본문으로 건너뛰기

클라우드 데이터베이스 - AWS 아키텍처 #8

AWS에는 DB 서비스가 많지만 고를 때 정해야 하는 것은 몇 가지로 좁혀진다. 어떤 데이터 모델에 어떤 서비스를 쓸지, 장애와 읽기 부하에 어떻게 대비할지, 백업과 암호화를 어떻게 할지, 캐시와 프록시를 어디에 둘지다. 이 글은 DB 선택 지도에서 시작해 RDS의 배포 방식, 백업, RDS Proxy, Aurora, DynamoDB, 캐시 순서로 다룬다. DB 이전(DMS)은 [AWS 아키텍처 6], Redshift는 [AWS 아키텍처 10]에서 다룬다. 절마다 요구 조건이 하나 바뀌면 구성이 어떻게 달라지는지를 사례로 붙였다.

한 장 그림

전체 구조: DB 선택 지도

DB 선택 지도: 데이터 모델과 워크로드에 따라 RDS, Aurora, DynamoDB, 특수 목적 DB, Redshift 중에서 고른다.
  • 함정: OLTP 워크로드에 Redshift를 쓰지 않는다. 반대도 마찬가지다.

RDS 고가용성 vs 읽기 확장 vs Aurora 구조

다중 AZ 인스턴스 배포는 가용성, 읽기 복제본은 읽기 확장, Aurora는 공유 클러스터 볼륨으로 둘을 함께 처리한다.
  • 함정: 읽기 성능 개선에 다중 AZ 인스턴스 배포는 효과 없다(대기 인스턴스는 못 읽는다).
  • 함정: 자동 페일오버로 수동 개입을 최소화하려면 읽기 복제본은 맞지 않는다(승격은 수동이다).

예시 구성: 앱 → 캐시, 프록시 → DB

앱은 캐시, 프록시, 버퍼를 거쳐 DB에 닿고, DynamoDB의 변경은 후처리와 확장으로 이어진다.
  • 캐싱 패턴: Cache-aside는 필요한 것만 캐시하지만 첫 요청이 느리고 낡을 수 있다(TTL). Write-through는 항상 최신이지만 안 읽히는 데이터도 쌓인다.
  • 대안: Memcached는 단순 캐시, 멀티스레드, 유실 허용, 복제 없음. MemoryDB는 Redis 호환 주 DB, 다중 AZ 영속. CloudFront는 반복 읽기.
  • 함정: 리포트 쿼리가 운영 DB를 느리게 하면 읽기 복제본이다(ElastiCache나 다중 AZ로는 해결 안 됨).
  • 함정: API GW + Lambda + DynamoDB 읽기 지연에서 일관성이 불필요하면 ElastiCache보다 DAX다.
  • 함정: 세션 유실을 막으려면 ElastiCache 또는 DynamoDB다. ALB 고정 세션보다 낫다.

백업, 복구, 암호화 흐름

RDS와 DynamoDB의 복원은 새 리소스로 만들어지고, 암호화는 스냅샷 복사로 바꾸며, 35일을 넘는 장기 보관은 AWS Backup이 맡는다.
  • 함정: AWS 관리형 키 aws/rds로 암호화된 스냅샷은 공유할 수 없다. 암호화 안 된 DB에서 암호화된 복제본도 만들 수 없다.

DB 선택 지도, OLTP vs OLAP

주문 API가 짧은 INSERT와 SELECT를 초당 수천 번 보내는 것과 월말 정산 배치가 수억 행을 훑어 합계를 내는 것은 DB에 주는 부하가 전혀 다르다. 앞쪽처럼 짧은 트랜잭션을 대량으로 처리하는 워크로드를 OLTP, 뒤쪽처럼 대량으로 스캔하고 집계하는 워크로드를 OLAP라고 한다. AWS는 워크로드와 데이터 모델마다 다른 DB 서비스를 두므로 이 둘을 먼저 가른다.

데이터 모델 AWS 서비스 쓰는 경우
관계형 RDS, Aurora 조인, 트랜잭션, 기존 SQL 앱
키-값 DynamoDB 서버리스, 무제한 확장, 밀리초 응답, 유연한 스키마
인메모리 ElastiCache, MemoryDB 캐시, 세션, 리더보드, 마이크로초~밀리초 응답
문서 DocumentDB MongoDB 호환, JSON 문서
그래프 Neptune 소셜 관계, 추천, 사기 탐지
와이드 컬럼 Keyspaces Cassandra 호환, CQL
시계열 Timestream IoT 센서, 지표
원장 (QLDB, 종료) 변경 불가, 암호학적으로 검증 가능한 이력
데이터 웨어하우스 Redshift(열 지향 MPP) OLAP, 대규모 집계 쿼리
  • OLTP(짧은 트랜잭션 대량)에는 RDS, Aurora, DynamoDB를 쓴다. OLAP(대량 스캔과 집계)에는 Redshift를 쓴다.
  • OLTP 워크로드에 Redshift를 쓰지 않고 OLAP 워크로드를 OLTP용 DB에 맡기지 않는다.

RDS 상품 구조 한눈에

애플리케이션 설정의 DB 호스트에 mydb.xxxx.ap-northeast-2.rds.amazonaws.com 같은 주소가 들어 있다면 그 DB는 RDS에서 돌고 있다. RDS는 MySQL, PostgreSQL 같은 관계형 DB 엔진을 AWS가 운영해 주는 관리형 서비스다. 백업과 페일오버 같은 운영 작업을 AWS가 맡는 대신 DB 서버의 OS에는 접근할 수 없다.

RDS는 엔진, 배포 방식, 부가 기능 세 축으로 나눠 보면 정리된다. Aurora도 RDS 콘솔 안에 있지만 구조가 달라 따로 본다.

RDS는 엔진, 배포 방식, 부가 기능 세 축으로 나뉘고 Aurora는 구조가 달라 따로 본다.

RDS가 아닌 것: DynamoDB(NoSQL), ElastiCache(캐시), Redshift(데이터 웨어하우스), DocumentDB, Neptune은 별도 서비스다.

① 일반 RDS의 배포 방식

배포 방식 구조 읽기 맞는 경우
단일 AZ 인스턴스 1대 인스턴스 1대가 읽기와 쓰기를 모두 처리 개발, 비용 최소
다중 AZ 인스턴스 배포 주 인스턴스 1대 + 대기 인스턴스 1대(다른 AZ, 동기 복제) 대기 인스턴스는 읽기 불가 고가용성, 자동 페일오버
다중 AZ DB 클러스터 라이터 1대 + 읽기 가능한 대기 인스턴스 2대(3개 AZ, 반동기 복제) 대기 2대가 읽기 가능 고가용성 + 읽기 분산 + 더 빠른 페일오버(MySQL, PostgreSQL만)
읽기 복제본 원본 + 복제본 여러 대(비동기, 리전 간 가능) 읽기 전용 읽기 부하 분산, 리포트, DR(수동 승격)
  • 다중 AZ 배포는 가용성용, 읽기 복제본은 성능용이다. 다중 AZ 인스턴스 배포의 대기 인스턴스에는 읽기 요청을 보낼 수 없다.
  • 둘은 함께 쓸 수 있다(다중 AZ 원본 + 읽기 복제본).
  • 복제본은 원본의 암호화 상태를 따라간다. 암호화 안 된 원본에서 암호화된 복제본을 만들 수 없다(스냅샷 → 암호화 복사 → 복원으로 해결한다).

