대규모 알리바바 마이크로서비스의 복잡성 정량 분석

초록

본 논문은 알리바바의 실제 운영 마이크로서비스 환경에서 수집한 14일간의 분산 트레이싱 및 자원 사용 데이터를 정량적으로 분석한다. 서비스 수, 인스턴스 수, 호출 그래프, 워크로드 변동성 등 세 축(규모, 이질성, 동적성)에서 특징을 도출하고, 이를 메타(Meta) MSA와 비교하여 공통점과 차이점을 밝힌다. 연구 결과는 기존 연구와 테스트베드가 가정하는 단순화된 모델이 실제 대규모 시스템과 크게 달라, 향후 연구·운영 설계에 보다 현실적인 가정이 필요함을 시사한다.

상세 분석

이 논문은 알리바바 클라우드에서 운영되는 마이크로서비스 아키텍처(MSA)를 14일간 수집한 두 종류의 데이터(서비스 호출 트레이스와 인스턴스 자원 사용)로 전면 분석한다. 첫 번째 축인 규모에서는 총 64,760개의 고유 마이크로서비스와 1,866,091개의 인스턴스가 확인되었으며, 평균 29개의 복제본을 갖는다. 서비스 유형별로는 엔트리(입구) 서비스 8,591개, 리프(말단) 서비스 25,201개, 중간 서비스 30,959개가 존재한다. 특히 엔트리와 리프 서비스가 차지하는 비중이 각각 13 %와 39 %에 불과해 대부분이 복합적인 호출 관계를 가진다. 메타(Meta)와 비교했을 때 알리바바는 서비스 수가 더 많지만 인스턴스 복제 수는 적어, 알리바바는 기능을 보다 미세하게 분해하고, 메타는 하나의 서비스에 더 많은 복제본을 할당해 확장성을 확보하는 전략 차이를 보여준다.

두 번째 축인 이질성에서는 서비스 ID(Service ID)의 폭발적 증가가 눈에 띈다. 166 093 303개의 고유 Service ID가 존재하지만, 실제 사용자 트래픽에 기여하는 비율은 극히 낮다. 4.4 %만이 두 번 이상 호출됐으며, 0.3 %만이 100회 이상 호출된 것으로 나타났다. 이는 비사용자 기능(테스트, 관리 등)이 Service ID를 크게 부풀린 결과로 해석된다. 저자들은 각 Service ID의 호출 집합을 “콜 핑거프린트”로 정의하고, MinHash와 LSH 기법을 이용해 중복성을 측정했다. 99 % 이상의 Service ID가 최소 하나의 다른 Service ID와 핑거프린트를 공유했으며, 동일 핑거프린트를 가진 Service ID가 많을수록 개별 호출 횟수는 감소하는 경향을 보였다. 이는 실제 서비스 로직이 여러 Service ID에 중복 매핑돼 있다는 증거이며, 연구에서는 원시 Service ID 대신 핑거프린트 기반 군집을 사용해야 함을 제안한다.

세 번째 축인 동적성에서는 워크로드와 호출 그래프의 시간 변동성을 집중 분석한다. 전체 97 억 건의 마이크로서비스 호출과 15 억 건의 프론트엔드 요청이 기록되었으며, 일일 트래픽 변동 폭은 평균 80 %에 달한다. 24시간 주기의 뚜렷한 피크‑트러프 패턴이 관찰돼, 자동 스케일링 정책이 이러한 변동을 정확히 예측하지 못하면 자원 낭비 혹은 서비스 지연이 발생할 위험이 있다. 또한, 전체 호출 그래프는 543 948개의 유향 엣지를 포함해 매우 희소한 구조를 보인다. 완전 연결 그래프 대비 밀도는 0.0001 수준이며, 메타의 0.001보다 10배 낮다. 이는 알리바바가 마이크로서비스를 보다 세분화함에 따라 개별 서비스 간 상호작용이 감소했음을 의미한다.

이러한 정량적 결과는 기존 연구가 흔히 가정하는 “소규모·고밀도·정적” 모델과 크게 어긋난다. 예를 들어, 인과 그래프 기반 장애 원인 분석은 변수 수가 늘어날수록 계산 복잡도가 급증해 실용성이 떨어지고, 라벨링된 장애 데이터 확보 역시 서비스와 인스턴스 수가 방대해지면 비현실적이다. 논문은 이러한 문제점을 지적하고, (1) 서비스‑레벨이 아닌 인스턴스‑레벨 혹은 콜 핑거프린트‑레벨 모델링, (2) 동적 트래픽에 대응하는 시계열 기반 예측 스케일링, (3) 희소 그래프에 최적화된 경량 인과 추론 기법 등을 향후 연구 로드맵으로 제시한다.

요약하면, 알리바바 MSA는 극단적인 규모, 긴 꼬리형 워크로드와 의존성, 높은 이질성, 시간에 따라 크게 변하는 호출 구조를 특징으로 하며, 이는 현재 학계·산업계가 사용하는 테스트베드와 모델이 실제 운영 환경을 충분히 반영하지 못하고 있음을 강력히 시사한다.