Go + TypeScript 모놀리스: TormentNexus가 하나의 배포 단위에 두 가지 언어를 사용하는 이유

TormentNexus가 왜 마이크로서비스 (Microservices) 대신 Go와 TypeScript를 결합한 모듈형 모놀리스 (Modular Monolith) 아키텍처를 선택했는지 알아보세요. 35개 이상의 내부 패키지가 분산 시스템의 복잡성 없이 어떻게 응집력 있고 성능이 뛰어난 AI 백엔드를 구축하는지 확인해 보세요.

모놀리스의 부활: 마이크로서비스 교조주의를 넘어서

수년 동안 기술 업계는 "현대적 아키텍처"를 마이크로서비스 (Microservices)와 동일시해 왔습니다. 하지만 TormentNexus에서 우리는 현실에 직면했습니다. AI 중심의 백엔드 시스템의 경우, 분산된 복잡성이 종종 이점보다 더 큽니다. 우리의 분석에 따르면, 마이크로서비스 기반 AI 플랫폼에서 엔지니어링 시간의 73%가 핵심 ML 로직이 아닌 네트워크 회복탄력성 (Network Resilience), 분산 트레이싱 (Distributed Tracing), 그리고 배포 조정 (Deployment Coordination)에 소비되었습니다. 우리는 특정 작업에 최적화된 도구를 활용하면서도 운영의 단순함을 유지할 수 있는 폴리글랏 (Polyglot) 아키텍처가 필요했습니다.

정답은 Go와 TypeScript 중 하나를 선택하는 것이 아니라, 이 둘을 하나의 잘 구조화된 배포 단위 (Deployable)로 결합하는 것이었습니다. 우리의 모듈형 모놀리스 (Modular Monolith)는 35개 이상의 내부 패키지를 호스팅하며, 각 패키지는 엄격한 경계를 가지면서도 공유 메모리 통신 (Shared-memory communication)을 수행합니다. 이 아키텍처는 핵심 AI 처리를 위해 Go의 성능과 타입 안정성 (Type Safety)을 제공하는 동시에, API 계층과 설정 도구를 위해 TypeScript의 개발자 경험 (Developer Experience)과 풍부한 생태계를 제공합니다.

TormentNexus 아키텍처 내부: 두 개의 언어, 하나의 경계

우리의 Go + TypeScript 모놀리스는 타협안이 아니라, 관심사의 전략적 분리 (Strategic division of concerns)입니다. Go는 행렬 연산 (Matrix operations), 모델 추론 파이프라인 (Model inference pipelines), 고동시성 요청 처리 (High-concurrency request handling)와 같이 계산 집약적인 AI 백엔드를 담당합니다. TypeScript는 API 표면 (API surface), 검증 스키마 (Validation schemas), 그리고 개발자 도구 (Developer tooling)를 관리합니다. 핵심 혁신은 이들 사이의 통신 계층에 있습니다.

// Go package: internal/aiengine/pipeline.go
package pipeline

...

TypeScript 레이어는 생성된 FFI (Foreign Function Interface) 브릿지를 통해 이러한 Go 패키지들을 소비하며, 언어 경계를 가로질러 완전한 타입 안정성 (Type Safety)을 유지합니다. 이를 통해 서비스 간 HTTP 또는 gRPC 호출 시 발생하는 직렬화 (Serialization) 오버헤드를 제거하는 동시에, 각 언어의 전문화된 이점을 그대로 유지할 수 있습니다.

35개 이상의 내부 패키지: 분산 시스템 없이 강제된 모듈성

우리의 모놀리스 (Monolith)는 정확히 37개의 내부 패키지로 구성되어 있으며, 각 패키지는 명확한 책임과 아키텍처 테스트를 통해 강제된 의존성 규칙을 가집니다. 이러한 "모듈형 모놀리스 (Modular Monolith)" 접근 방식은 모놀리스의 성능을 유지하면서도 마이크로서비스 (Microservice)와 유사한 격리성을 제공합니다. 패키지는 다음과 같은 네 가지 주요 도메인으로 구성됩니다:

• AI Core (12개 패키지): Go 기반의 추론 엔진 (Inference Engines), 모델 로더 (Model Loaders), 그리고 최적화 루틴 (Optimization Routines)
• API Surface (8개 패키지): TypeScript HTTP 핸들러 (Handlers), WebSocket 관리, 그리고 OpenAPI 생성
• Data Layer (9개 패키지): 캐시 어댑터 (Cache Adapters), 데이터베이스 마이그레이션 (Database Migrations), 그리고 피처 스토어 (Feature Store) 커넥터
• Platform Services (8개 패키지): 인증 (Authentication), 속도 제한 (Rate Limiting), 그리고 관측 가능성 계측 (Observability Instrumentation)

우리는 커스텀 빌드 규칙을 통해 패키지 경계를 강제합니다. 예를 들어, AI Core 도메인의 패키지는 API Surface에서 임포트(Import)할 수 없지만, 그 반대는 허용됩니다. 이를 통해 공통 기반 패키지를 통한 공유 타입과 유틸리티를 허용하면서도 깨끗한 의존성 흐름을 유지합니다. 그 결과, 패키지 수준의 변경이 팀 간의 협업을 거의 필요로 하지 않는 코드베이스가 완성되었습니다.

