널리 알려진 것처럼 복잡성은 효율적인 운영과 관리의 적이다. 사용하는 시스템의 규모가 일정 수준을 넘어서면 그 규모가 관리 센터는 물론 관리 툴까지 압도해 버린다. 이 상황에서 다양한 업체와 다양한 기술을 도입해 활용하면 결국 매우 혼란스러운 상황에 놓이게 된다. 이런 혼란스러움은 단순히 크기나 기술 범위 이상의 문제다. 네트워크 운영까지 복잡하게 만드는데, 현재 기업이 겪는 어려움이 바로 이 지점이다.
본래 IP 네트워크는 적응형으로 설계됐다. 모든 라우터는 자신의 정체와 상황을 외부에 계속 알려주고 연결(trunk, 트렁크)이 가능하다고 외치는 일종의 섬이다. 동시에 다른 라우터의 외침을 끊임없이 듣는다. 라우터는 이런 모든 외침을 통해 네트워크의 상태와 토폴로지를 수집하고 이를 이용해 라우팅 테이블을 만든다. 일정 주기로 발생하는 이런 외침을 통해 이 테이블을 항상 최신 상태로 유지한다.
만약 라우터 A에서 라우터 B로 가는 트렁크가 있다면, 이 라우터는 자신의 상태와 토폴로지를 근처 라우터에게 지속해서 반복해 알린다. 설정의 소소한 변경을 포함해 어떤 변화라도 있으면, 역시 중계되는 외침을 통해 널리 퍼뜨려야 한다. 이런 과정에는 일정 시간이 필요한데 모든 라우터가 조화를 이룬다는 의미로 이를 '컨버전스(convergence)'라고 부른다.
이런 컨버전스 시간 동안 패킷은 지연되거나 심지어 손실될 수 있지만, 사실 이것은 큰 문제가 아니다. 더 중요한 것은 외침을 중계하는 시간 동안 일반적인 상황은 물론 실패 모드 상황에서도 네트워크를 작동 상태로 유지하는 것이다. 이럴 때 도움이 되는 것이 MPLS지만(실제로 MPLS가 개발된 이유도 이러한 트래픽 엔지니어링 때문이다), 진정한 해결책은 소프트웨어 정의 네트워크, 바로 SDN일 것이다. 맞다. 많은 사람이 엉망 상태라고 말하는 바로 그 SDN이다.
SDN의 최대 장점은 제어다. 네트워크 운영자 100명에게 SDN이 무엇인지 물으면 아마도 '제어부와 데이터부를 분리하는 것'이라고 대답할 것이다. SDN 개념에 대한 가장 유용한 정의다. 하지만 도대체 이게 어떤 의미이고 우리가 왜 관심을 가져야 할까? SDN이 중요한 이유는 적응형 배포를 위한 계획된 라우트 개발을 대체할 수 있기 때문이다. 제어부 관련된 것이 여기에 포함되는데, 모든 라우터의 외침은 데이터 패킷이 아니라 제어 패킷에서 일어난다.
SDN 네트워크에서 컨트롤러는 네트워크의 토폴로지를 유지하는 역할을 한다. 많은 노력이 필요하지도 않다. 결국 라우터와 트렁크는 떠다니는 성질이 아니기 때문이다. 컨트롤러는 이들 네트워크 요소의 상황을 최신 상태로 계속 유지하는 것은 물론, 라우터와 트렁크가 루트를 만들기 위해 서로 결합하는 방법을 결정하는 정책을 가지고 있다. 컨트롤러는 라우팅 테이블을 라우터에 전송하는데(이때 오픈 네트워크 파운데이션 모델에서는 오픈플로우(OpenFlow) 프로토콜을 이용한다), 마치 '마더 메이 아이?(Mother May I?)' 게임과 비슷하다.
이처럼 SDN 네트워크의 가장 큰 장점은 라우터와 루트 변화를 완벽하게 제어할 수 있다는 점이다. 장애 분석을 기반으로 대안적인 라우팅 토폴로지를 운영할 수 있고, 정책에 따라 결정하는 것도 가능하다. 어떤 방식이든, 모든 기기가 중앙 컨트롤러에 동조된다. 커밋하기 전에 이들 대안적인 장애 모드 토폴로지를 테스트할 수 있어, 라우터 간의 컨버전스 시간이 필요 없고 여기서 시작되는 혼란도 없다. 돌발 상황이 발생할 여지가 없다.
