단일 서버 → 여러 서버 가면 프로파일링 만으론 부족
  • "느려요" 가 어느 서버 의 어느 단계 인지 추적 필요
  • W5 동시성 + W6 프로파일링 = 단일 서버 가시성
  • 이번 강의 = 여러 서버 가시성

"1 개 서버는 MRI, 100 개 서버는 CCTV 망."

오늘 다룰 것 📚

  1. 비유 — CCTV 망
  2. 단일 vs 분산 — 가시성의 차이
  3. Trace / Span / Context Propagation
  4. OpenTelemetry / Zipkin / Jaeger
  5. Netflix·Uber 사례 + 이력서 카드

시작 전 — 용어 카드

용어 한 줄 정의
Trace 한 요청의 전체 여정 (서비스 1 → N 까지)
Span Trace 안의 한 단계 (서비스 1 개 또는 함수)
Context Propagation trace ID 를 서비스 간 전달
OpenTelemetry 분산 추적·로그·메트릭 표준 (CNCF)
Service Mesh 서비스 간 통신을 인프라 가 가로채는 패턴

모르는 단어 나오면 이 표 다시.

Part 1 — CCTV 망 비유

  • 도둑을 건물 1채 안에서 잡기 = 단일 서버
  • 도둑이 10 건물 거쳐 도망 = 분산 추적
  • 각 건물에 CCTV (= span)
  • 시간 동기화 + 도둑 ID (= trace ID)
  • 건물 간 동선 재구성 (= context propagation)

"한 요청을 시작 부터 끝 까지 따라간다."

단일 vs 분산 — 가시성 차이

측면 단일 서버 분산 시스템
도구 프로파일러 분산 추적
단위 함수 서비스
어려운 점 핫스팟 어느 서비스
데이터 flamegraph trace tree
사례 async-profiler Zipkin / Jaeger

마이크로서비스 = 필수. 모놀리스도 DB / 캐시 / 외부 API 추적.

Part 2 — Trace / Span

[Trace] = 한 요청의 전체 여정
   ↓
[Span 1] gateway       (50ms)
   ├ [Span 2] auth     (10ms)
   ├ [Span 3] order    (200ms)
   │   ├ [Span 4] DB   (180ms)  ← 핫스팟!
   │   └ [Span 5] redis (5ms)
   └ [Span 6] notify   (20ms)

Span 들이 모여 Trace. Span 트리에서 가장 굵은 가지 = 핵심 병목.

Context Propagation

Request → gateway 서비스
  HTTP header: trace-id=abc-123

gateway → order 서비스
  HTTP header: trace-id=abc-123
                 parent-span=g-001

order → DB / redis / notify
  HTTP/RPC header: trace-id=abc-123
                   parent-span=o-002

모든 호출이 같은 trace-id 공유 → 추적 가능.

OpenTelemetry — 표준

🌐 OTel = 추적·로그·메트릭 통합 표준 (CNCF)
지원: Java / Python / Go / Node 다수
백엔드: Jaeger / Zipkin / Tempo / Datadog

✅ vendor 종속 ↓
✅ 한 SDK 로 모든 언어

Spring Boot 통합

management:
  tracing.sampling.probability: 1.0
  zipkin.tracing.endpoint: http://...

✅ Spring Boot 3 + Micrometer
✅ HTTP / DB / Redis 자동 계측

Part 3 — Service Mesh

지금까지: 코드에 _계측 라이브러리_ 박기
   ↓
2020+ : 인프라가 _자동_ 으로 추적
  • 모든 서비스 옆에 sidecar (= Envoy proxy)
  • Pod 내부 통신을 가로채서 추적
  • 코드 변경 없이 trace ID 발행 + 전파
  • Kubernetes + istio = 지금의 표준

"추적은 라이브러리 가 아니라 인프라 의 책임이다."

istio sidecar 동작

[Pod]  App ←→ Envoy ←→ 외부
              (sidecar proxy)

Envoy 가 가로채서 trace-id 자동 주입 + Jaeger 전송.

