Oracle 마이크로 서버

Category
Status
Published
Tags
Oracle Cloud
Server
성능최적화
LRU
Description
Published
Slug

1. 서버 전체 구성도

  인터넷
    ↓
┌─────────────────────────────────────────────────────────┐
│  Oracle Cloud 마이크로 인스턴스 (무료)                    │
│  • CPU: 1 vCPU (AMD EPYC 7551)                          │
│  • RAM: 1GB                                             │
│  • Storage: 47GB                                        │
│  • OS: Ubuntu 22.04 LTS                                 │
│  • IP: 144.24.79.13                                     │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────────┐
│  Docker 컨테이너 환경                                        │
│  ┌─────────────┬─────────────┬────────────────────────────┐ │
│  │ - Backend   │ - Redis     │ - Nginx (Reverse Proxy)    │ │
│  │ Node.js     │ Cache       │ Load Balancer              │ │
│  │ Express     │ In-Memory   │ Static Files               │ │
│  │ Port: 3001  │ Port: 6379  │ Port: 80/443               │ │
│  └─────────────┴─────────────┴────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

2. Docker 컨테이너 구성

 
컨테이너
이미지
메모리 제한
CPU 제한
역할
Backend
Node.js 18 Alpine
200MB
0.7
API 서버 + AI 분석
Redis
Redis 7 Alpine
80MB
0.2
캐싱 시스템
Nginx
Nginx Alpine
50MB
0.1
리버스 프록시
Alpine(알파인)은 운영체제(OS) Alpine Linux(알파인 리눅스) 의미
Alpine Linux: 경량화와 보안에 초점을 맞춰 개발된 미니멀한 Linux 배포판.
일반적인 등산 장비가 아닌, 필수적인 것만 챙겨 가볍게 오르는 '알파인 스타일' 등반처럼,
이 운영체제도 꼭 필요한 핵심 기능만 담고 있음

Alpine 버전 장점

일반적인 Node.js 이미지(node:18)는 Debian 같은 범용 OS를 기반으로 하여 기능이 많은 대신 용량이 큼.
  1. 매우 작은 크기: 일반적인 Node.js 이미지의 크기가 수백 MB인 것에 비해, Alpine 기반 이미지는 수십 MB에 불과. 이로 인해 빌드 및 배포 속도가 빨라지고 저장 공간을 절약할 수 있음
  1. 보안 강화: 운영체제에 포함된 패키지와 라이브러리가 적기 때문에, 잠재적인 보안 취약점(공격 지점)이 그만큼 줄어듦
  1. 단순함: 꼭 필요한 요소만 포함되어 있어 환경이 깔끔하고 예측 가능성이 높음
 

3. 메모리/CPU 최적화 기법

메모리 최적화

1. Node.js 메모리 제한

# Dockerfile에서
CMD ["node", "--max-old-space-size=128", "dist/app.js"]

# Docker Compose에서
environment:
  - NODE_OPTIONS=--max-old-space-size=128
mem_limit: 200m

2. Redis 경량화

# 64MB만 사용 + LRU 정책
redis-server --maxmemory 64mb --maxmemory-policy allkeys-lru
 

3. Alpine Linux 사용

  • 기본 Ubuntu: ~72MB → Alpine: ~5MB
  • 불필요한 패키지 모두 제거

4. Multi-stage 빌드

# 빌드 스테이지: 개발 도구 포함
FROM node:18-alpine AS builder
# 런타임 스테이지: 필수 파일만
FROM node:18-alpine
 

CPU 최적화

1. 워커 프로세스 최적화

worker_processes 1;  # CPU 1개에 맞춤
worker_connections 512;

2. 연결 재사용

keepalive 2;  # 연결 재사용으로 CPU 절약

3. Gzip 압축

gzip on;  # CPU 사용해서 대역폭 절약
 

4. 데이터베이스 (SQLite) 구조

저장 위치

/app/data/criti-ai.db  (컨테이너 내부)
↓
Docker Volume: app_data  (호스트에 영구 저장)

