[Embedded Data Stack] Day 4: 엣지 컴퓨팅에서의 데이터 처리 - Cloudflare Workers와 가벼운 분석

서론: 데이터 처리를 사용자 가까이 배치하기

엣지 컴퓨팅의 장점은 단순 캐싱이 아니다. 일부 데이터 처리 로직을 사용자와 가까운 위치에서 실행해 지연을 줄이고 중앙 인프라 부담을 낮출 수 있다.

1. 엣지 분석이 유리한 워크로드

1. 지역별/세션별 경량 집계
2. 실시간 필터링/랭킹
3. 개인화 지표 계산
4. 대시보드용 사전 요약 생성

공통 특징은 “짧은 실행 시간 + 작은 데이터 단위”다.

2. Cloudflare Workers 기반 패턴

기본 구조:

Client Request -> Worker -> Edge KV / Durable Object / R2
               -> Lightweight Query/Aggregation
               -> Response

이 모델은 중앙 DB 왕복을 줄여 응답성을 개선한다.

3. 설계 시 고려사항

3.1 상태 관리

엣지는 무상태 함수 모델이 기본이므로, 상태를 어디에 보관할지 먼저 정해야 한다.

• 단기 캐시
• 세션 상태
• 집계 결과 저장소

3.2 비용 모델

엣지 함수 실행 시간, 요청 수, 스토리지/읽기 비용을 함께 봐야 한다. 단순히 중앙 비용만 줄여도 총비용이 늘 수 있다.

3.3 일관성 요구

엣지에서 계산한 값과 중앙 원천 데이터 간 지연 허용치(staleness budget)를 정의하지 않으면 품질 이슈가 발생한다.

4. 운영 베스트 프랙티스

1. 엣지에서 계산할 지표를 제한한다. (고비용 연산 제외)
2. 중앙 재계산 경로를 항상 준비한다.
3. 지역별 성능/오류율/비용 지표를 분리한다.
4. 점진 배포(canary)로 트래픽 일부부터 검증한다.

5. Day 4 체크리스트

1. 엣지 적합 워크로드를 분류했다. (지연 민감/경량 연산)
2. staleness 허용 범위를 서비스별로 정의했다.
3. 중앙 fallback 경로와 장애 복구 절차를 마련했다.
4. 지역별 비용 및 성능 리포트를 자동화했다.

다음 글 예고

Day 5에서는 시리즈를 마무리하며, Zero-ETL 관점에서 대시보드 자체가 쿼리 엔진이 되는 아키텍처를 정리한다.