실습 개요
소규모 크라우드소싱 플랫폼을 시작한 후 소비자가 현재 이벤트를 기반으로 콘텐츠를 제작할 수 있도록 지원하는 모바일 및 웹 애플리케이션 포트폴리오를 구축하였습니다. 처음에는 Amazon EC2 인스턴스에서 실행 중인 MySQL 데이터베이스를 사용하여 애플리케이션을 보강하였습니다. 비즈니스가 성장함에 따라 데이터베이스 요구 사항을 관리하고 데이터베이스를 호스팅하는 동안 경험한 몇 가지 문제를 해결할 수 있는 확장성이 더 높은 솔루션을 찾기 시작했습니다. 시장 제품을 분석한 후 증가하는 워크로드에 Amazon Aurora를 사용하기로 결정했습니다.
새 애플리케이션을 개발하는 동안 Aurora 데이터베이스에서 데이터를 검색할 때 성능이 저하됨을 알게 되었습니다. 이 문제가 쿼리 설계 불량과 관련이 있을 수 있다는 의심이 듭니다. Amazon Aurora에서 여러 도구를 사용하여 문제가 있는 쿼리를 찾고 쿼리를 최적화합니다.
Amazon Aurora는 MySQL 및 PostgreSQL과 호환되는 관계형 데이터베이스 엔진으로서, 클라우드용으로 구축되었습니다. 하드웨어 프로비저닝, 데이터베이스 설정, 패치 및 백업과 같은 시간 소모적인 관리 작업을 자동화하는 Amazon Relational Database Service(Amazon RDS)에서 Aurora의 모든 것을 관리합니다. Aurora는 특수 목적 분산형 최신 스토리지 시스템에 구축됩니다. 모든 데이터는 수백 개의 스토리지 노드에 걸쳐 3개의 서로 다른 AWS 가용 영역에 분산되며, 영역당 2개의 사본이 있습니다. Aurora MySQL 및 PostgreSQL과 호환되는 데이터베이스 엔진은 빠른 분산형 스토리지를 활용하도록 사용자 지정됩니다.
이 실습에서는 IMDb 데이터 집합을 사용하여 Amazon RDS Aurora 클러스터를 테스트합니다. 느린 쿼리 로그와 Amazon RDS 성능 개선 도우미를 사용하여 쿼리를 평가합니다. 그런 다음 쿼리를 미세 조정하고 성능 향상을 평가합니다. 또한 Amazon Aurora 클러스터에서 읽기 전용 복제본에 대한 Auto Scaling을 구성하여 피크 로드 성능 영향을 완화하는 방법을 배웁니다. 이러한 활동 중에 워크로드에 대한 데이터베이스 성능을 최적화하는 데 사용할 수 있는 여러 파라미터를 검토합니다.
목표
이 랩을 완료하면 다음을 수행할 수 있습니다.
- Amazon RDS에서 느린 쿼리 로그를 활성화하여 성능이 저조한 MySQL 쿼리 조사
- Amazon RDS 성능 개선 도우미를 통한 성능 조사
- 모범 사례를 사용하여 MySQL 쿼리 최적화
- Aurora 읽기 전용 복제본 Auto Scaling 기능을 사용하여 갑작스러운 로드 증가에 대처
수강 전 권장 사항
이 랩에는 다음 사항이 필요합니다.
-
Microsoft Windows, macOS X 또는 Linux(Ubuntu, SuSE, Red Hat)가 실행되는 Wi-Fi 지원 노트북
참고 iPad나 태블릿 디바이스로는 실습 환경에 액세스할 수 없지만, 수강생 가이드는 볼 수 있습니다.
-
Microsoft Windows 사용자의 경우: 컴퓨터의 관리자 권한
-
Chrome, Firefox 또는 Internet Explorer 9와 같은 인터넷 브라우저(IE9 이전 버전은 지원하지 않음)
-
PuTTY와 같은 SSH 클라이언트
-
MySQL 데이터베이스 구문 및 작업에 대한 지식
소요 시간
이 실습은 완료하는 데 약 90분이 소요됩니다.