주요 테이블

analysis_cache    -- 분석 결과 캐시 (24시간)
users            -- 사용자 정보
challenges       -- 챌린지 데이터
challenge_results -- 사용자 답안 결과
user_badges      -- 배지 시스템
analysis_stats   -- 일일 통계

SQLite 선택 이유

  • 메모리 효율성: PostgreSQL 대비 적은 메모리 사용
  • 단순성: 별도 DB 서버 불필요
  • 성능: 단일 사용자 환경에서 충분히 빠름
  • 안정성: 파일 기반으로 백업 쉬움
 

5. 캐싱 시스템

요청 처리 흐름

1. 사용자 요청
    ↓
2. Redis 캐시 확인 (0.1초)
    ↓ cache miss
3. SQLite DB 캐시 확인 (0.3초)
    ↓ cache miss
4. 메모리 캐시 확인 (0.01초)
    ↓ cache miss
5. Gemini AI 분석 (3-10초)
    ↓
6. 모든 캐시에 저장
    ↓
7. 사용자에게 응답

캐시 저장 우선순위

  1. Redis (1순위): 빠른 접근 + 만료 관리
  1. SQLite (2순위): 영구 보관 + 통계 활용
  1. Memory (3순위)
 

6. API 엔드포인트 전체 목록

분석 API (/api/analysis)

엔드포인트
메소드
설명
응답 시간
/analyze
POST
뉴스 기사 AI 분석
0.1초 (캐시) ~ 30초 (AI)
/quick-check
POST
빠른 신뢰도 체크
0.1초

챌린지 API (/api/challenge)

엔드포인트
메소드
설명
기능
/challenges
GET
모든 챌린지 조회
난이도별 필터
/challenges/:id
GET
특정 챌린지 조회
상세 정보
/challenges/:id/submit
POST
답안 제출 및 채점
배지 지급
/progress/:userId
GET
사용자 진행도
레벨/배지 시스템
/generate
POST
AI 챌린지 생성
Gemini AI 활용
/stats
GET
전체 통계
대시보드용

시스템 API

엔드포인트
설명
모니터링
/health
서버 상태 확인
1분마다 체크

7. 실행 과정

1. 서버 부팅

1. Ubuntu 시스템 부팅
2. Docker 서비스 시작
3. docker-compose.micro.yml 실행
4. 이미지 다운로드 (최초만)
5. 컨테이너 생성 및 시작

2. 컨테이너 초기화

Backend
├── Node.js 프로세스 시작
├── Prisma DB 연결
├── Redis 연결 대기
├── Gemini API 키 검증
└── Express 서버 시작 (포트 3001)

Redis
├── Redis 서버 시작 (포트 6379)
├── 64MB 메모리 할당
└── LRU 정책 활성화

Nginx
├── 설정 파일 로드
├── 백엔드 연결 확인
└── 포트 80 리스닝 시작

3. 서비스 준비 완료

 
 

요청 처리 과정

사용자가 뉴스 분석 요청 시
1. 크롬 확장 → Background Script
2. Background Script → Nginx (포트 80)
3. Nginx → Backend (포트 3001)
4. Backend → Redis 캐시 확인
5. 캐시 없으면 → Gemini AI 호출
6. 결과를 3단계 캐시에 저장
7. 사용자에게 응답 반환

응답 속도 최적화

  1. 캐시 우선: 대부분요청은 캐시에서 처리 (0.1초)
  1. 연결 재사용: Keep-Alive로 연결 오버헤드 최소화
  1. Gzip 압축: 응답 크기 감소
 
 

메모리 최적화

  1. Node.js 힙 제한: 128MB로 고정
  1. Redis 메모리 제한: 64MB + LRU 정책
  1. Alpine Linux: 최소 OS 이미지
  1. Multi-stage Build: 런타임 이미지 최소화
 

CPU 최적화

  1. 워커 프로세스: CPU 코어 수에 맞춤
  1. 비동기 처리: Node.js 이벤트 루프 활용
  1. 캐싱 전략: CPU 집약적 AI 분석 최소화