Microservices의 함정, Eventual Consistency 해결 전략

Context

Monolith에서 Microservices로 전환하며 분산 데이터 구조 채택. CAP Theorem으로 인해 고가용성 확보 시 데이터 일관성 결여 문제 발생. 단순한 P99 지표 중심 모니터링으로 인한 실제 사용자 데이터 불일치 경험.

Technical Solution

• 읽기 전용 노드 지연으로 인한 데이터 누락 방지를 위해 Gateway 및 Application Layer에 read-your-writes 일관성 전략 도입
• 서버 간 Clock Drift로 인한 데이터 오염을 막기 위해 Last Write Wins 방식의 단순 휴리스틱 제거
• 분산 환경의 데이터 충돌을 결정론적으로 해결하기 위해 Vector Clocks 및 CRDTs(Conflict-free Replicated Data Types) 적용
• 분산 트랜잭션의 Deadlock 위험이 큰 Two-Phase Commit 대신 Saga 패턴을 통한 다중 서비스 오퍼레이션 관리
• 네트워크 분할 상황에서 데이터 유실을 방지하는 결정론적 충돌 해결 로직 설계

Impact

• 50ms의 Clock Drift만으로도 최신 데이터가 과거 상태로 덮어씌워지는 데이터 손실 위험 확인

Key Takeaway

분산 시스템 설계 시 단순 성능 지표보다 데이터 정밀도(Correctness)를 우선순위에 두어야 하며, 비즈니스 요구사항에 맞는 엄격한 일관성 모델 선택이 필수적임.