최근 아마존웹서비스(AWS)가 데이터센터 네트워크를 완전히 재설계한 새로운 아키텍처, **RNG(Random Regular Graph)**를 공개하면서 네트워크 엔지니어와 클라우드 업계의 이목을 집중시키고 있습니다. AWS의 발표에 따르면 RNG 도입을 통해 네트워크 장비 수를 최대 69% 줄이면서도 데이터 전송 속도는 33% 향상시키고, 전력 소비는 약 40% 절감하는 놀라운 성과를 거두었다고 합니다.
이 소식을 접한 많은 엔지니어들은 "트래픽을 유연하게 분산하고 경로를 동적으로 제어한다는 점에서 SDN(Software-Defined Networking)과 무엇이 다른가?"라는 의문을 제기합니다.
결론부터 말하자면, **SDN이 네트워크를 효율적으로 제어하는 '운영 및 제어 두뇌'라면, RNG는 도로망 자체를 혁신하는 '물리적·논리적 패브릭 토폴로지 설계'**입니다. 왜 AWS가 선택한 RNG가 일반적인 SDN 도입보다 더 깊은 인프라 혁신이자 큰 의미를 갖는지 비교 분석해 보겠습니다.
1. 한 줄로 요약하는 핵심 차이
- SDN (Software-Defined Networking): 제어 구조 및 운영 모델 (Control Plane과 Data Plane의 분리)
- RNG (Random Regular Graph): 물리·논리 네트워크 구조 자체와 이에 최적화된 라우팅 방식 (Flat / Quasi-random 패브릭 설계)
💡 교통망 비유
- SDN은 실시간 차량 흐름에 따라 신호등을 바꾸고 우회 도로를 안내하는 **'도시 교통 관제 시스템'**입니다.
- RNG는 차량이 정체되지 않도록 도로망 자체를 완벽하게 재설계하고(계층 구조에서 격자/무작위 연결망으로), 이에 최적화된 내비게이션 알고리즘을 제공하는 **'기반 도로망 설계'**입니다.
2. 왜 RNG와 SDN이 비슷하게 느껴질까?
RNG의 핵심 동작 방식을 보면 SDN과 유사한 지점들이 존재합니다.
- 경로의 동적 제어: 고정된 단일 경로가 아닌, 네트워크 상태에 따라 여러 경로로 트래픽을 분산합니다.
- 소프트웨어적 추상화: 물리 네트워크 레이어 위에서 트래픽을 지능적으로 우회 및 처리합니다.
- 중앙 집중식 최적화 설계: 전체 데이터센터 토폴로지를 분석하여 성능을 예측하고 제어합니다.
SDN 역시 하드웨어 장비의 제어부(Control Plane)를 소프트웨어로 분리하여 유연하게 제어하는 기술이므로, "트래픽을 똑똑하게 제어한다"는 관점에서는 닮아 보일 수 있습니다.
하지만 이 둘은 다루는 계층(Layer)과 초점이 전혀 다릅니다.
3. RNG vs SDN 상세 비교
| 구분 | RNG (Random Regular Graph) | SDN (Software-Defined Networking) |
|---|---|---|
| 본질 | 데이터센터 네트워크 토폴로지 설계 | 네트워크 제어 아키텍처 |
| 주요 목적 | 장비 수 감소, 경로 다양성 확보, 병목 완화, 물리적 전력 절감 | 자동화, 정책 제어, 네트워크 추상화, 동적 구성 |
| 물리 배선 | 극도로 중요 (ShuffleBox 등 특수 장비 필요) | 상대적으로 낮음 (기존 물리망 위에서도 소프트웨어로 구현 가능) |
| 핵심 기술 | Spraypoint (라우팅), ShuffleBox (광배선) | SDN Controller, OpenFlow, VXLAN/EVPN 등 |
| 사용 범위 | 초거대 AI 학습 및 글로벌 클라우드 데이터센터 패브릭 | 엔터프라이즈 LAN, WAN, 캠퍼스망, 클라우드 가상망 등 |
4. 기존 Fat-Tree 구조의 한계와 RNG의 등장 배경
전통적인 데이터센터는 Fat-Tree(또는 Clos) 구조를 기반으로 설계됩니다. Top-of-Rack(ToR) 스위치에서 시작해 Aggregation 스위치, 그리고 Core 스위치로 올라갔다가 다시 내려오는 전형적인 '계층형 트리 구조'입니다.
