[문제] CAP 정리(Consistency, Availability, Partition Tolerance)를 설명하고, CP 시스템과 AP 시스템의 대표 사례와 선택 기준을 서술하시오. 또한 BASE(Basically Available, Soft State, Eventually Consistent) 모델의 개념과 ACID와의 차이점, 그리고 분산 합의 알고리즘(Raft, Paxos)의 원리와 실제 활용 사례를 논하시오.
1. CAP 정리
CAP 정리(Brewer’s Theorem)는 분산 시스템에서 일관성(Consistency), 가용성(Availability), 파티션 허용성(Partition Tolerance) 중 동시에 2가지만 보장할 수 있다는 원리다.
| 속성 | 정의 |
|---|---|
| Consistency (C) | 모든 노드가 동일한 최신 데이터를 반환 (선형화 가능성) |
| Availability (A) | 모든 요청이 오류 없이 응답 (일부 노드 장애 시에도) |
| Partition Tolerance (P) | 네트워크 파티션(메시지 손실·지연) 발생 시에도 동작 지속 |
실제 선택: 네트워크 파티션은 불가피하므로 P는 항상 선택. 결국 CP vs AP의 선택이 된다.
2. CP vs AP 시스템 비교
| 구분 | CP (Consistency + Partition) | AP (Availability + Partition) |
|---|---|---|
| 특성 | 파티션 시 일관성 유지, 가용성 희생 (일부 요청 거부) | 파티션 시 가용성 유지, 일관성 희생 (Stale 데이터 허용) |
| 대표 시스템 | HBase, Zookeeper, etcd, MongoDB (강한 일관성 모드) | Cassandra, DynamoDB, CouchDB |
| 적합 용도 | 금융 거래, 재고 관리, 분산 잠금 | 소셜 미디어 피드, DNS, 장바구니 |
3. BASE vs ACID
| 구분 | ACID | BASE |
|---|---|---|
| 일관성 | 강한 일관성 (Strong Consistency) | 결과적 일관성 (Eventual Consistency) |
| 가용성 | 낮음 (락·롤백으로 대기 발생) | 높음 (항상 응답, 최신 데이터 아닐 수 있음) |
| 적합 DB | MySQL, PostgreSQL, Oracle | Cassandra, DynamoDB, Redis |
| BASE 풀이 | Basically Available: 항상 응답, Soft State: 시간에 따라 상태 변화 가능, Eventually Consistent: 최종적으로 일관 상태 도달 | |
4. 분산 합의 알고리즘 — Raft vs Paxos
| 구분 | Paxos | Raft |
|---|---|---|
| 이해도 | 이론적으로 복잡, 구현 어려움 | “이해 가능성”을 목표로 설계, 명확한 리더 선출 |
| 리더 선출 | 암묵적 | 명시적 (Term 기반 Election) |
| 로그 복제 | 복잡한 2단계 프로토콜 | 리더가 팔로워에 Log Entry 복제, 과반수 커밋 |
| 활용 사례 | Google Chubby, Apache Zookeeper (ZAB 유사) | etcd, CockroachDB, TiKV, Consul |
Raft 동작 원리: ① 리더 선출(Election) → ② 로그 복제(Log Replication) → ③ Safety(커밋된 로그는 절대 변경 안됨) 세 가지 서브 문제로 분리하여 이해 용이성 달성
[ 결론 ]
CAP 정리는 분산 시스템 설계의 근본 제약이며, 파티션 내성을 전제로 CP(일관성 우선)와 AP(가용성 우선) 중 비즈니스 요구에 따라 선택한다. Raft는 Paxos보다 이해하기 쉽게 설계되어 etcd·CockroachDB 등 현대 분산 시스템의 표준 합의 알고리즘이 되었다.