② Aurora는 무엇이 다른가

일반 RDS Aurora
스토리지 인스턴스마다 EBS를 따로 붙임 클러스터 공유 스토리지(3개 AZ에 6벌 복제, 자동 확장)
복제본 데이터를 복제해서 따라감 같은 스토리지를 읽으므로 지연이 아주 짧음(최대 15대)
페일오버 대기 인스턴스를 승격 복제본이 곧 페일오버 대상
리전 간 리전 간 읽기 복제본 Global Database(1초 미만 복제, 빠른 리전 전환)
서버리스 없음 Serverless v2(부하에 따라 ACU 자동 확장)

Aurora가 맞는 경우: MySQL/PostgreSQL 호환 + 고성능, 고가용성 / 복제 지연 최소 / 리전 간 DR을 1초 미만으로 / 예측 불가 부하 + 관리 최소(Serverless v2)

③ 부가 기능

기능 하는 일 쓰는 경우
RDS Proxy 커넥션 풀링, 페일오버 시간 단축 Lambda가 연결을 너무 많이 열어 DB가 버티지 못할 때
자동 백업 최대 35일 보존 + PITR 특정 시점으로 복구
수동 스냅샷 직접 지울 때까지 보존, 다른 계정과 공유 가능 장기 보관, 다른 계정에 사본 전달
블루/그린 배포 복제된 스테이징 환경에서 변경을 검증한 뒤 짧은 다운타임으로 전환 엔진 업그레이드를 최소 다운타임으로
IAM DB 인증 비밀번호 대신 IAM 토큰으로 접속 DB 비밀번호 없이 접속
Secrets Manager 연동 DB 비밀번호 저장과 자동 교체 자격 증명 자동 교체([AWS 아키텍처 4])
RDS Custom 관리형이면서 OS, DB 접근 허용(Oracle, SQL Server) OS에 에이전트 설치가 필요한 레거시

한 번에 고르는 법

  • 장애에 버티기 → 다중 AZ 배포
  • 다중 AZ 인스턴스 배포 → 다중 AZ DB 클러스터: 수정 버튼으로 바꿀 수 없다. 클러스터 읽기 복제본을 만들어 승격하는 식으로 이전한다(엔진은 그대로).
  • RDS MySQL/PostgreSQL → Aurora: 가능하다. 다운타임을 최소로 하려면 Aurora 읽기 복제본을 만들어 승격하고 그 밖에는 스냅샷 복원이나 DMS를 쓴다. Oracle, SQL Server → Aurora는 DMS + SCT를 쓴다.
  • 읽기가 많음 → 읽기 복제본(또는 Aurora 복제본)
  • 둘 다 + 빠른 페일오버 → 다중 AZ DB 클러스터 또는 Aurora
  • 리전 장애 대비 → 리전 간 읽기 복제본 또는 Aurora Global Database
  • 부하 예측 불가 + 관리 최소 → Aurora Serverless v2
  • Lambda 연결 폭주 → RDS Proxy

RDS 기본: 엔진, 스토리지

항목 내용 설계할 때 볼 점
엔진 MySQL, PostgreSQL, MariaDB, Oracle, SQL Server, Db2 OS에 접근할 수 없다. OS나 DB 설정을 직접 건드려야 하면 RDS Custom(Oracle, SQL Server) 또는 EC2
스토리지 gp3(범용) / io2(Provisioned IOPS) 용량과 독립적으로 IOPS를 정하고 비용 효율이 중요하면 gp3, 일관된 고IOPS와 저지연이 필요한 핵심 DB는 io2
스토리지 자동 확장 여유 공간이 줄면 최대 한도까지 자동 증설 디스크 부족 시점을 예측할 수 없고 운영을 최소로 하려 할 때
IAM DB 인증 비밀번호 대신 IAM이 발급한 15분짜리 토큰으로 접속(MySQL, MariaDB, PostgreSQL) DB 비밀번호 없이 IAM 역할로 접속
블루/그린 배포 운영 DB 복사본(그린)에서 업그레이드한 뒤 전환 메이저 버전 업그레이드 다운타임 최소

gp2는 IOPS가 용량에 묶여 있다. 용량과 관계없이 15,000 IOPS가 필요하면 gp2가 아니라 gp3를 쓴다.

RDS 고가용성 vs 읽기 확장

DB 서버가 죽으면 애플리케이션 로그에 연결 오류가 쏟아지고 누군가 새 서버를 올릴 때까지 서비스가 멈춘다. 다중 AZ 배포는 다른 AZ에 대기 인스턴스를 두고 장애가 나면 자동으로 넘어가게 하는 가용성 기능이다. 읽기 복제본은 원본을 비동기로 복사한 읽기 전용 DB로 조회 쿼리를 나눠 받는 성능 기능이다.

다중 AZ 인스턴스 배포 다중 AZ DB 클러스터 읽기 복제본
복제 동기 반동기(semi-sync) 비동기(복제 지연 있음)
대기 노드 읽기 읽기 불가 리더 엔드포인트로 읽기 가능 읽기 전용
위치 같은 리전 다른 AZ 1개 같은 리전 서로 다른 3개 AZ 같은 AZ / 다른 AZ / 다른 리전
페일오버 자동(DNS 엔드포인트 그대로) 자동, 인스턴스 배포보다 빠름 자동 아님. 수동 승격하면 독립 DB가 됨
목적 가용성 가용성 + 일부 읽기 읽기 성능, 리전 간 DR
엔진 모든 엔진 MySQL, PostgreSQL 대부분 엔진
  • 읽기 복제본 자체도 다중 AZ로 만들 수 있다. 리전 간 복제본을 승격하면 간단한 리전 DR이 된다.
  • MariaDB, MySQL, Oracle, PostgreSQL은 다중 AZ에서 대기 인스턴스에서 백업을 뜨므로 주 인스턴스의 I/O가 정지되지 않는다. SQL Server는 주 인스턴스에서 백업을 떠서 I/O가 잠깐 정지되고, Db2는 대기에서 떠도 I/O가 잠깐 정지된다.

