AWS Lambda 를 활용한 Luft 스케일링

간단 소개

AWS Lambda를 활용한 Luft 스케일링 시도와 결과 분석: 람다의 장단점을 고려한 하이브리드 방식의 스케일링 전략 모색.

AI Summary

Luft 스케일링 배경 및 목표
- Luft는 OLAP 데이터베이스로, 시간대별 부하 변동이 심해 리소스 낭비와 부족 문제가 발생합니다.
- AWS Lambda를 활용하여 탄력적인 스케일링을 통해 리소스 효율성을 높이고 사용자 경험을 개선하고자 했습니다.
Lambda를 활용한 두 가지 접근 방식
- Plan A: Historical 노드 전체를 Lambda에서 실행하려 했으나, Lambda의 통신 제약과 자원 제한으로 실패했습니다.
- Plan B: Task executor를 Lambda에서 실행하는 방식으로 변경, 무거운 쿼리에서 성능 향상을 확인했습니다.
결론 및 향후 계획
- Lambda는 예상치 못한 부하 처리에 유용하지만, 비용, 네트워크 I/O, 자원 제한 등의 한계가 존재합니다.
- 예상 가능한 부하는 EC2, 예상하기 어려운 부하는 Lambda를 사용하는 혼합 방식이 효율적입니다.
- 향후 특이 워크로드를 Lambda로 처리하고, 부하 기반 Historical 노드 스케일링을 통해 최적화할 계획입니다.