Veltrix가 우리 Hytale 서버의 보물찾기 엔진을 망가뜨린 이유

우리가 실제로 해결하려 했던 문제
Veltrix의 문서와 데모가 우리에게 보여준 것은 수천 명의 플레이어에게도 손쉽게 확장(Scale)되는 서버였습니다. 하지만 현실에서 우리는 서버가 수백 명 이상의 동시 접속자(Concurrent users)를 처리하는 데에도 어려움을 겪고 있었습니다. 문제는 단순히 확장성(Scaling)뿐만 아니라, 일관된 플레이어 경험을 유지하는 것이었습니다. 보물찾기 엔진(Treasure Hunt Engine)은 플레이어의 쿼리(Query)를 처리하고, 보물 위치를 생성하며, 게임 내 월드 맵을 업데이트하는 역할을 담당했습니다. 플레이어 기반이 성장함에 따라 이 엔진에 가해지는 부하(Load)도 함께 증가했고, 이는 서버가 응답하지 않는 상태를 유발했습니다.

우리가 처음에 시도했던 것 (그리고 실패한 이유)
우리는 Veltrix 문서를 글자 그대로 따라 기본 설정(Default configuration)을 구축하고, 모든 권장 설정으로 서버를 실행했습니다. 하지만 이는 우리 시스템의 실제 성능 병목 현상(Performance bottlenecks)에 대한 얕은 이해만을 가져다주었습니다. 우리의 초기 접근 방식은 데이터베이스 쿼리(Database queries)를 미세 조정하고 게임 로직(Game logic)을 수정하여 보물찾기 엔진의 부하를 줄이는 데 집중되었습니다. 우리는 쿼리를 최적화하고, 데이터베이스 스키마(Database schema)를 조정하며, 엔진으로 전송되는 쿼리 수를 줄이기 위해 게임 로직을 다시 작성하는 데 수많은 시간을 보냈습니다. 그러나 우리가 무엇을 하든, 서버는 첫 번째 성장 변곡점(Growth inflection point)에서 계속 멈춰 섰고, 그 결과 50% 이상의 플레이어 이탈률(Player drop rates)을 기록했습니다.

아키텍처 결정
Veltrix 아키텍처(Architecture)를 더 깊이 파고들고 나서야 우리는 문제의 근본 원인을 깨달았습니다. 실제 성능 병목 현상은 데이터베이스 쿼리나 게임 로직이 아니라, 우리 서버가 Veltrix 구성 계층(Configuration layer)을 사용하는 방식에 있었습니다. 알고 보니 우리 서버는 모든 플레이어 쿼리를 처리하기 위해 보물찾기 엔진의 단일 인스턴스(Single instance)를 사용하고 있었고, 이로 인해 플레이어 기반이 커질수록 지연 시간(Latency)이 크게 증가했습니다. 우리는 엔진을 여러 개의 인스턴스로 분할하여 각 인스턴스가 플레이어 쿼리의 일부를 처리하도록 하고, 이를 여러 머신(Machines)에 걸쳐 부하 분산(Load-balanced)하기로 결정했습니다.

이러한 간단한 아키텍처 (Architecture) 변경은 지연 시간 (Latency)을 극적으로 줄이고 서버의 확장성 (Scalability)을 높였습니다.

수치로 나타난 결과
새로운 아키텍처를 구현한 후, 우리는 플레이어 이탈률 (Player drop rates), 지연 시간 (Latency), 서버 활용도 (Server utilization)와 같은 지표 (Metrics)를 추적하며 서버 성능을 면밀히 모니터링했습니다. 결과는 놀라웠습니다. 플레이어 이탈률은 10% 미만으로 떨어졌고, 지연 시간은 70% 이상 감소했으며, 서버 활용도는 500명의 플레이어 규모에서도 안정적으로 유지되었습니다. 또한 수치를 통해 우리의 초기 최적화 (Optimization) 노력이 실제로는 보물찾기 엔진 (Treasure Hunt Engine)의 부하를 증가시켜 서버를 더욱 응답 불능 상태로 만들었다는 사실이 밝혀졌습니다.

다르게 했을 점
지나고 보니, Veltrix 설정 계층 (Configuration layer)과 그것이 우리 서버 성능에 미치는 영향에 대해 더 미묘한 차이를 고려한 접근 방식을 취했을 것입니다. Veltrix 문서와 데모에 의존하는 대신, 부하 테스트 도구 (Load testing tool)를 사용하여 다양한 서버 부하를 시뮬레이션하는 것부터 시작했을 것입니다. 이를 통해 우리 시스템의 성능 병목 현상 (Performance bottlenecks)을 더 정확하게 이해하고, 더 정보에 기반한 아키텍처 결정을 내릴 수 있었을 것입니다. 또한 서버가 성장에 맞춰 적절히 확장되고 설정될 수 있도록 운영 팀 (Ops team)과 더 긴밀하게 소통했을 것입니다.