설계할 때 알아 둘 점

  1. 읽기 성능을 높이는 데 다중 AZ 인스턴스 배포는 효과가 없다. 대기 인스턴스는 읽을 수 없다.
  2. 자동 페일오버와 최소 수동 개입이 필요하면 읽기 복제본으로는 안 된다. 승격은 수동이다.
  3. 컨테이너 + 관계형 DB 구성에서 고가용성과 최소 수동 개입이 필요하면 컴퓨팅 쪽 이중화와 함께 DB에 RDS 다중 AZ 배포를 갖춘다. 컴퓨팅만 이중화해서는 부족하다.

사례 1. 읽기 부하를 어디로 보낼까

같은 "읽기를 나눈다"라도 무엇을 함께 원하느냐에 따라 구성이 달라진다.

상황 A. BI 집계 쿼리가 주문 처리를 느리게 할 때 RDS for MySQL 단일 AZ 인스턴스로 주문 시스템을 운영한다. 분석팀의 BI 도구가 매시간 무거운 집계 쿼리를 돌릴 때마다 CPU 사용률이 치솟아 주문 처리 응답이 느려진다.

  • ① BI 대시보드는 몇 분 늦은 데이터를 보여 줘도 된다.
  • ② 운영 부담은 가장 적어야 한다.

해결. 읽기 복제본을 만들고 BI 도구의 연결 엔드포인트만 복제본으로 바꾼다. 비동기 복제라 몇 분 지연이 생길 수 있지만 조건이 이를 허용한다(①). 같은 쿼리를 반복하면서 마이크로초~밀리초 응답이 필요할 때가 캐시를 쓸 때다.

다른 선택지가 안 되는 이유

  • 다중 AZ 인스턴스 배포를 켜고 대기 인스턴스에서 쿼리: 성립하지 않는다. 대기 인스턴스는 읽을 수 없다.
  • ElastiCache에 집계 결과 캐시: 같은 쿼리를 반복할 때만 효과가 있다. 매시간 새로 계산하는 집계에는 효과가 작고 쿼리 계층도 고쳐야 해서 운영 부담이 크다(②).
  • 인스턴스 클래스를 두 단계 키우기: 덜 느려질 수는 있다. 하지만 주문 처리와 분석이 여전히 같은 인스턴스를 나눠 쓰므로 부하가 분리되지 않고 비용도 크게 는다(②).

상황 B. 놀고 있는 대기 인스턴스를 읽기에도 쓰고 싶을 때 RDS for PostgreSQL을 다중 AZ 인스턴스 배포로 운영한다. 대기 인스턴스가 평소 아무 요청도 처리하지 않아 비용이 아깝고 늘어나는 읽기 트래픽을 받을 곳도 필요하다.

  • ① 늘어나는 읽기 트래픽을 받을 곳이 필요하다.
  • ② 지난 페일오버 때 1~2분 동안 쓰기가 멈췄으므로 페일오버 시간도 줄여야 한다.
  • ③ 엔진은 RDS for PostgreSQL 그대로 두고 고가용성 구성 하나로 두 요구를 함께 해결한다.

해결. 다중 AZ DB 클러스터로 이전하고 읽기 트래픽은 리더 엔드포인트로 보낸다. 라이터 하나와 읽기 가능한 대기 인스턴스 두 개를 서로 다른 3개 AZ에 두는 구성이다(①). 반동기 복제라 페일오버도 인스턴스 배포보다 빠르다(보통 35초 이내)(②). MySQL과 PostgreSQL을 지원하므로 엔진도 그대로다(③).

다른 선택지가 안 되는 이유

  • 기존 대기 인스턴스의 엔드포인트를 읽기용으로 추가: 할 수 없다. 다중 AZ 인스턴스 배포의 대기 인스턴스는 읽기 요청을 받지 않고 대기 인스턴스용 엔드포인트도 따로 없다(①).
  • 읽기 복제본 두 개 추가: 읽기는 분산된다. 하지만 복제본은 자동 페일오버 대상이 아니라서 페일오버 시간이 줄지 않고(②) 기존 대기 인스턴스도 계속 논다.
  • Aurora PostgreSQL 호환으로 이전: Aurora 복제본이 읽기와 빠른 페일오버를 모두 해 준다. 하지만 엔진이 Aurora로 바뀌므로 ③에 걸린다.

기존 인스턴스를 수정해서 바로 클러스터로 바꾸는 옵션은 없다. 다중 AZ DB 클러스터 읽기 복제본을 만든 뒤 승격하거나(다운타임이 짧다) 스냅샷을 클러스터로 복원하는 방식으로 이전한다.

RDS 백업, 스냅샷, 암호화

운영자가 DELETE 문에서 WHERE 절을 빠뜨렸다면 사고 직전 시점으로 DB를 되돌려야 한다. RDS 자동 백업은 매일 전체 백업을 뜨고 트랜잭션 로그(binlog/WAL)를 함께 보관하므로 보존 기간 안의 아무 시점으로나 복구할 수 있다. 이 기능을 특정 시점 복구(PITR)라고 한다.

자동 백업 수동 스냅샷
방식 일일 전체 백업 + 트랜잭션 로그 운영자가 원할 때 만드는 스냅샷
보존 1~35일(0이면 비활성화) 직접 지울 때까지
복구 PITR: 보존 기간 안의 아무 시점(약 5분 전까지) 스냅샷 시점만
DB 삭제 시 기본적으로 함께 삭제(보존 선택 가능) 남음
  • 복원하면 항상 새 DB 인스턴스가 만들어진다(엔드포인트가 바뀐다).
  • 35일보다 오래 보관하려면 수동 스냅샷이나 AWS Backup 계획을 쓴다.

암호화 규칙

  • 암호화는 생성할 때만 켤 수 있다. 암호화 안 된 DB를 암호화하려면 스냅샷을 만들고 암호화를 켜서 스냅샷을 복사한 뒤 그 스냅샷으로 복원한다.
  • 암호화된 DB의 복제본과 스냅샷은 모두 암호화된다. 암호화 안 된 DB에서 암호화된 읽기 복제본은 만들 수 없다.
  • 다른 계정과 스냅샷을 공유하려면 스냅샷이 고객 관리형 KMS 키로 암호화돼 있어야 하고 그 키도 상대 계정에 공유해야 한다. AWS 관리형 키(aws/rds)로 암호화된 스냅샷은 공유할 수 없다. 키 종류는 [AWS 아키텍처 4]에서 다룬다.

사례 2. 암호화 안 된 DB를 암호화하고 감사 계정에 사본 넘기기

상황 암호화되지 않은 RDS for PostgreSQL 인스턴스를 운영한다. 보안 감사에서 저장 데이터를 암호화하라는 지적을 받았고 별도의 감사용 계정에 암호화된 DB 사본도 넘겨야 한다.

  • ① 저장 데이터를 암호화해야 한다.
  • ② 감사 계정은 받은 사본을 자기 계정에서 DB 인스턴스로 복원해 조회한다.
  • ③ 짧은 유지 관리 시간은 허용하지만 데이터 손실은 허용하지 않는다.

