단일 리전 Atlas 배포는 한 클라우드 공급자 의 단일 리전 내에 클러스터 노드를 설정하다 . 모든 클러스터 계층은 단일 리전 Atlas 배포를 지원 . 애플리케이션에 가장 저렴한 옵션을 제공하며 비용 중요한 요소일 때 좋은 선택입니다. 가용영역에 분산된 노드와 기본값 majority 쓰기 고려 (write concern)를 통해 단일 리전 배포는 데이터 손실 없이 노드 및 구역 장애에 대한 자동 페일오버 보호 기능을 제공합니다. 그러나 리전별 장애의 경우 백업에서 복구해야 하며, 이 경우 백업 빈도에 따라 다운타임과 잠재적인 데이터 손실이 발생할 수 있습니다.
참고
페일오버 중 데이터 손실이 없도록 하려면 majority 쓰기 고려 (write concern) 필요합니다. 쓰기 고려 (write concern) 낮게 구성하면 자동 페일오버 인해 데이터가 손실될 수 있습니다.
모든 Atlas 제공자는 하나의 리전 내 가용 영역을 지원하는 리전을 보유하고 있으며 이는 단일 가용 영역 장애 시 보호 기능을 제공합니다. 클라우드 공급자는 가용성을 보장하기 위해 리전 내 다른 가용 영역에 있는 노드로 트래픽을 자동으로 다시 라우팅합니다. 이는 멀티 리전 배포와 유사하지만 더 작은 규모에서 적용됩니다.
아래 다이어그램은 3개의 가용 영역을 가진 리전에서의 단일 리전 Atlas 배포를 보여줍니다.
단일 리전 배포서버 구성하는 방법을 학습하려면 Atlas 설명서에서 클러스터 생성 을 참조하세요.
단일 리전 배포서버의 사용 사례
다음 조건에 해당한다면 단일 리전 배포가 가장 적합할 수 있습니다.
하나의 클라우드 공급자를 사용하고자 합니다.
여러 리전에 배포할 필요가 없습니다.
애플리케이션의 지연 시간이 짧아야 하고 하나의 지리적 위치에 과반수 이상의 사용자가 있어야 합니다.
예시 들어, 사용자가 주로 미국 서부에 있는 Amazon Web Services 와 함께 배포된 애플리케이션의 경우, 단일 리전 배포서버 us-west-2 (가용영역을 지원하는 리전)에 배포 할 수 있습니다. 이렇게 하면 모든 노드가 미국 서부 내에 있기 때문에 지연 지연 시간 단축되는 동시에 프라이머리 노드 에 영향을 미치는 구역 중단이 발생할 경우 가용성을 제공할 수 있습니다.
애플리케이션 짧은 지연 시간 과 리전 간 또는 제공자 간 고가용성 필요한 경우 각각 다중 리전 배포 패러다임 또는 다중 클라우드 배포 패러다임 을 고려하세요.
단일 리전 배포서버에 대한 고려 사항
단일 리전 배포서버는 최소 수준의 가용성을 보장합니다. 고가용성은 리전 전반의 노드 배포뿐만 아니라 노드의 수, 분포 및 우선 순위에 따라 달라집니다. 고가용성을 위한 권장 클러스터 토폴로지에 대해 자세히 알아보려면 Atlas 고가용성 지침을 참조하세요.
추가 고려 사항은 Atlas 문서의 고려 사항을 참조하세요.
단일 리전 배포의 권장사항
애플리케이션이 다음 클라우드 공급자 중 하나에 배포된 경우, Atlas 리소스를 동일한 공급자 및 리전에 배포할 것을 강력히 권장합니다.
이렇게 하면 애플리케이션 에서 실행하는 데이터베이스 작업의 지연 시간 줄어들고 자체 관리형 클라우드 리소스를 Atlas 리소스와 연결하는 비공개 엔드포인트 통해 보안을 강화할 수 있습니다. 또한, 이 접근 방식은 클라우드 간 데이터 전송 과 관련된 지연 시간 및 이그레스 비용을 줄이는 동시에 전체 노드 수를 줄이고 멀티 리전 네트워킹 구성 요소가 필요하지 않으므로 비용을 절감할 수 있습니다.
Terraform을 사용하여 단일 리전 배포서버 자동화하려면 MongoDB Atlas 클러스터 Terraform 모듈을 참조하세요.
참고
단일 리전 배포는 데이터 손실 없이(RPO=0) 노드 및 구역 장애에 대한 자동 페일오버 보호 기능을 제공합니다. 그러나 완전한 리전 운영 중단의 경우 백업에서 복구해야 하며, 이 경우 백업 빈도에 따라 다운타임과 잠재적인 데이터 손실(RPO>0)이 발생합니다. 리전 장애에 대한 자동 페일오버 보호가 필요한 애플리케이션의 경우 멀티 리전 또는 멀티 클라우드 배포를 고려하세요.
Atlas 클라우드 배포에 대한 권장 사항은 다음 리소스를 참고하세요.
운영 효율성
Reliability
비용 최적화