2013년 한국에서 설립된 망고플레이트는 30명의 직원과 함께 맛집 검색 및 추천 서비스를 제공하는기업입니다. MangoPlate 애플리케이션은 2013년 10월에 출시되었으며, 현재 누적 다운로드는 250만을 달성했고 월간 기준 순 이용자수(MAU)는200만을 기록하면서 지속적으로 성장하고 있습니다. 망고플레이트는 지난 해 6월 퀄컴벤처스, 소프트뱅크벤처스 그리고 YJ캐피탈로부터 총 67억원을 투자 받았습니다.
망고플레이트의 빠른 성장에 따라 이를 신속하게 지원할 수 있는 확장성, 안정성 및 민첩성을 갖춘 인프라가 필요했습니다. 또한 스타트업에서 기존의 하드웨어 기반의 고성능 데이터웨어하우스 장비들을 도입하기에는 초기 구축 시간 및 비용이 비싸고 적용하기 어려웠습니다. 소규모 개발 인력만으로 사용자 급증에도 안정적이고 유연하게 대처하고 사용자들의 맛집 리뷰 및 추천을 거의 실시간으로 대응할 시스템이 필요했습니다. 망고플레이트의 유호석 최고기술책임자(CTO)는 “소비자들은 항상 객관적이고 믿을만한 맛집 정보를 찾고자 하지만, 광고성 정보 홍수 속에서 믿을만한 정보를 구분해내기가 어렵습니다. 그래서 저희는 소비자들에게 솔직한 후기와 공정한 평점 등을 제공하고, 빅데이터 분석을 기반으로 보다 쉽고 빠르게 원하는 식당을 찾고 맛있는 음식을 경험할 수 있도록 돕는 서비스를 제공하고자 합니다.”라고 설명했습니다.
기존에 다른 IDC를 사용해 서비스를 제공했으나 2015년부터 Amazon Web Services (AWS)를 부분적으로 이용하면서 AWS의 민첩성, 확장성과 다양한 서비스의 풍부함을 경험하게 되었습니다. 또한 사용자가 증가하면서 서버 증설과 신규 서비스에 다른 솔루션을 적용해야 하는 상황이 발생하여 유연하게 대처할 필요가 있었습니다.
망고플레이트는 AWS의 다양한 서비스로 분석 및 추천 시스템 측면에서도 더 좋은 결과를 낼 수 있을 것으로 판단했습니다. 현재 2명의 백엔드 개발자와 1명의 데이터 과학자라는 제한된 인력만으로 서비스를 제공하기 위해서 가능한 많은 작업을 자동화할 필요가 있었고 따라서 AWS가 최적이라고 판단했습니다. 유호석 최고기술책임자는 “당시 AWS 도쿄 리전을 염두에 두고 검토 중이었으나 서울 리전의 론칭 소식에 AWS로 이전하겠다는 결정을 더 빨리 내리게 되었습니다.”라고 밝혔습니다. 또한 “다른 서비스에 비해 AWS는 지원이 필요할 때 대응이 빠르고 상세한 답변을 받을 수 있어서 만족스러웠으며, AWS를 사용하면서 운영 비용을 최소화하고 서비스 측면에서 더 좋은 가치를 고객들에게 제공할 수 있어서 긍정적으로 생각하고 있습니다.”라고 전했습니다.
망고플레이트는 2016년 1월에 AWS 서울 리전으로 마이그레이션을 완료했습니다. AWS 트레이닝을 따로 받지는 않았지만 망고플레이트는 AWS 코리아와 Bespin Global 파트너사의 지원을 받아 안정적으로 마이그레이션을 완료할수 있었고 현재 대부분의 주요 서비스들을 AWS 인프라에서 성공적으로 운영하고 있습니다. 망고플레이트는 Amazon Redshift를 가장 적극적으로 사용하고 있으며, 식당 대 식당 유사점, 사용자 대 사용자 유사점, 식당 대 사용자 유사점, 부정 사용 적발 등을 분석하고 있습니다. 트래픽 용량에 따라 탄력적으로 컴퓨팅 자원을 확장하거나 축소할 수 있는 Amazon Elastic Compute Cloud (EC2), 웹 어디서나 원하는 양의 데이터를 저장 및 검색할 수 있는 Amazon Simple Storage Service (Amazon S3), 데이터를 저장하기 위해 확장성 있는 데이터베이스를 제공하는 Amazon Relational Database Service (Amazon RDS), Docker 컨테이너를 지원하는 확장성과 성능이 뛰어난 컨테이너 관리 서비스 Amazon EC2 Container Service (ECS), Amazon EC2 인스턴스에 사용할 지속적인 블록 스토리지 볼륨을 제공하는 Amazon Elastic Block Store (Amazon EBS), 격리형 클라우드 리소스 Amazon Virtual Private Cloud (Amazon VPC), AWS 서비스와 리소스에 대한 액세스를 안전하게 통제할 수 있는 AWS Identity and Access Management (IAM) 등을 이용하고 있습니다.