해결. 스냅샷 → 고객 관리형 KMS 키로 암호화 복사 → 복원이다. 복사한 스냅샷으로 새 DB 인스턴스를 복원해 애플리케이션을 전환하고(①) 같은 스냅샷을 감사 계정과 공유한다(②). KMS 키 정책에서는 감사 계정의 키 사용을 허용한다. 데이터 손실을 막으려면 유지 관리 시간 동안 쓰기를 멈춘 상태에서 스냅샷을 뜬다(③).

다른 선택지가 안 되는 이유

  • 기존 DB 인스턴스를 수정해 스토리지 암호화 켜기: 그런 옵션은 없다. 암호화는 생성할 때만 정한다(①).
  • 암호화된 읽기 복제본을 만들어 승격: 막혀 있다. 복제본은 원본의 암호화 상태를 따른다(①).
  • AWS 관리형 키(aws/rds)로 암호화하며 스냅샷 복사: 흐름은 맞지만 그 스냅샷은 다른 계정과 공유할 수 없다. AWS 관리형 키는 키 정책을 고칠 수 없기 때문이다(②).

현재 RDS 문서는 블루/그린 배포로 암호화된 그린 환경을 만들어 전환하는 방법도 안내한다.

RDS Proxy

Lambda 함수가 호출마다 DB 연결을 새로 열면 동시 실행이 수백 개로 늘 때 too many connections 오류가 난다. RDS Proxy는 애플리케이션과 DB 사이에 두는 관리형 프록시로 많은 클라이언트 연결을 적은 수의 DB 연결로 묶어 재사용한다(커넥션 풀링). 프록시 자체도 다중 AZ로 동작한다.

  • Lambda가 동시에 수백 개 뜨면서 DB 연결이 고갈되면 RDS Proxy를 둔다.
  • 페일오버 때 앱 연결을 프록시가 붙잡고 있어 페일오버 시간이 짧아진다.
  • 자격 증명을 Secrets Manager에서 읽고 IAM 인증을 강제할 수 있다. 프록시는 VPC 안에만 두며 퍼블릭 접근은 안 된다.

사례 3. Lambda 연결 폭주와 평문 비밀번호

상황 API Gateway, Lambda, Aurora MySQL 호환 클러스터로 예약 서비스를 운영한다. 프로모션 때 Lambda 동시 실행이 수백 개로 늘면 DB에서 too many connections 오류가 나고 일부 요청이 실패한다.

  • ① 요청을 거절하거나 지연시키지 않고 해결해야 한다.
  • ② DB 사용자 이름과 비밀번호는 지금 Lambda 환경 변수에 평문으로 들어 있는데 보안팀은 자격 증명을 코드와 설정에서 없애고 비밀번호를 주기적으로 자동 교체하라고 요구한다.
  • ③ Aurora 페일오버 때 연결이 끊기는 시간도 줄이고 싶다.
  • ④ 코드 변경과 운영 부담은 최소여야 한다.

해결. 두 조치를 함께 한다.

  1. RDS Proxy를 만들고 Lambda가 프록시 엔드포인트로 연결하게 한다. 수백 개의 연결을 적은 수의 DB 연결로 풀링하고 다중화해 연결 수 초과를 막는다(①). 페일오버 때는 프록시가 클라이언트 연결을 붙잡고 새 라이터로 넘겨 주므로 끊기는 시간도 준다(③).
  2. 자격 증명을 Secrets Manager에 저장하고 자동 교체를 켠다. Secrets Manager는 RDS/Aurora 비밀번호를 실제로 교체해 준다. 프록시는 이 보안 암호로 DB에 인증하고 Lambda는 실행 역할의 IAM 인증으로 프록시에 접속하므로 코드와 환경 변수에서 자격 증명이 사라진다(②).

다른 선택지가 안 되는 이유

  • Lambda 예약 동시성을 50으로 제한: 연결 수는 준다. 하지만 초과 호출이 스로틀링되어 요청이 거절되거나 재시도로 지연된다(①).
  • 인스턴스 클래스를 키우고 max_connections를 최대로 올리기: 비용이 크게 는다. Lambda 동시성이 늘어나는 만큼 연결도 계속 늘어 근본 해결이 아니고 자격 증명(②)과 페일오버(③) 요구도 그대로 남는다.
  • 환경 변수에 둔 채 고객 관리형 KMS 키로 암호화하고 키 자동 교체: 바뀌는 것은 암호화 키뿐이다. DB 비밀번호는 그대로이고 자격 증명도 설정에 남는다(②).

Aurora

애플리케이션의 MySQL 접속 설정에서 호스트만 Aurora 클러스터 엔드포인트로 바꾸면 기존 SQL이 그대로 동작한다. Aurora는 MySQL/PostgreSQL과 호환되는 AWS의 관계형 DB로 DB 인스턴스마다 디스크를 따로 두지 않고 3개 AZ에 걸친 클러스터 볼륨 하나를 함께 쓴다. 그래서 복제본을 늘려도 데이터를 통째로 복사하지 않고 복제 지연도 짧다.

구성 요소 하는 일 설계할 때 볼 점
클러스터 볼륨 모든 DB 인스턴스가 함께 쓰는 분산 스토리지. 복제를 스토리지 계층이 맡는다 3 AZ에 6개 사본. 용량 자동 확장
Aurora 복제본 같은 클러스터 볼륨을 읽는 리더 인스턴스 최대 15개, 복제 지연 보통 100ms 미만, 페일오버 대상(우선순위 티어)
클러스터(라이터) 엔드포인트 현재 라이터를 가리키는 주소 쓰기용. 페일오버 후에도 그대로
리더 엔드포인트 리더 여러 대에 연결을 DNS로 나눠 주는 주소 읽기 부하 분산
사용자 지정 엔드포인트 고른 리더 묶음만 가리키는 주소 분석 쿼리는 큰 인스턴스 리더 2대로만 보낼 때
Global Database 스토리지 레벨에서 다른 리전으로 복제 리전 간 1초 미만 지연, 보조 리전 승격으로 빠른 리전 페일오버(RTO 분 단위)
Serverless v2 부하에 따라 vCPU와 메모리를 자동 조절 ACU 단위 과금, 예측 불가하거나 간헐적인 부하
Backtrack 같은 클러스터를 과거 시점으로 되감기 Aurora MySQL만. 복원 없이 빠르게 되돌리기
클론 스토리지 copy-on-write로 클러스터 복사본 생성 운영 데이터로 테스트 환경을 빠르고 싸게
I/O-Optimized I/O 요금이 없는 스토리지 구성 I/O 비용이 전체 비용에서 큰 비중을 차지할 때
  • RDS 읽기 복제본과 달리 Aurora 복제본은 스토리지를 공유하므로 추가가 빠르고 지연이 작다. MySQL 호환 + 복제본 여러 대 + 지연 최소가 필요하면 Aurora를 쓴다.
  • 리전 간 DR은 RDS라면 리전 간 읽기 복제본, Aurora라면 Global Database로 한다. RPO 1초, RTO 1분 수준이 요구되면 Global Database를 쓴다.

