우수한 축구 시청 경험을 선사하는 데 도움을 준 TrafficPeak의 사례

대규모 스포츠 이벤트, 특히 연중 가장 큰 축구 경기는 Akamai에서 연중 손에 꼽히게 중요한 이벤트입니다. 대형 미디어 기업들은 Akamai 솔루션을 사용해 전 세계 시청자에게 경기를 스트리밍합니다. 하지만 각 시청자가 버퍼링과 끊김 현상으로 인한 불편함 없이 경기를 즐기게 하려면 상세 데이터를 실시간으로 수집해야 합니다.

올해 마지막 축구 경기는 그 어느 때보다 규모가 컸습니다. 평균 시청자 수가 약 1억 2400만 명에 달해 아폴로 11호 달 착륙 이후 가장 많이 시청한 라이브 이벤트로 기록되었습니다. 스트리밍 미디어 와 방송사는 Akamai의 주요 고객사 중 하나이기 때문에 이벤트 기간 이들이 빛나게 하는 것이 최우선 과제였습니다.

한 미디어 공급업체의 경우, Akamai 팀은 CDN 로그를 쿼리해야 했으며 이를 위해 몇 초 만에 데이터 검색을 마쳐야 했습니다. 안타깝게도 트래픽이 폭주하는 상황에서 DataStream 2 와 CMCD 데이터를 수집하고 분석하는 데 20분이나 걸렸습니다. 큰 경기나 기타 라이브 이벤트에서 20분은 너무 긴 시간입니다.

시청자가 영향을 느끼기 전에 성능 및 보안 문제를 신속하게 방어하려면 실시간으로 데이터 인사이트가 필요했습니다. 지역, 도시, 주, 자동 시스템 번호(ASN), 서버 세부 정보 등의 데이터를 실시간으로 수집, 분석, 시각화해 하나의 보기에서 오류를 더 손쉽게 찾고 수정할 수 있어야 했습니다. 

어떤 문제가 한 공급업체에만 국한된 것인지, 어떤 문제가 ASN 네트워크 전체에 퍼져 있는지 즉시 확인할 수 있다면 영향을 받는 전송을 우회하기 위해 트래픽을 다른 지역으로 이동하는 등의 방어 결정을 신속하게 내릴 수 있습니다.

또한, 경기 후 분석을 위해 성능 이상값을 자세히 분석하고 그 원인을 파악하고자 했습니다. 이렇게 하면 그 영향을 명확하게 파악하고 향후에 데이터에 기반한 방어 결정을 내릴 수 있습니다.

TrafficPeak 는 Akamai 매니지드 옵저버빌리티 서비스 Hydrolix에 기반했기 때문에 큰 경기에 사용하는 것은 당연한 일이었습니다. 이 서비스는 사용자 맞춤화를 통해 손쉽게 배포할 수 있습니다.

우리는 상위 ASN, 응답 코드, 오류를 중심으로 시각화를 구축했습니다. 전송 성능 지표를 보고 특정 지역의 성능 저하를 확인할 수 있었습니다. 예를 들어, 도시별로 필터링해 성능이 정상인지 또는 이상값이 존재하는지 확인한 다음 시청자에게 영향을 미치기 전에 수정 사항을 적용하는 것이 쉬웠습니다.

TrafficPeak는 간편한 사용자 맞춤화, 실시간 데이터, 아키텍처라는 세 가지 영역에서 가장 큰 가치를 제공했습니다.

기술 담당자로서 저는 복잡한 쿼리를 작성하는 일이 쉽습니다. 그럼에도 불구하고 모든 데이터 인사이트를 맞춤형 대시보드로 사용자 맞춤화를 할 수 있는 TrafficPeak의 기능은 놀랍고 인상적입니다.

데이터를 수집, 처리 및 시각화하기 위한 ELK Stack과 같은 유사한 솔루션이 존재하지만 TrafficPeak만큼 빠르지는 않습니다. 트래픽이 가장 많을 때는 초당 거의 1100만 개의 레코드가 수집되었고, 데이터를 슬라이스하고 쿼리하는 데 1초도 걸리지 않았습니다. 다른 툴로는 이 속도를 재현하기 어렵습니다.

TrafficPeak는 쿠버네티스내부에 있도록 설계되었습니다. 저는 쿠버네티스 사용자로서 서비스를 확장하고 배포하는 방법을 잘 압니다. 클라우드 배포에 이상적인 디자인입니다. 소프트웨어 설계와 백엔드 아키텍처에 많은 고민이 들어간 것이 분명합니다.

큰 경기는 성공적이었습니다. 530억 개의 레코드를 수집해 41테라바이트의 원시 데이터를 5.76테라바이트의 압축 데이터로 변환해 저장했습니다. 오류 발생 횟수가 적었는데, 오류 발생 시 실시간으로 가시성을 제공해 오류를 즉시 개선할 수 있는 TrafficPeak 덕분이라고 생각합니다.

모든 데이터에 대한 가시성을 확보한 것도 큰 도움이 되었습니다. 일반적으로 라이브 이벤트의 경우 무슨 일이 일어나는지 실시간으로 파악하기 어렵습니다. 미디어 고객사는 사용자 대부분이 렌더링 사다리의 최상단에 있는지 확인할 수 있도록 평균 비트레이트와 같은 지표가 필요합니다. TrafficPeak가 이러한 지표를 제공해 실시간으로 문제를 방어할 수 있었습니다.

이벤트가 끝난 후에는 TrafficPeak를 사용해 발생한 성능 문제를 조사했습니다. 그 결과, 유사한 문제를 더 잘 발견하기 위해 필터를 다시 작성하는 등 다음번에 개선할 부분을 발견할 수 있었습니다. 이제 동일한 문제가 다시 발생하지 않도록 향후 이벤트에 적합한 필터를 구축하는 방법을 알게 되었습니다.