빌드 시스템 엔지니어링: 폴리글랏 개발을 네이티브처럼 만들기

Go + TypeScript 모놀리스에서 가장 큰 도전 과제는 빌드 시스템 통합입니다. 우리는 교차 컴파일 (Cross-compilation), 타입 생성 (Type Generation), 그리고 통합된 의존성 관리를 처리하는 커스텀 빌드 파이프라인을 개발했습니다. 개발자들은 하위의 복잡성을 추상화한 단일 CLI와 상호작용합니다.

# 전체 모놀리스 빌드
$ torment build --target=production

...

빌드 시스템은 두 생태계를 아우르는 통합 락파일 (lockfile)을 사용하여 의존성 일관성을 유지합니다. package.json 의존성이 업데이트되면, 자체적인 호환성 매트릭스 (compatibility matrix)를 통해 Go 모듈 버전과의 호환성을 자동으로 검증합니다.

성능 영향: 왜 두 개의 언어가 하나보다 빠른가

우리의 벤치마크 결과에 따르면, 이 폴리글랏 모놀리스 (polyglot monolith)는 단일 언어 모놀리스와 동일한 규모의 마이크로서비스 (microservice) 배포 모두보다 뛰어난 성능을 보여줍니다. 비교 테스트에서 우리는 다음과 같은 성과를 달성했습니다:

• AI 추론 (inference) 작업 시 순수 TypeScript 구현 대비 p99 지연 시간 (latency) 43% 감소
• 동일한 워크로드를 처리하는 분산 마이크로서비스 아키텍처 대비 2.7배 높은 처리량 (throughput)
• 12개의 마이크로서비스 대비 단일 배포 가능한 아티팩트 (artifact) 사용으로 배포 복잡도 67% 감소

메모리 효율성은 특히 주목할 만합니다. Go의 가비지 컬렉터 (GC)는 AI 처리 과정에서의 크고 수명이 긴 객체(모델 가중치, 중간 텐서 등)를 처리하고, TypeScript의 V8 엔진은 수많은 수명이 짧은 API 요청 객체들을 관리합니다. 이러한 자연스러운 분리는 단일 런타임 (single-runtime) 방식과 비교했을 때 GC 압박을 41% 줄여줍니다.

운영상의 이점: 디버깅, 모니터링, 그리고 하나의 단위로서의 확장

폴리글랏 모놀리스를 운영하면 분산 시스템에서 발생하는 문제의 범주 자체를 제거할 수 있습니다. Go 추론과 TypeScript 검증을 가로지르는 요청을 디버깅할 때 상관 관계 ID (correlation IDs)나 분산 트레이싱 (distributed tracing)이 필요하지 않습니다. 콜 스택 (call stack)을 직접 따라갈 수 있기 때문입니다. 우리의 모니터링 스택은 전체 시스템을 하나의 단위로 취급하며, 두 런타임에서 발생하는 메트릭 (metrics)이 하나의 통합 대시보드로 흐릅니다.

확장 (scaling) 또한 간단합니다. 로드 밸런서 (load balancer) 뒤에서 모놀리스의 여러 인스턴스를 실행하기만 하면 됩니다. AI 처리 컴포넌트만 확장해야 할 경우에도, 동일한 내부 패키지 인터페이스를 노출하는 격리된 Go 바이너리 (binaries)를 배포할 수 있습니다. 이러한 "선택적 추출 (selective extraction)" 능력은 첫날부터 분산 시스템을 채택하지 않고도, 진정으로 필요할 때 마이크로서비스와 같은 유연성을 제공합니다.

정교하게 설계된 폴리글랏 아키텍처 (polyglot architecture)의 성능 이점을 경험해 보세요. TormentNexus가 AI 워크로드 (AI workloads)를 위해 설계된 모듈형 모놀리스 (modular monolith) 내에서 어떻게 Go와 TypeScript를 결합하는지 확인해 보시기 바랍니다. tormentnexus.site를 방문하여 저희의 아키텍처 문서와 기술 심층 분석 (technical deep dives) 내용을 살펴보세요.

원문은 tormentnexus.site에 게시되었습니다.