Aurora Serverless v2의 0 ACU 자동 일시 중지 (2024-11 출시)

  • 최소 용량을 0 ACU로 두면 연결이 없을 때 자동으로 멈추고 첫 연결이 오면 재개한다(재개에 몇 초~십수 초). 멈춘 동안 컴퓨팅 요금은 없고 스토리지 요금만 낸다.
  • 예전에는 완전히 0까지 내려가는 것이 Serverless v1뿐이었는데 이제 v2도 된다.
  • 출처: Aurora Serverless v2 supports scaling to zero capacity

사례 4. 언제 몰릴지 모르는 사내 정산 DB

상황 사내 정산 애플리케이션이 MySQL 호환 관계형 DB를 쓴다. 사용량은 월말 며칠과 예고 없이 열리는 감사 기간에 몰리고 그 밖에는 접속이 거의 없다. 언제 몰릴지 미리 알기 어렵다.

  • ① DB 용량을 직접 관리하지 않는다.
  • ② 한가한 기간의 비용을 최소로 해야 한다.

해결. Aurora MySQL 호환 Serverless v2에 최소/최대 ACU를 정해 둔다. 부하에 따라 ACU 단위로 자동 확장, 축소되고 쓴 만큼만 낸다(②). MySQL 호환이라 애플리케이션을 바꿀 필요가 없고 용량 관리도 AWS가 한다(①). 최소 용량을 0 ACU로 두면 연결이 없을 때 자동 일시 중지까지 된다.

다른 선택지가 안 되는 이유

  • RDS for MySQL 프로비저닝 인스턴스를 한가할 때 중지: 언제 중지할지 정할 수 없어 맞지 않는다. 중지한 RDS 인스턴스는 7일이 지나면 자동으로 다시 시작되기도 한다. 용량을 직접 관리하지 않는다는 조건에도 어긋난다(①).
  • DynamoDB 온디맨드 테이블: 비용과 운영은 좋다. 하지만 관계형 SQL 애플리케이션을 키-값 모델로 다시 써야 하므로 MySQL 호환 조건에 걸린다.
  • Aurora 프로비저닝 클러스터에 복제본 Auto Scaling: 복제본 수만 늘고 준다. 라이터는 고정 크기로 24시간 돌아 유휴 기간 비용이 그대로다(②).

사례 5. 리전 장애에도 손실은 1초, 유럽 조회는 가까이서

상황 us-east-1의 Aurora MySQL 호환 클러스터로 주문 애플리케이션을 운영한다. 애플리케이션 계층은 us-east-1과 eu-west-1의 ECS 클러스터에 있고 Route 53 지연 시간 기반 라우팅으로 사용자를 가까운 리전에 보낸다.

  • ① 유럽 사용자는 상품 조회가 느리다고 하고 전체 트래픽의 90% 이상이 조회다. 쓰기는 지금처럼 us-east-1에서만 처리해도 된다.
  • ② us-east-1 리전 전체에 장애가 나도 데이터 손실은 1초 수준이어야 하고 몇 분 안에 eu-west-1에서 쓰기를 재개해야 한다.
  • ③ SQL과 데이터 모델은 바꾸지 않는다.

해결. Aurora Global Database다. eu-west-1에 보조 클러스터를 추가하고 유럽 애플리케이션은 보조 클러스터에서 읽는다(①). 스토리지 레벨에서 보조 리전으로 복제하므로 복제 지연이 보통 1초 미만이다. 리전 장애 때는 보조 클러스터를 승격해 몇 분 안에 쓰기를 재개한다(②). 엔진은 그대로 Aurora MySQL이라 SQL도 바뀌지 않는다(③).

다른 선택지가 안 되는 이유

  • 기존 클러스터에 eu-west-1의 AZ를 지정해 Aurora 복제본 추가: 할 수 없다. Aurora 복제본은 클러스터와 같은 리전 안에만 둘 수 있다(①).
  • DynamoDB 글로벌 테이블: 멀티 리전 액티브-액티브라 성능과 DR 모두 좋다. 하지만 관계형 SQL을 키-값 모델로 바꿔야 하므로 ③에 걸린다.
  • AWS Backup으로 매시간 스냅샷을 eu-west-1로 복사하고 유럽 쪽에 ElastiCache: 조회는 빨라질 수 있다. 하지만 RPO가 최대 1시간이고 복원에도 시간이 걸려 1초 수준의 손실 한도를 맞추지 못한다(②).

DynamoDB

DynamoDB를 쓰는 코드는 SQL 대신 SDK로 PutItem, GetItem, Query를 호출하고 테이블을 만들 때 파티션 키를 반드시 정한다. DynamoDB는 서버리스 키-값 DB로 파티션 키의 해시값에 따라 항목을 여러 파티션에 나눠 저장한다. 인스턴스나 패치 개념이 없는 대신 읽기와 쓰기 용량을 관리한다.

구성 요소 하는 일 설계할 때 볼 점
파티션 키 항목이 저장될 파티션을 정하는 키(해시) 카디널리티를 높게 설계해야 핫 파티션이 생기지 않는다
정렬 키 같은 파티션 키 안에서 항목을 정렬하는 키(범위 조회) 파티션 키 + 정렬 키 = 복합 기본 키
항목 테이블의 한 행 최대 400KB. 큰 데이터는 S3에 두고 키만 저장
GSI 다른 키로 만든 별도 인덱스(비동기 갱신) 아무 때나 추가, 최종 일관성만, 자체 용량
LSI 같은 파티션 키 + 다른 정렬 키로 만든 인덱스 테이블 생성 시에만, 강한 일관성 가능
Streams 테이블 항목의 변경 기록(CDC) Streams → Lambda로 변경 이벤트 처리
TTL 만료 시각 속성으로 항목 자동 삭제 세션, 임시 데이터 정리. 쓰기 용량 소모 없음
글로벌 테이블 멀티 리전 액티브-액티브 복제 리전 장애 대비, 전 세계 저지연 읽기와 쓰기
트랜잭션 여러 항목에 걸친 ACID 여러 항목을 함께 바꿔야 할 때
  • 기본으로 리전 안 3개 AZ에 자동 복제된다.
  • 읽기 일관성: 기본은 최종 일관성(싸고 빠름)이다. 강한 일관성 읽기는 요청할 때 고르는 옵션이고 읽기 용량을 두 배로 쓴다. GSI와 DAX는 강한 일관성을 지원하지 않는다.