하지만 현실에서 네트워크 운영자 100명을 두고 SDN을 선호한다면 왼쪽, 아니라면 오른쪽에 서라고 하면 아마도 대부분은 어디에 서야할 지 망설일 것이다. 지난 15년 가까이 SDN 기술을 둘러싸고 벌어진 일이다. 그럼에도 일부는 명확한 입장을 취했다. 구글이 자사 백본 네트워크에 SDN을 적용하는 것을 본 것이 결정적이었다. 구글은 어떻게 이러한 변화를 추진할 수 있었을까? 구글 SDN의 핵심은 SDN 네트웤를 IP 네트워크처럼 만들어주는 이른바 'BGP 프로세스'다. 즉 BGP 속에 SDN을 적용한 것으로 오늘날 용어로는 블랙 박스 또는 SDN 기반 'IP 의도 모델'이다.
(구글 사례에서 도드라지기는 하지만) 일반적으로 SDN은 2가지 방법으로 네트워크 복잡성을 줄인다. 첫째, 루트를 결정적으로 제어할 수 있다. 기존의 적응형 네트워크에서 관리자는 컨버전스가 끝나기 전까지 무엇이 공유되는지 실제로 알 수가 없었다. 반면 SDN에서는 한 발신자가 일종의 스퀘어 댄스, 즉 SDN 컨트롤러를 호출하는 방법으로 관리를 구현한다. 둘째, 계층적 구조는 그 자체로 복잡성을 줄인다. 기존 인터넷이 수십만 대의 라우터가 포함된 라우터의 간의 외침으로 연결된 평면적인 네트워크라면, SDN에서는 이를 세그먼트(autonomous systems, AS), 즉 세그먼트 간의 첫 루트와 그 내부의 두번째 루트로 쪼갠다. 후자가 라우터 외침을 기반으로 한 프로세스다.
대부분 기업은 WAN용 IP VPN을 사용하므로, 그들의 네트워크 구축은 데이터센터와 데이터센터-VPN 간의 연결에 집중할 가능성이 크다. 바로 여기가 SDN을 적용하기에 안성맞춤이다. 데이터센터 설정은 매우 중요하고, 네트워크 장애로 SDN 컨트롤러를 일부 기기에서 완전히 제거할 가능성은 거의 없기 때문이다. 여러 곳의 데이터센터를 운영하는 기업은 각 데이터센터에 SDN 세그먼트를 만들어 SDN 혹은 전통적인 라우팅을 이용해 이를 연결할 수 있다.
SDN을 도입하는 비용도 생각만큼 비싸지 않을 수 있다. 아직까지도 SDN을 사용한 경험이 전혀 없는 기업이 있을 수는 있지만 그런 기업은 이미 많은 기회를 놓쳤다는 것을 알아야 한다. 지금이라도 SDN 세계에 뛰어들 생각이라면 다양한 방법이 있다. 이미 많은 제품이 시장에 나와 있고 여러 가지 환경에서 쓰이고 있다.
실제로 라우터와 스위치 업체 대부분이 자사 장비에서 SDN을 지원한다. 지원 프로토콜인 오픈플로우의 구체적인 기능은 확인할 필요가 있다. 또한, SDN 컨트롤러는 주요 라우터 업체는 물론 다른 업체도 제공한다. '정상' 상태는 물론 필요한 모든 실패 모드를 정의하는 정책을 만드는 방법도 알아둬야 한다. 컨트롤러가 모든 활동의 저널링을 지원하고 네트워크 상태 변화는 물론 관리자가 컨트롤러 운영 파라미터로 제어할 수 있는 지도 알아둬야 한다.
정책과 저널이 중요한 것은 다 이유가 있다. SDN의 단점 때문이다. SDN을 이용하면 네트워크를 원하는 대로 정확하게 설정해 운영할 수 있지만, 이는 곧 완전히 잘못된 상태로 만드는 것도 가능하다는 의미다. 즉, SDN은 네트워크 오류를 제거하지 못한다. 설정 과정에서 관리자가 원하는 더 정교한 계획과 제어를 추가할 수 있도록 지원할 뿐이다. SDN 컨트롤러는 사용자의 실수까지 보호하지는 못하므로, 무언가 잘못됐을 때 루트를 검증하고 정책을 수립하고 저널을 컨설팅할 수는 없다. 이는 상황에 따라 매우 큰 단점이 될 수 있다.
정리하면 SDN은 사용자가 네트워크를 완벽하게 통제하는 방법을 제공한다. 이런 방식이 매력적이라고 느껴진다면 SDN 컨셉을 더 자세히 살펴볼 필요가 있다. 특히 사용자의 인적 오류가 여전히 네트워크 문제의 가장 큰 원인이라는 점을 고려하면, 사람과 SDN이 공존하며 협업하는 방법을 확실히 알아둬야 한다. SDN의 장점을 극대화할 수 있는 길이기도 하다.
editor@itworld.co.kr
Sponsored
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.