애저 이용 과정에서 한 가지 문제가 있다면, API를 설계하고 애저의 모든 API를 일관되게 만들 방법을 찾기 쉽지 않다는 점이다. 요즘 방식의 API 정의는 오픈API를 활용해 작성한 것조차 복잡하고 길다. 동일한 접근방식 및 가이드라인을 사용해도 API 정의는 팀마다 강조하는 요소가 다르고, 비슷한 함수를 다루는 방식도 각양각색이다. 이런 부분 때문에 애저의 API 정의 코드 분량은 수천 줄에 달하는 것도 있다.
애저는 API 표면을 최소한 하루 한 번 재컴파일하므로, API의 일관성 확인과 설명 작성 및 테스트의 자동화 가능 여부를 확인 확인해야 한다. 그뿐만 아니라, 특정 종류의 API에 익숙한 개발자가 애플리케이션에 서비스를 추가할 때 완전히 새로운 기법을 배울 필요가 없도록 해야 한다.
오픈API 도구를 사용하는 애플리케이션에 API 정의가 결합되고, 적절한 엔드포인트를 생성하는 환경에서 일관적이지 않은 API 정의는 문제가 될 수 있다. 거기다 API가 진화하면서 HTTP 접근 이상을 요구함에 따라 REST를 넘어 그래프QL과 gRPC로 이동해야 할 때는 더 큰 문제가 된다.
간결한 API 언어, 캐들 톺아보기
마이크로소프트는 API 개발의 많은 부분을 캐들이라는 언어로 옮기기 시작했다. 캐들은 API 구조를 프로그램에 따라 먼저 정의한 후, 오픈API 정의로 컴파일하는 데 도움이 된다. API 정의를 반복적으로 제공할 때 사용하기 위해 개발됐다. 정의로부터 설계를 추상화하는 캐들의 결과물은 훨씬 더 간결하므로 비주얼 스튜디오와 같은 플랫폼에서 오픈API 도구의 구문 분석이 빠르고 효율적이다.조금 더 자세하게 살펴보자. 캐들은 언뜻 보면 닷넷 언어와 유사점이 있는 자바스크립트 같은 언어다. 마이크로소프트는 캐들을 ‘API를 위한 타입스크립트(TypeScript)’라고 묘사한다. 다시 말해 C#에 익숙한 사람이 사용하기 쉽게 만든 것이다. 마이크로소프트가 만든 다른 언어와 마찬가지로 캐들은 마이크로소프트의 자체 개발 도구와 잘 호환된다. 따라서 비주얼 스튜디오 및 비주얼 스튜디오 코드의 언어 서버에 캐들 확장 프로그램을 추가하여 내장 구문 강조, 코드 완성, 린팅(linting) 등의 지원을 받을 수도 있다.
마이크로소프트가 굳이 캐들이라는 언어를 따로 만든 것은 좋은 선택이다. 캐들을 통해 아키텍처 제약 조건을 일종의 원칙으로 만들고 라이브러리에서 공통 구조를 적용할 수 있다. API 설명은 아키텍처 규칙의 한계를 벗어날 경우, 컴파일되지 않으므로 해당 원칙은 캐들 환경에 의해 반드시 실행된다. API 설계자들은 아키텍처 팀이 정한 지침 내에서 작업해야 한다. 이 과정을 캐들 설계자들은 산출물 ’자동 오류 제거(CBC)’라고 표현한다.
캐들은 오픈소스로 깃허브에 공개된다. 문서화까지 꽤 잘 돼 있다. 오픈API와 스웨거(Swagger) 형식 산출물 둘 다와 비교해 보는 등 캐들 코드로 실험할 수 있는 테스트 전용 사이트(playground)도 따로 제공된다. 캐들 코드를 보면 오픈API 산출물에 비해 훨씬 더 간결하다는 사실을 금방 알 수 있을 것이다. 34줄짜리 캐들 API 설명은 오픈 API로 바꾸면 분량이 359줄이 된다. 10배 더 길어지는 셈이다. 캐들 코드는 기술이 적절히 그룹화된 상태로 하나의 화면에 다 들어가기 때문에 관리하기도 훨씬 더 수월하다.
캐들로 API 정의하기
캐들 설치는 간단하다. 컴파일러와 CLI는 npm에 호스팅 된 동일한 애플리케이션의 일부다. 일단 다운로드하여 설치한 후에는 CLI를 사용하여 함께 들어있던 비주얼 스튜디오 및 비주얼 스튜디오 코드 확장 프로그램을 설치할 수 있다. 프로그램을 설치했다면 바로 API 정의를 구축할 수 있다. 캐들 CLI로 프로젝트를 초기화하면, 간단한 일련의 프롬프트를 거쳐 기본 템플릿 선택, 이름 추가, 기본 라이브러리 선택 등을 할 수 있다. 빠른 컴파일을 통해 모든 것이 제자리에 있고 작동할 준비가 되었는지 테스트된다.캐들에서 API 정의를 작성하는 작업은 간단하다. 주로 해당 캐들 코드 기본 파일에서 REST 바인딩과 오픈API 바인딩을 둘 다 선언해야 한다. 캐들에서는 키워드를 ‘데코레이터(decorators)’라고 하며 앞에 @를 붙이면, 파일을 작성자가 직접 읽을 수 있다.
