High Availability

1. iGaming 플랫폼이 고가용성을 요구하는 이유

iGaming 플랫폼에서 서비스 중단은 단순한 불편함이 아니라 진행 중인 트랜잭션의 손실, 사용자 신뢰 훼손, 규제 위반 가능성을 동시에 의미한다. 플랫폼이 오프라인 상태가 되는 순간 발생하는 비용은 복구 시간에 비례해 가파르게 증가한다.

이 때문에 고급 iGaming 인프라는 99.999% 가용성, 즉 연간 다운타임 5분 미만을 SLA 목표로 설정한다. 이 수준의 가용성은 단순한 서버 이중화로는 달성할 수 없다. 네트워크, 스토리지, 애플리케이션, 데이터베이스 레이어 전반에 걸친 체계적인 장애 허용 설계가 전제되어야 한다.

2. 장애 허용 설계의 핵심 원칙

장애 허용(Fault Tolerance) 설계의 출발점은 단일 실패 지점(SPOF)을 식별하고 제거하는 것이다. 시스템 내 어느 한 지점의 실패가 전체 서비스 중단으로 이어지는 경로를 모두 찾아내 각각 이중화 또는 대체 경로를 확보해야 한다.

2-1. 액티브-액티브 vs 액티브-패시브 구성

액티브-패시브 구성은 주 노드가 장애를 일으키면 대기 노드로 전환하는 방식이다. 구현이 단순하지만 Failover 전환 시 짧은 서비스 중단이 발생할 수 있고, 대기 노드의 자원이 평상시에는 활용되지 않는다.

액티브-액티브 구성은 모든 노드가 동시에 트래픽을 처리하며, 특정 노드가 장애를 일으켜도 나머지 노드가 즉시 부하를 인수한다. 이론적으로 무중단 장애 허용이 가능하지만, 모든 노드 간 상태 동기화를 유지하는 데 상당한 복잡도가 따른다. iGaming 플랫폼의 실시간 요건을 충족하려면 액티브-액티브 구성이 실질적인 선택지다.

2-2. 지리적 분산 배치와 재해 복구

단일 데이터센터 내 이중화는 데이터센터 레벨의 장애, 즉 전력 차단, 자연재해, 대규모 네트워크 장애에 대응하지 못한다. 지리적으로 분산된 복수 리전에 동일한 인프라를 배치하고, 리전 간 실시간 데이터 복제를 구성하면 데이터센터 레벨 장애에서도 서비스를 유지할 수 있다.

RTO(Recovery Time Objective, 복구 목표 시간)와 RPO(Recovery Point Objective, 복구 목표 시점)를 명확히 정의하고, 정기적인 Failover 드릴을 통해 실제 전환 절차를 검증하는 것이 이론이 아닌 실제 작동하는 재해 복구 체계의 조건이다.

3. 자동 Failover 구현의 기술적 상세

자동 Failover는 장애 감지, 상태 판정, 전환 실행의 세 단계로 구성된다. 각 단계의 정확성과 속도가 최종 RTO를 결정한다.

3-1. 헬스체크와 장애 감지

노드 상태를 감지하는 헬스체크는 단순한 핑(Ping) 응답 확인을 넘어야 한다. 프로세스가 응답해도 실제 요청 처리가 지연되거나 오류를 반환하는 상황이 존재하기 때문이다. 애플리케이션 레이어의 실제 요청 처리 능력을 검증하는 딥 헬스체크가 장애 감지 정확도를 높인다.

단일 헬스체크 포인트의 판정에 의존하면 네트워크 순간 단절로 인한 오탐이 불필요한 Failover를 유발할 수 있다. 복수의 독립적 감시 노드가 일치된 판정을 내릴 때만 장애로 확정하는 쿼럼 기반 판정이 오탐을 줄이는 효과적인 방법이다.

3-2. 데이터베이스 Failover의 복잡성

애플리케이션 노드의 Failover는 비교적 단순하지만, 데이터베이스 Failover는 데이터 일관성 보장이라는 추가 과제가 따른다. 주 DB가 장애를 일으킨 시점의 마지막 커밋된 트랜잭션까지만 보조 DB로 복제되었다면, 그 이후 처리 중이던 트랜잭션의 처리 방식을 사전에 정의해야 한다.

동기 복제는 주 DB의 커밋이 보조 DB의 확인을 받은 후에야 완료되므로 데이터 손실이 없지만, 복제 지연이 전체 쓰기 성능에 영향을 미친다. 비동기 복제는 성능 영향이 적지만 최신 데이터가 손실될 수 있는 창이 존재한다. iGaming 트랜잭션의 특성상 금전적 결과와 직결되는 데이터에는 동기 복제를, 덜 중요한 로그 데이터에는 비동기 복제를 차등 적용하는 방식이 현실적이다.

[Table: Failover 구성 방식 비교]

4. 무중단 배포 전략

고가용성의 위협은 외부 장애만이 아니다. 소프트웨어 업데이트 배포 과정에서 발생하는 중단도 SLA에 영향을 미친다. 무중단 배포 전략은 서비스 중단 없이 새 버전을 릴리스하는 기술적 방법론이다.

블루-그린 배포는 현재 서비스 환경(블루)과 동일한 새 환경(그린)을 준비한 후 트래픽을 순간 전환하는 방식이다. 문제 발생 시 즉시 이전 환경으로 롤백할 수 있다. 카나리 배포는 전체 트래픽의 일부만 새 버전으로 먼저 전환해 안정성을 확인한 후 점진적으로 비율을 높이는 방식이다. iGaming처럼 리스크에 민감한 환경에서는 카나리 배포의 점진적 접근이 안전성 측면에서 유리하다.

5. 가용성 목표와 표준 준수

iGaming 플랫폼의 가용성 설계는 내부 SLA 목표와 함께 외부 표준 요건을 동시에 충족해야 한다. ISO/IEC 27001 정보보안 관리체계는 가용성을 정보보안의 핵심 속성 중 하나로 규정하며, 가용성 관련 위험 평가와 대응 계획 수립을 요구한다.

가용성 지표는 단순한 업타임 비율을 넘어 평균 장애 간격(MTBF: Mean Time Between Failures), 평균 복구 시간(MTTR: Mean Time To Recovery)을 함께 추적해야 진정한 인프라 신뢰성을 평가할 수 있다. MTTR을 줄이는 것이 장기적으로 SLA 달성에 더 효과적인 경우가 많으며, 이는 자동화된 복구 절차와 명확한 장애 대응 런북의 중요성을 강조한다.