- Fat-Tree의 단점: 상위 계층(Core)에 트래픽이 집중되면서 병목 현상이 발생하기 쉽습니다. 대역폭을 확장하려면 값비싼 상위 장비와 엄청난 양의 케이블을 계속 추가해야 하므로 비용과 전력 소비가 기하급수적으로 늘어납니다.
- RNG의 접근: 계층 구조를 완전히 없애고 라우터들을 평면적인 무작위 그래프(Quasi-random graph) 형태로 서로 복잡하게 얽히게 연결합니다. 이 경우 특정 상위 장비에 트래픽이 몰리지 않고, 수많은 우회 경로(독립 경로)가 확보되어 이론적으로 병목 현상이 완벽히 해결됩니다.
하지만 무작위 그래프 구조는 현실 세계에서 두 가지 큰 장벽이 있었습니다.
- 배선 지옥: 스위치 수천 대를 무작위로 직접 연결하려면 광케이블 배선이 완전히 꼬여 구축 및 유지보수가 불가능해집니다.
- 계산 복잡성: 복잡한 메시 그물망 속에서 패킷의 최단 경로를 실시간으로 빠르게 계산하기 어렵습니다.
AWS는 이 문제를 두 가지 핵심 독자 기술로 극복했습니다.
💡 AWS RNG의 2대 핵심 기술
- ShuffleBox (셔플박스): 전력을 전혀 소비하지 않는 수동 광학 장치입니다. 내부적으로 수천 개의 광섬유 가닥을 사전에 정의된 알고리즘에 따라 물리적으로 교차(shuffling)시켜 줍니다. 엔지니어는 셔플박스 외부 포트에 케이블만 꽂으면 복잡한 랜덤 토폴로지가 자동으로 완성되므로, 배선 복잡도를 Fat-Tree 수준으로 단순화했습니다.
- Spraypoint (스프레이포인트): 무작위 네트워크에 맞춤 설계된 고유한 분산 라우팅 프로토콜입니다. 소스 라우터가 유입된 트래픽을 주변의 여러 경로로 넓게 뿌린(Spray) 뒤, 중간 경유지 라우터들이 목적지까지 효율적으로 안내(Point)하는 2단계 방식을 취합니다. 이를 통해 상용 라우터 칩의 계산 한계 내에서 최적의 분산 경로를 제공합니다.
5. 왜 AWS의 RNG 선택이 SDN보다 더 혁신적일까?
많은 기업이 네트워크 비효율성을 해결하기 위해 기존 Fat-Tree 구조 위에 SDN 컨트롤러를 얹어 트래픽을 동적으로 우회시키는 방식을 선택합니다.
하지만 이 방식은 도로(물리 토폴로지)의 태생적 한계를 극복하지 못합니다. 2차선 도로망을 그대로 둔 채 신호등만 똑똑하게 바꾸는 격이므로, 전체 트래픽이 폭증하는 AI 시대의 데이터센터 요구량을 감당하기에는 한계가 있습니다.
반면, AWS의 RNG는 도로 자체를 완전히 새로 까는 방식입니다.
- 하드웨어 절감 극대화: 무작위 연결을 통해 네트워크에 존재할 수 있는 경로 다양성을 최대화함으로써, 장비(스위치/라우터)의 수를 무려 69%나 걷어낼 수 있었습니다. 이는 SDN 제어 소프트웨어만으로는 절대 달성할 수 없는 물리적 인프라 비용 및 에너지 효율 혁신입니다.
- AI 워크로드(초고대역폭) 최적화: 초거대 언어 모델(LLM) 학습 시 발생하는 올리듀스(All-Reduce) 등의 분산 연산 트래픽은 데이터센터 전체 대역폭을 쥐어짜야 합니다. RNG의 Flat한 구조와 Spraypoint 프로토콜은 이러한 대규모 병렬 트래픽 분산에 최상의 성능을 보여줍니다.
결론
RNG는 SDN의 대체재나 경쟁 기술이 아닙니다. 오히려 초대형 데이터센터의 물리 패브릭 레이어 자체를 혁신하여, 그 위에 얹어질 SDN과 자동화 소프트웨어가 더 완벽하게 성능을 발휘하도록 판을 깔아주는 인프라 혁명입니다.
인프라를 수직 통합하여 전용 칩부터 서버, 네트워크 패브릭(RNG), 라우팅 소프트웨어까지 독자 구축할 수 있는 AWS이기에 시도하고 성공할 수 있었던 패러다임 시프트라고 볼 수 있습니다. 앞으로 생성형 AI 가속화를 준비하는 빅테크 기업들의 데이터센터 아키텍처에 RNG가 어떤 표준으로 자리 잡을지 주목됩니다.
댓글
댓글 쓰기