정의는 서비스 정의부터 시작해야 한다. 서비스에 이름을 부여하고 더 중요한 것은 버전 번호를 부여하는 것이다. 그다음에는 엔드포인트에 대한 URI로 서버 정의를 추가할 수 있다. 광역적으로 분산된 시스템에 유용한 이 기능은 API를 이용할 수 있는 지역과 같은 추가 매개변수를 추가할 수 있다. 이는 분명히 애저를 염두에 두고 설계된 것이지만 엔드포인트가 여러 개인 모든 분산 시스템에 도움이 된다.
다음으로는 API에서 사용하는 루트(route)와 리소스를 정의한다. 루트란 서비스 URI에 관한 리소스에 대한 경로이며 API 연산을 둘러싸는 이름공간에 연결된다. 연산은 예상되거나 기능에 의한 HTTP 동사를 사용해 정의된다. 이때 이름이 사용되는 곳에 컴파일러가 API 생성 시 적절한 동사를 추가한다. 이를 통해 REST API 호출의 요청 보디를 정의할 수 있으므로 이를 사용해 JSON을 복잡한 API로 보내거나 비교적 기본적인 것이라면 그냥 간단한 텍스트를 보낼 수 있다. 반응에 대해서도 동일한 프로세스가 적용된다.
더 복잡한 API의 경우, 자동루트 옵션을 통해 매개변수를 사용하는 경로를 생성할 수 있다. 예를 들면, 사용자이름 또는 ID를 이를 경로에서 예상하는 API로 전달하는 경우다. 매개변수를 경로에 전달하는 것에 한정되지 않으며 URL 질의로 전달하는 방법이 있다.
결과를 보면 REST API를 비교적 간단하게 정의할 수 있다는 것을 알 수 있다. 익스프레스(Express) 노드JS 애플리케이션 프레임워크와의 작업이 연상된다. 다시 말해 캐들은 API를 추상화하면서, 서비스 호출을 위한 URL를 구축하기 위해 만들어졌다는 것을 알려준다. 익스프레스와 같은 도구를 사용한 경험을 가지고 온다면, 개발자들이 새로운 언어에 대처하는 데 도움이 될 수 있다.
캐들로 표준 구축하기
캐들은 API 정의 작성 외에도 많은 일을 한다. 대표적으로 API 제공을 위해 반드시 사용되어야 하는 구조를 제공함으로써 개발팀을 대상으로 API 표준을 시행한다. 어쩌면 정의보다 더 중요한 기능이다. 캐들 정의에 이어 표준을 구축하는 작업은 라이브러리의 작성을 통해 이뤄진다. 라이브러리는 C#와 흡사한 구문으로 공통 함수를 위한 재사용 가능한 템플릿을 관리할 수 있다. 마이크로소프트가 이러한 템플릿을 애저 API 기능 구현에 활용하는 방식은 살펴볼 만하다.예를 들면, REST API를 정의하고 API 기능을 상세히 기술하기 위한 일반 인터페이스를 만들 수 있다. 일단 라이브러리가 생기면, API 인터페이스를 확장해 라이브러리 템플릿을 사용할 수 있다. 루트에 매핑하고 적절히 태깅한다. 그다음으로는 모델 정의를 사용해 API를 만들고 예상되는 모든 반응을 열거한다.
캐들은 간단하게 API에 설명문을 추가할 수단을 제공한다. @doc 선언문을 사용하면 설명문을 작성할 때 결과적으로 생긴 오픈 API 정의로부터 추출될 수 있는 설명문을 포함할 수 있다. 이 방법은 빠르고 간단하다. 마이크로소프트도 이 방법으로 애저 API 설명문의 많은 부분을 작성한다. API 설계자들이 API 설계의 본체뿐만 아니라 사용하는 모든 라이브러리에 설명문을 추가할 때 이 방법을 활용하도록 장려해야 한다.
캐들에는 마음에 들 만한 점이 많다. 한 번 보면 “왜 진작에 나오지 않았을까?”라는 생각이 들며, 도메인 특화 언어로 매력이 많다. 캐들은 논리적으로 API를 구축하고 제한할 수단을 제공한다. 따라서 아키텍트는 API가 할 수 있고 제공할 수 있는 것에 대한 소신을 지킬 수 있고, API 개발자들은 자신들의 코드가 할 수 있는 것과 일치하는 정의를 빨리 구축할 수 있는 자유를 얻을 것이다. 캐들은 양쪽 클라이언트 개발자가, 나아가 테스트 도구가, 일관된 API 정의를 접하게 해준다.
editor@itworld.co.kr
함께 보면 좋은 콘텐츠
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.