✅ App 코드 _0줄_ 변경
❌ K8s 환경 필요

istio vs Linkerd vs Cilium

도구 특징
istio 가장 많이 쓰임, 기능 풍부
Linkerd 가벼운 Service Mesh
Cilium eBPF 기반 커널 레벨
Consul HashiCorp 통합 
선택 = 운영 복잡도 vs 기능
공통: _코드 변경 X_ + _자동 추적_

코드 vs 인프라 — trade-off

코드 계측 (OTel SDK) Service Mesh
적용 라이브러리 추가 sidecar 자동 주입
변경 비용 모든 서비스 코드 수정 인프라 설정만
정확도 함수 단위까지 HTTP/RPC 경계만
운영 단순 K8s 운영 필요
추천 작은 팀·모놀리스 대규모 마이크로서비스

둘 다 보완. SDK 로 깊이 + Mesh 로 커버리지.

Part 4 — 공개 사례

자체 기술 블로그 / 공개 컨퍼런스 발표 기준.

Netflix    — 1 PB / day 추적 데이터
Uber       — Jaeger 를 _자체 개발_ 후 오픈소스
Twitter/X  — Zipkin 을 _자체 개발_ 후 오픈소스

일반 회사: SaaS APM (DataDog / NewRelic) 채택 다수
대규모: OSS (Jaeger / Tempo) 자체 운영

트래픽 큰 회사는 자체 개발·오픈소스화 패턴.

Netflix 의 분산 추적

규모:
  - 1 PB / day 추적 데이터
  - 1 초에 수백만 트랜잭션
  - 700+ 마이크로서비스

도입 효과:
  - 장애 _복구 시간_ 1 시간 → 5 분
  - SLA p99 _안정성_ ↑
  - 새 서비스 _병목 사전 발견_

"추적 없이 마이크로서비스 = 안개 속 운전."

함정 — 분산 추적의 비용

❌ 모든 요청 추적 → 저장소 폭발
❌ 추적 자체가 _느려짐_ (overhead)
❌ trace-id 안 박힌 _레거시_ 서비스
❌ 시간 동기화 _안 됨_ → 순서 뒤섞임

✅ 샘플링 1% (또는 적응형)
✅ 비동기 + 배치 전송
✅ 모든 서비스 _공통 라이브러리_
✅ NTP 동기화

단일 서버에서도 부분 적용 가능

HTTP 요청 → controller → service → repository
              ↓                          ↓
          [span 1]                  [span 2: SQL]
                                          ↓
                                    [span 3: redis]

✅ Spring Boot 만으로도 자동 계측
✅ 각 단계 _시간 분포_ 확인
✅ 마이크로서비스 가기 전 _학습_

부트캠프 학생도 첫 분산 추적 경험 가능.

실무에서 — 분산 추적 자리

도메인 추적 패턴
결제 주문 → 인증 → PG → DB → 알림
검색 검색 → ES → 캐시 → 추천
알림 트리거 → 큐 → 발송 → 응답
배달 주문 → 매칭 → 라이더 → 추적
회원가입 검증 → DB → 메일 → 분석

5 개 모두 여러 서비스 거치는 패턴.

이력서엔 — 분산 추적 카드

[결제 latency p99 5초 → 800ms 개선]
P (문제) 결제 응답 p99 5초 — 어느 단계인지 _추측_
O (옵션) 로그 수집 / APM 도입 / OpenTelemetry
D (결정) OpenTelemetry + Jaeger — 표준 + 무료
A (행동) Spring Boot 통합 + 모든 서비스 적용
R (결과) PG span 4초 발견 → 비동기 변환 → p99 800ms

AI 잘 쓰는 법 🤖

  • 잘하는 것: trace tree 해석, 병목 후보 추천
  • 자주 hallucinate: 도구 옵션 잘못, 버전별 차이
  • 검증 루프:
    1. AI 답 받기
    2. 본인 trace 데이터로 직접 확인
    3. 도구 공식 문서 교차
    4. evidence 에 도입 효과 기록

그럼 미션은? 🎯

  • W6 미션 07-week6-profiling = 단일 서버 프로파일링
  • 분산 추적은 다음 단계 — 학생 본인 미션은 단일 서버
  • 단, Spring Boot Actuator + Micrometer 만 켜둬도 기초 확보

막히면 → {cohort}-질문 채널 + 오피스아워 (화·목 21:00)

질문 ㄱㄱ ❓

이번 주 = "한 요청 _전체 여정_ 보기"
다음 면접 = "마이크로서비스 추적 어떻게?" 답할 수 있게

다음 격주 강의(W8): Event Sourcing — 캐시 너머.