유호석 최고기술책임자는 "급격한 서비스 성장에도유연하게 대응하고, 인프라 모니터링 및 운영에 들어가는 시간을 최소화하고 개발 자체에 집중할 수 있는 시간 확보가 필요했습니다. Amazon Redshift, Amazon Elastic MapReduce (Amazon EMR) 등의 분석에 특화된 좋은 매니지드 서비스들을 이용함으로써 저희가 가지고 있는 분석 역량을 신속하게 서비스에 반영하여 서비스 품질을 극대화하는 것이 목표입니다.”라고 설명했습니다.
AWS 코리아는 망고플레이트가 AWS 인프라를 최적화하고 IT 운영 비용을 절감할 수 있도록 지원하고 있습니다. 아래 다이어그램은 AWS에서의 망고플레이트 인프라 아키텍처를 보여줍니다.
그림 1. AWS 상의 망고플레이트 인프라 아키텍처
망고플레이트는 2013년 애플리케이션을 출시한 이후로 한국 시장에서 4년 만에 250만 다운로드 및 200만의 MAU를 달성했습니다. 유호석 최고기술책임자는 “AWS 서비스는 사용자 유입이 급증했을 때 확장성과 유연성을 제공하며 망고플레이트가 안정적으로 서비스를 제공할 수 있도록 해주었습니다. 또한 AWS는 운영의 상당 부분을 자동화가 가능하게 해주어 제한된 개발 인력으로도 트래픽 급증에 대처하고 분석을 가능하게 해주었습니다.”라고 전했습니다. 망고플레이트는 올해 2-3월에 MAU가 200만으로 급증했지만 AWS로 인해 큰 문제없이 안정적으로 서비스를 제공하였고, 앞으로 서비스가 계속 성장하더라도 안정적으로 서비스를 제공할 수 있을 것으로 예상하고 있습니다.기존에 MySQL과 MariaDB 데이터베이스를 사용할 때에는 쿼리 처리 속도가 600초였지만 Amazon Redshift를 이용한 쿼리 속도는 80초로 줄일 수 있었습니다.
유호석 최고기술책임자는 “급격한 서비스 성장에도 유연하게 대응하고, 인프라 모니터링 및 운영에 들어가는 시간을 최소화하여 개발 자체에 집중할 수 있는 있었습니다. 뿐만 아니라 기존 클라우드 서비스 대비 높은 성능 및 안정성도 확보하게 되었습니다. 그리고 Amazon Redshift 및 Amazon EMR을 통해 최소 인력과 합리적인 비용으로 현재 서비스품질 개선 및 복잡한 대용량 데이터 분석이 가능해졌습니다. 망고플레이트는 서비스 특성 상 분석 관련 요청이 많은 편이지만분석에 들어가는 개발 시간도 상당 부분줄일 수 있었습니다.”라고 설명했습니다. 또한 “Amazon Redshift를 이용하면서 추천 알고리즘 계산 속도의 경우 기존 대비 9배 정도까지 빨라졌으며 Retention Query 계산 속도의 경우 20배 정도 빨라지는 효과가 있었습니다. 운영 이슈를 최소화할 수 있는 서비스가 많고 가격도 합리적이며, 개발에 필요한 수요에 맞춰서 서비스가 잘 나오는 것과 인프라를 안정적으로 운영할 수 있다는 점이 AWS의 장점”이라고 유호석 최고기술책임자는 평가했습니다.
유호석 최고기술책임자는 “비용 측면에서 Amazon EMR은 사용할 때만 비용을 지불하는 방식이기 때문에 최대 20배까지 비용을 줄일 수 있었고, Amazon EC2는 오토스케일링을 적용하고 나서 20 – 30%까지 절감할 수 있었다"고 밝혔습니다. 망고플레이트는 AWS 인프라를 이용하여 실시간 분석을 위한 플랫폼인 AWS Lambda, Amazon Kinesis, Amazon EMR 등으로 서비스 사용을 확대하는 것을 검토중입니다.
AWS를 활용한 웹사이트 및 애플리케이션의 구축과 운영에 더 알아보시고 싶으시다면 AWS Websites 페이지를 방문해 보시기 바랍니다.