용량 모드, 테이블 클래스

온디맨드 프로비저닝 (+ 오토스케일링)
맞는 경우 예측 불가, 신규 서비스, 스파이크 예측 가능하고 안정적인 트래픽, 비용 최적화
과금 요청 수 시간당 RCU/WCU(+ 예약 용량 할인)
Standard Standard-IA
맞는 경우 기본, 처리량(읽기와 쓰기) 많음 저장량은 크고 접근은 드묾(오래된 이력)
비용 구조 저장 비쌈, 요청 쌈 저장 쌈(최대 약 60% 저렴), 요청 비쌈

트래픽을 예측할 수 없으면 온디맨드를 쓴다. 처리량이 많은 테이블은 Standard-IA가 아니라 Standard 클래스에 둔다.

백업, 내보내기

  • PITR: 최근 최대 35일(복구 기간 1~35일 설정 가능, 기본 35일) 안의 아무 시점(초 단위)으로 새 테이블에 복원한다. 실수로 지우거나 덮어쓴 데이터를 되살릴 때 쓴다.
  • 온디맨드 백업: 직접 지울 때까지 보관한다. 장기 보관과 콜드 전환 정책은 AWS Backup으로 관리한다. 백업이 S3 객체가 아니라서 S3 수명 주기를 걸 수 없다.
  • S3로 내보내기: PITR 기반이라 테이블 읽기 용량을 쓰지 않는다. Athena 등으로 분석할 때 쓴다([AWS 아키텍처 10]).

사례 6. 실수 복구와 7년 보관을 함께

상황 핀테크 회사가 DynamoDB 테이블에 거래 내역을 저장한다.

  • ① 운영자 실수나 버그로 항목이 잘못 덮어쓰이거나 삭제되면 지난 2주 안의 원하는 시점으로 초 단위까지 되돌려야 한다.
  • ② 규정상 매월 1회 백업을 7년 동안 보관하고 6개월이 지난 백업은 더 저렴한 스토리지로 옮겨야 한다.
  • ③ 운영 부담은 최소여야 한다.

해결. 두 조치를 함께 한다.

  1. 테이블에 PITR을 켠다. 복구 기간(1~35일, 기본 35일) 안의 아무 시점으로 초 단위 복구하고 결과는 새 테이블로 만들어진다(①).
  2. AWS Backup 백업 계획 하나로 백업 주기(매월), 콜드 스토리지 전환(6개월 후), 보존 기간(7년)을 함께 관리한다(②③). DynamoDB 백업의 콜드 스토리지 전환은 AWS Backup의 DynamoDB 고급 기능으로 지원된다.

다른 선택지가 안 되는 이유

  • 다른 리전에 복제본을 두는 글로벌 테이블: 리전 장애 대비용이다. 잘못된 삭제와 덮어쓰기도 그대로 복제되므로 백업이 되지 못한다(①).
  • 매월 온디맨드 백업을 만들고 S3 수명 주기 규칙으로 Glacier Deep Archive 전환과 7년 후 삭제: 동작하지 않는다. DynamoDB 온디맨드 백업은 S3 객체가 아니라서 S3 수명 주기 규칙을 걸 수 없다.(②)
  • Streams를 켜고 Lambda가 변경 전 이미지를 별도 테이블에 기록: 직접 만든 변경 기록 장치라 운영 부담이 크다(③). 원하는 시점으로 테이블 전체를 되돌리려면 복구 로직도 직접 짜야 하고 Streams 레코드 자체도 24시간만 보관된다(①).

보충: GSI vs LSI 한눈에

주문 테이블의 파티션 키가 customerId라면 Query를 호출할 때 고객 ID를 반드시 지정해야 한다. 판매자 ID처럼 파티션 키가 아닌 속성으로 찾으려면 테이블 전체를 읽는 Scan밖에 없고 데이터가 많으면 느리고 비싸다. 보조 인덱스는 다른 키 기준으로 항목을 한 번 더 정리해 두어 Scan 없이 Query로 찾게 해 준다.

예시: Orders 테이블 (파티션 키 customerId, 정렬 키 orderDate)

파티션 키(customerId) | 정렬 키(orderDate) | sellerId | status
C1                    | 2026-11-01         | S9       | 배송완료
C1                    | 2026-11-05         | S3       | 결제완료
C2                    | 2026-11-02         | S9       | 배송중
C3                    | 2026-11-03         | S9       | 배송완료
하고 싶은 조회 방법
C1 고객의 주문을 날짜순으로 테이블 Query(파티션 키 C1)
C1 고객의 주문을 status순으로 LSI(파티션 키 customerId 그대로, 정렬 키 status)
판매자 S9의 주문을 날짜순으로(고객을 가로질러) GSI(파티션 키 sellerId, 정렬 키 orderDate)
LSI는 같은 파티션 안에서 정렬 순서만 하나 더 만들고, GSI는 다른 파티션 키로 인덱스를 새로 만든다.
GSI (글로벌 보조 인덱스) LSI (로컬 보조 인덱스)
파티션 키 테이블과 다르게 지정 가능 테이블과 같음(정렬 키만 다름)
만드는 시점 언제든 추가, 삭제 테이블 만들 때만
읽기 일관성 최종 일관성만(원본을 비동기로 따라감) 강한 일관성도 가능
용량 인덱스 자체 용량을 따로 씀. 테이블에 쓰면 GSI에도 쓰기가 일어남 테이블 용량을 함께 씀
제약 없음 파티션 키 값 하나당 데이터 크기 제한(10GB)이 생김, 테이블당 5개

설계할 때 알아 둘 점

  1. 이미 운영 중인 테이블에 다른 속성으로 조회를 추가하려면 GSI를 쓴다. LSI는 테이블을 만들 때만 정의할 수 있다.
  2. 다른 파티션 키로 조회해야 하면(고객별이 아니라 판매자별, 상태별 전체) GSI를 쓴다. LSI는 같은 파티션 안에서 정렬만 바꾼다.
  3. 같은 파티션 키에 다른 정렬 기준이 필요하고 강한 일관성 읽기도 필요하며 테이블을 새로 설계하는 중이면 LSI를 쓴다.
  4. "몇 초 늦게 반영돼도 된다"는 요구가 있으면 최종 일관성만 지원하는 GSI를 써도 된다.
  5. 인덱스 대신 Scan + 필터를 쓰면 데이터가 많을 때 비용과 성능 조건을 맞추지 못한다.

사례 7. 운영 중인 주문 테이블에 판매자별 조회와 장바구니 만료 더하기

상황 쇼핑몰이 운영 중인 DynamoDB Orders 테이블은 파티션 키가 customerId, 정렬 키가 orderDate다.

  • ① 새 판매자 포털에서는 판매자(sellerId)별 주문 목록을 날짜순으로 조회해야 하고 몇 초 늦게 반영된 데이터를 보여 줘도 된다.
  • ② 같은 테이블에 저장하는 임시 장바구니 항목은 만든 지 7일이 지나면 지워야 하는데 이 정리 작업에 쓰기 용량을 쓰거나 별도 코드를 운영하고 싶지 않다.

