Study

'AWS와 토스페이먼츠를 통해 E-Commerce 스타트업 혁신하기' 웨비나 후기

Hyunec 2022. 4. 29. 18:44
(22.04.27) 웨비나에서 소개한 기술 중 중요하거나 당사에 적합하다고 생각하는 내용을 회사 내부에 소개하는 글을 작성했습니다.
이 중 일부 민감 항목을 제외한 간단한 후기를 작성하며, 일부 내용은 재직 중인 회사의 시선에서 작성되었습니다.


저는 이전 경력으로 VAN과 페이의 운영 업무를 했었습니다.

그러다 보니 자연스럽게 결제 서비스의 선두 주자인 토스에 관심이 있었고, 특히 브랜드 페이는 웨비나 전부터 긍정적으로 생각하는 모델 중 하나였습니다.

 

그러던 중 AWS의 주관으로 무신사에 브랜드 페이를 적용한 대표 사례를 소개하는 웨비나를 들을 수 있는 기회를 얻었고, 이미 큰 트래픽을 처리하는 회사의 설계를 보며 최근 설계하고 있는 당사의 MSA에도 큰 영감을 얻었기에 내용을 기록해봅니다.

 

OO페이, 우리 회사도 만들 수 있을까?

우리 쇼핑몰 이름 딴 간편결제, OO페이를 만들고 싶다면, 토스페이먼츠 간편결제 솔루션 브랜드페이를 도입해 보세요. 적은 시간과 비용으로 결제전환율 95% 이상의 간편결제를 구축할 수 있어요

blog.tosspayments.com

발표 섹션은 4개였지만, 기록은 기술 내용이 들어가 있는 1, 3번째 만을 대상으로 합니다.

1. E-commerce를 위한 AWS 아키텍처 진화하기.pdf
5.17MB
2. AWS 공동 웨비나 토스페이 발표자료_v7_220404.pdf
2.38MB
3. AWS+토스페이먼츠 발표자료 (빌링개발팀 최진호)_최종_Font_rev2.pdf
1.59MB
4. 스타트업을 위한 AWS x Toss Payments의 특별 혜택.pdf
0.53MB

 

1. E-commerce를 위한 AWS 아키텍처 진화하기

데이터 흐름을 분석하여 인사이트 도출까지 고려한 모델을 말하고 있습니다.

 

Auto Scaling Group

  • ecs에 설정할 수 있는 고가용성 기능 중 하나입니다.
  • 예정된 이벤트라면 수동으로 스케일 업을 지정할 수 있습니다.
  • 하지만 보통은 자동으로 스케일 업 & 스케일 아웃되기를 기대합니다.
    • 최소 24시간 이상의 데이터가 있는 경우, 지난 14일 동안의 metric을 분석해 향후 48시간의 지표를 예상하여 자동 설정됩니다.

 

Amazon Aurora

  • 당사에서는 RDS만을 레플리카 없이 모두 마스터로 운영하고 있습니다.
  • 보통은 레플리카의 적극적인 활용을 말하지만, 당사는 B2B 성격이 강하며 그리드 조회 기능이 대부분입니다.
    따라서 CQRS 패턴과 데이터웨어하우스의 도입이 선행되는 것이 좋다고 생각합니다.

 

같이 쓰면 좋은 서비스

Performance Insights (성능 개선 도우미)

  • 당사는 AWS의 관제 시스템보다는 datadog을 적극적으로 사용하려 합니다.

RDS Proxy

  • 'AWS Secrets Manager과 통합되어 Credentials를 안전하게 관리할 수 있다'라고 하지만 지금은 필요성이 와닿지 않았습니다.

 

분석 시작하기

Amazon Kinesis Data Streams

  • 발표에서는 사용자 흐름의 통계화를 위해 Kinesis를 말합니다.
  • 하지만 사용자 흐름에 대한 트래킹은 datadog을 활용할 수 있다고 생각합니다.
    • 이미 당사의 일부 시스템은 사용자 흐름을 datadog으로 추적 가능합니다.
    • 하지만 발표 자료 수준의 인사이트를 얻을 수 있는 정형화된 데이터는 아닙니다.

 

Amazon Athena

  • 앞의 이슈들을 해결하기 위한 방법으로 사내에서 선택한 기술 중 하나입니다. (+ AWS Glue)
  • 당사는 아직 MSA를 준비하는 초창기이기에 같은 도메인이 각 모놀리식 서비스마다 조금씩 다른 시선으로 개발되어 있습니다.
    • 이것을 공통 도메인으로 분리하는 것이 MSA의 최종 목표이며, 이 과정은 매우 힘들고 긴 호흡이 필요합니다.
    • 그렇기에 과도기인 상황에서 필요한 데이터를 추출함에 있어서는 ETL을 활용하는 것이 가장 적절하다고 판단했습니다.

 

Amazon QuickSight

  • 이미 내부에서 시각화된 지표 대시보드 개발했습니다.
  • Amazon QuickSight는 Saas 형태이기에 편리하겠지만, 메트릭 집계가 선행되어야 하기에 와닿지 않았습니다.

 

 

머신 러닝 활용하기

머신 러닝에 대해 잘 모르기도 하고, 기초 자료를 위한 메트릭 집계가 선행되어야 하기에 와닿지 않았습니다.

 

3. AWS+토스 페이먼츠 발표자료

Monolithic → Microservice

당사의 레거시와 비슷합니다!

MSA! 제가 생각하는 모델은 이것과 비슷하지만 BFF를 곁들입니다.

 

무신사에서 브랜드 페이를 위해 사용하는 서비스들

  • 아쉽게도 당사는 아직 MQ조차 사용하지 않는 동기식 처리가 대부분이며, 배치가 아닌 스케줄러의 형태만 운영되고 있습니다.
  • 자료에서는 카프카를 말하지만, 러닝 커브가 높고 당사의 트래픽 수준에서는 큰 이점 없이 운영 난이도만 높아진다고 생각합니다.
    • 비교적 쉽게 사용할 수 있는 AWS SNS/SQS를 생각하고 있습니다.
    • 발표에서도 초기에는 Amazon MQ와 AWS SNS/SQS를 병행 사용하다가 이후 kafka로 넘어갔다고 합니다.