GCP Cloud Spanner 스케일러를 KEDA에 기여하다

(dev.to)

KEDA에 GCP Cloud Splar 스케일러를 구현하여 데이터베이스 큐 깊이에 따라 쿠버네티스 워크로드를 정밀하게 자동 확장하고, 오픈소스 기여 과정에서 마주한 기술적 난제와 해결책을 다룬 글입니다.

이 글의 핵심 포인트

1KEDA에 GCP Cloud Spanner 전용 스케일러를 구현하여 SQL 쿼리 결과 기반의 오토스케일링 지원
2targetValue와 activationValue 설정을 통해 워커 수 조절 및 0으로의 스케일 다운(Scale-to-zero) 가능
3Go 구조체 태그를 이용한 KEDA 스키마 자동 생성 및 다양한 GCP 인증 방식 구현
4테스트 과정에서 발생한 리소스 정리 문제와 targetValue: 0 설정 시 발생하는 Zero Division 에러 해결
5단위 테스트, 통합 테스트, 그리고 실제 Spanner 인스턴스를 활용한 E2E 테스트 완료

이 글에 대한 공공지능 분석

왜 중요한가?

CPU나 메모리 같은 전통적인 지표 대신 '비즈니스 데이터의 상태'를 기준으로 인프라를 확장함으로써, 트래픽 급증에는 유연하게 대응하고 유휴 시간에는 비용을 극단적으로 절감할 수 있는 기술적 토대를 제시하기 때문입니다.

어떤 배경과 맥락이 있나?

클라우드 네이티브 환경에서 쿠버네티스(K8s) 운영의 핵심은 효율성입니다. KEDA와 같은 이벤트 기반 오토스케일링 도구는 외부 시스템(Pub/Sub, Spanner 등)의 메트릭을 활용해 워크로드를 조절하는 표준적인 방법으로 자리 잡고 있습니다.

업계에 어떤 영향을 주나?

Cloud Spanner와 같은 관리형 DB를 사용하는 기업들이 인프라 비용 최적화를 위해 즉시 적용 가능한 자동화 패턴을 제공하며, 오픈소스 생애주기에 참여하여 기술적 부채를 해결하는 엔지니어링 사례를 보여줍니다.

한국 시장에 어떤 시사점이 있나?

클라우드 비용 관리가 생존 직결 문제인 국내 스타트업들에게 'Scale-to-zero'를 통한 비용 절감 전략을 구체화할 수 있는 가이드를 제공하며, 오픈소스 기여가 단순한 봉사가 아닌 기술적 경쟁력 확보의 수단임을 시사합니다.

이 글에 대한 큐레이터 의견

이번 사례는 인프라 운영의 패러다임을 '리소스 사용량'에서 '비즈니스 로직의 처리량'으로 전환했다는 점에서 매우 뛰어난 엔지니어링적 접근입니다. 특히 `targetValue`를 통해 워커 하나당 처리할 작업량을 정의함으로써, 개발자가 비즈니스 로직에만 집중하면서도 인프라 비용을 자동 최적화할 수 있는 구조를 설계했습니다.

다만, 주의해야 할 트레이드오프가 존재합니다. 데이터베이스 쿼리 기반의 스케일링은 빈번한 폴링(Polling)이 발생할 경우, Spanner 자체의 CPU 사용량을 높이거나 불필요한 쿼리 비용을 발생시킬 리스크가 있습니다. 따라서 적절한 폴링 주기 설정과 쿼리 최적화가 반드시 병행되어야 합니다.

스타트업 창업자라면 이러한 자동화 도구 도입 시, 인프라 효율성 증대라는 이점과 함께 데이터베이스 성능에 미칠 부수적인 비용 및 부하 영향을 반드시 검토하여 균형 잡힌 아키텍처를 설계해야 합니다.

원문 보기 →