해결. 두 조치를 함께 한다.

  1. sellerId를 파티션 키, orderDate를 정렬 키로 하는 GSI를 추가한다. GSI는 테이블을 만든 뒤에도 추가할 수 있고 파티션 키 자체를 바꿀 수 있다. 최종 일관성만 지원하지만 몇 초 늦어도 된다는 조건이 이를 허용한다(①).
  2. 장바구니 항목에 만료 시각(에포크 초) 속성을 넣고 그 속성으로 TTL을 켠다. 만료 시각이 지난 항목을 DynamoDB가 백그라운드에서 지우므로 쓰기 용량을 소모하지 않고 코드도 필요 없다(②). 만료 후 실제 삭제까지 며칠 걸릴 수 있으므로 정확히 7일째에 안 보여야 한다면 조회할 때 만료 시각으로 걸러 낸다.

다른 선택지가 안 되는 이유

  • sellerId를 정렬 키로 하는 LSI: 만들 수 없다. LSI는 테이블을 만들 때만 정의할 수 있고 파티션 키도 테이블과 같은 customerId로 고정이라 고객을 가로질러 판매자별로 조회할 수 없다(①).
  • Streams를 켜고 Lambda가 7일 지난 장바구니 항목 삭제: 동작하지 않는다. Streams는 항목이 바뀔 때만 이벤트를 내므로 아무도 건드리지 않은 오래된 항목은 스트림에 나타나지 않는다. Lambda가 지우는 삭제는 쓰기 용량도 쓴다(②).
  • EventBridge Scheduler로 매일 Lambda를 돌려 테이블을 Scan하고 삭제: 동작은 한다. 하지만 Scan은 테이블 전체의 읽기 용량을, 삭제는 쓰기 용량을 쓰고 코드도 운영해야 하므로 두 조건에 모두 걸린다(②).

DAX vs ElastiCache

DynamoDB 조회 API의 응답 시간이 트래픽이 몰릴 때마다 길어지면 DB 앞에 캐시를 두는 방법을 검토한다. DynamoDB Accelerator(DAX)는 DynamoDB 전용 인메모리 캐시로 DynamoDB API와 호환되어 SDK 클라이언트만 DAX 클라이언트로 바꾸면 된다. ElastiCache는 Redis OSS/Valkey나 Memcached 엔진을 관리형으로 제공하는 범용 인메모리 저장소로 캐시 조회와 무효화를 애플리케이션 코드에서 직접 처리한다.

DAX ElastiCache
동작 방식 DynamoDB 앞에 놓이는 write-through 캐시. 앱은 DynamoDB를 호출하듯 DAX를 호출 범용 인메모리 저장소. 앱이 캐시 로직을 직접 구현
대상 DynamoDB 전용 RDS, Aurora, DynamoDB, 외부 API 등 무엇이든
코드 변경 최소: DynamoDB API 호환, 클라이언트만 교체 캐시 조회, 무효화 코드를 직접 작성
지연 마이크로초 마이크로초~밀리초
일관성 최종 일관성 읽기만 캐시(강한 일관성 읽기는 DynamoDB로 통과) 앱 설계에 따름

사례 8. 반짝 할인 때 인기 상품 읽기가 몰릴 때

상황 API Gateway, Lambda, DynamoDB로 상품 상세 조회 API를 운영한다. 반짝 할인 행사 때 일부 인기 상품 항목에 읽기가 몰리면 해당 파티션에서 스로틀링이 일어나고 응답 시간이 길어진다.

  • ① 상품 정보는 몇 초 늦게 반영돼도 된다.
  • ② 코드 변경과 운영 부담을 최소로 하면서 읽기 지연과 스로틀링을 줄여야 한다.

해결. DAX다. DAX 클러스터를 만들고 Lambda의 DynamoDB 클라이언트를 DAX 클라이언트로 바꾼다(②). 인기 항목 읽기를 DAX가 받아 내므로 해당 파티션까지 가는 요청이 줄고 응답은 마이크로초 단위가 된다. DAX는 최종 일관성 읽기만 캐시하는데 몇 초 늦어도 된다는 조건이 이를 허용한다(①). DAX는 VPC 안에서 돌기 때문에 Lambda도 VPC에 연결해야 한다.

다른 선택지가 안 되는 이유

  • 온디맨드 용량 모드로 전환: 테이블 전체의 용량 계획은 사라진다. 하지만 파티션 하나의 처리량 한도(파티션당 읽기 3,000 RCU)는 그대로라서 한 항목에 몰리는 핫 키 읽기는 여전히 스로틀링될 수 있다.
  • ElastiCache(Redis OSS)에 Lambda가 캐시 조회, TTL, 무효화 로직 구현: 지연과 스로틀링은 해결된다. 하지만 캐시 로직을 직접 짜야 하고 클러스터 운영도 따로 해야 하므로 코드 변경과 운영 부담 조건에 걸린다(②).
  • 상품 ID를 파티션 키로 하는 GSI로 읽기 분산: GSI의 파티션 키가 같은 상품 ID라서 인기 항목 읽기가 GSI의 같은 파티션으로 몰린다. 핫 키 문제가 그대로 옮겨 갈 뿐이다.

ElastiCache, MemoryDB

ElastiCache는 클러스터를 만들 때 엔진을 Redis OSS/Valkey와 Memcached 중에서 고른다. 두 엔진은 복제, 영속성, 자료구조 지원이 달라 쓰임새가 갈린다.

Redis OSS / Valkey Memcached
복제, 다중 AZ 복제본 + 자동 페일오버 지원 없음
영속성, 백업 스냅샷 지원 없음(노드가 죽으면 데이터 소실)
자료구조 해시, 리스트, Sorted Set(리더보드), Pub/Sub 단순 문자열 키-값
스레드 단일 스레드 중심(I/O 멀티스레드) 멀티스레드, 멀티코어 활용
맞는 경우 세션 저장소, 리더보드, 고가용성 캐시 단순 캐시, 데이터 유실 허용, 수평 분할

캐싱 패턴

  • Cache-aside(lazy loading): 읽을 때 캐시 미스면 DB에서 읽어 캐시에 채운다. 필요한 데이터만 캐시되지만 첫 요청은 느리고 데이터가 낡을 수 있다(TTL로 보완).
  • Write-through: 쓸 때 DB와 캐시를 함께 갱신한다. 캐시가 항상 최신이지만 안 읽히는 데이터도 캐시에 쌓인다.
  • 세션 저장소: 웹 서버를 무상태로 만들어 ASG가 확장, 축소할 때 세션이 사라지지 않게 하려면 세션을 ElastiCache(또는 DynamoDB)에 둔다. ALB 고정 세션보다 이쪽이 낫다.
  • MemoryDB: 트랜잭션 로그를 다중 AZ에 영속하는 Redis 호환 기본 DB다. 캐시가 아니라 Redis를 주 DB로 쓰면서 내구성이 필요하면 MemoryDB를 쓴다.

사례 9. 실시간 순위표

상황 모바일 게임 회사가 실시간 순위표를 만든다.

  • ① 수백만 명의 점수가 초당 수만 번 갱신되고 화면에는 상위 100명과 내 순위가 즉시 나와야 한다.
  • ② 순위표 데이터는 노드 장애가 나도 유지되어야 하고 다중 AZ 자동 페일오버가 필요하다.

해결. 다중 AZ와 자동 페일오버를 켠 ElastiCache(Redis OSS/Valkey)에서 Sorted Set으로 점수를 관리한다. Sorted Set은 점수 갱신(ZADD/ZINCRBY), 상위 N명(ZREVRANGE), 내 순위(ZREVRANK)를 모두 로그 시간 수준으로 처리한다(상위 N명 조회는 O(log N + 가져올 개수))(①). 복제본, 다중 AZ 자동 페일오버, 스냅샷을 지원하므로 노드 장애에도 데이터가 유지된다(②).

다른 선택지가 안 되는 이유

  • ElastiCache(Memcached): 단순 문자열 키-값만 지원하고 복제와 영속성이 없다. 정렬된 순위 계산도(①), 노드 장애 시 데이터 보존도(②) 안 된다.
  • DynamoDB에 점수를 저장하고 고정값 파티션 키와 점수 정렬 키로 만든 GSI에서 순위 조회: 모든 항목이 같은 파티션 키 값을 쓴다. GSI의 한 파티션에 쓰기가 몰려 초당 수만 건 갱신을 받지 못한다(핫 파티션)(①). 내 순위를 구하려면 앞선 항목을 세야 하는 문제도 남는다.
  • Neptune: 소셜 관계, 추천, 사기 탐지처럼 관계 탐색용이다. 점수 정렬과 고빈도 갱신에 맞는 구조가 아니다(①).

특수 목적 DB

서비스 호환, 모델 쓰는 경우
DocumentDB MongoDB 호환 문서 DB MongoDB 워크로드를 관리형으로 옮길 때
Neptune 그래프(Gremlin, SPARQL, openCypher) 소셜 네트워크, 추천, 사기 탐지, 관계 탐색
Keyspaces Cassandra 호환(CQL), 서버리스 기존 Cassandra 앱을 그대로 옮길 때
Timestream 시계열, 서버리스 IoT 센서, 운영 지표, 시간 범위 집계
QLDB 원장(변경 불가 저널 + 암호학적 검증) 2025-07-31 서비스 종료

서비스 상태 메모 (2024~2025 변경)

읽기 집약 vs 쓰기 집약

상황 대응
같은 데이터 반복 읽기, 지연 단축 캐시: ElastiCache(RDS 앞), DAX(DynamoDB 앞), CloudFront([AWS 아키텍처 2])
리포트, 분석성 읽기 부하 분리 RDS 읽기 복제본, Aurora 리더 / 사용자 지정 엔드포인트
전 세계 읽기 지연 Aurora Global Database, DynamoDB 글로벌 테이블
쓰기 폭주, 무제한 확장 DynamoDB(파티션 키 분산), 수직 확장(인스턴스 키우기)
쓰기 스파이크를 DB가 받지 못함 앞에 SQS로 버퍼링([AWS 아키텍처 9])
연결 수 폭주(Lambda) RDS Proxy

정리: 요구별 구성

요구 구성
RDS 고가용성, 자동 페일오버 RDS 다중 AZ 배포
읽기 성능, 리포트 쿼리 분리 읽기 복제본(다중 AZ 배포나 캐시로는 해결 안 됨)
페일오버 대기 인스턴스도 읽기에 쓰기, 더 빠른 페일오버 다중 AZ DB 클러스터(읽기 가능한 대기 2대)
다른 리전에 RDS DR, 저비용 리전 간 읽기 복제본 → 승격
리전 간 1초 미만 복제, 빠른 리전 페일오버 Aurora Global Database
OS나 DB 설정을 직접 변경 RDS Custom(Oracle, SQL Server) 또는 EC2
용량과 독립적인 IOPS, 비용 효율 gp3
메이저 버전 업그레이드 다운타임 최소 블루/그린 배포
암호화 안 된 RDS 암호화 스냅샷 → 암호화 복사 → 복원
다른 계정에 암호화된 DB 사본 스냅샷 공유 + 고객 관리형 KMS 키 공유
35일 이내 특정 시점 복구 자동 백업 PITR (DynamoDB도 PITR)
35일 초과 장기 보관, 콜드 전환 AWS Backup
Lambda → RDS 연결 고갈 RDS Proxy
DB 자격 증명 저장, 자동 교체 Secrets Manager
DB 비밀번호 없이 IAM으로 접속 IAM DB 인증
예측 불가 부하 + MySQL/PostgreSQL 호환 + 관리 최소 Aurora Serverless v2
운영 데이터로 테스트 DB 빠르게 Aurora 클론
실수한 변경을 복원 없이 되감기(Aurora MySQL) Backtrack
키-값, 서버리스, 무제한 확장 DynamoDB
DynamoDB 트래픽 예측 불가 온디맨드 용량 모드
DynamoDB 저장 많고 접근 드묾 Standard-IA 테이블 클래스
운영 중인 DynamoDB 테이블에 다른 키로 조회 GSI
DynamoDB 만료 항목 자동 삭제, 쓰기 용량 소모 없음 TTL
DynamoDB 변경 시 후처리 Streams → Lambda
DynamoDB 멀티 리전 액티브-액티브 글로벌 테이블
DynamoDB 마이크로초 읽기 + 코드 변경 최소 DAX
RDS 앞 캐시, 세션 저장, 리더보드 ElastiCache(Redis OSS/Valkey)
단순 캐시, 멀티스레드, 유실 허용 ElastiCache(Memcached)
Redis를 주 DB로, 내구성 필요 MemoryDB
쓰기 스파이크를 DB가 받지 못함 SQS 버퍼링
MongoDB / Cassandra / 그래프 / 시계열 DocumentDB / Keyspaces / Neptune / Timestream
대규모 분석 집계(OLAP) Redshift
이 글은 AWS 아키텍처 시리즈입니다. 8 / 8
  1. VPC 네트워크 기본 - AWS 아키텍처 #1
  2. 로드 밸런서, CloudFront, Route 53 - AWS 아키텍처 #2
  3. IAM과 계정 - AWS 아키텍처 #3
  4. 암호화와 보안 서비스 - AWS 아키텍처 #4
  5. S3 오브젝트 스토리지 - AWS 아키텍처 #5
  6. 블록 스토리지, 파일 스토리지, 마이그레이션 - AWS 아키텍처 #6
  7. 배포와 비용 최적화 - AWS 아키텍처 #7
  8. 클라우드 데이터베이스 - AWS 아키텍처 #8
태그
댓글0