라이브 스트리밍의 예측불가능한 특성을 이해하는 법

블랙잭 게임을 할 때, 여러분이 “기본 전략”을 통해 각 핸드의 승률을 아무리 높일 수 있다 하더라도, 비교적 작아보이는 하우스 엣지(게임 전체의 승률 차이)는 게임이 길어질 수록 상당히 중요해집니다. 플레이어는 매 순간마다 만나는 딜러나 카드패를 보고 게임의 승패를 판단하죠. 그 플레이어가 질 확률이 50% 미만이라 할지라도, 하우스 엣지는 매우 중요합니다.

규모에 대해 이야기할 때, 0은 중요한 고려 사항입니다. 그리고 같은 맥락으로, 라이브 스트리밍을 규모의 관점에서 생각할 때, 우리에겐 완전히 새로운 개념이 필요합니다. 하지만 먼저, 우리는 라이브 스트리밍의 소비 특성, 그리고 그것을 이론적으로, 그리고 실질적으로 예측불가능하게 만드는 요소들에 무엇이 있는지 이해할 필요가 있습니다.

우리 업계에서는, 주문형 비디오(VOD) 서비스로 10억명 이상의 시청자들에게 수십억시간에 달하는 프리미엄 컨텐츠들을 제공해오고 있지요. NAB스트리밍 서밋에서는, 라이브 이벤트 관리 및 운영과 관련된 주제로 회사가 VOD서비스를 어떻게 활용할 수 있는지, 그리고 반대로 우리가 어떤 것을 다시 생각해봐야 하는지가 논의되었습니다.

비디오 산업을 자동차 산업으로 비유한다면, VOD 방식은 토요타 캠리에 비유할 수 있는데요. 나쁘지 않은 스피드, 가속, 조향과 제동력을 제공하며, 이 모든 것이 예측하기 쉽다는 면에서 캠리를 빗대어 이야기하는 것이죠. 수십개의 기기를 통해 수백만명의 구독자에게 프리미엄 SVOD서비스를 제공하는 업체 하나를 위해, 우리는 시청자 소비 모델을 고안했습니다. 새로운 컨텐츠 동향과 마케팅, 그 외에 비디오 사용에 영향을 미칠 수 있는 영향들에 대한 소비 기록과 트렌드, 기대치를 분석한 결과 우리는 비디오에 발생할 트래픽을 꽤 신뢰할 수 있을 정도로 예측할 수 있게 되었습니다. 이러한 접근 방식은 일일분석, 월간 및 연간 분석시 비용과 인프라의 제공을 모델링하는 데 유용했습니다.

이 접근 방식을 라이브 스트리밍에 적용하는 것도 이론적으로는 가능했습니다. 하지만 이제 우리는 더 이상 이 ‘토요타 캠리’와 같은 VOD는 취급하지 않습니다.

라이브 스트리밍은 부가티 시론이라고 해두죠. 왜냐구요? 라이브는 본질적으로 순간적인, 찰나의 경험입니다. 사전에 녹화, 편집된 컨텐츠(예를 들면 황금 시간대의 오락 드라마나 코미디)는 형식적으로 전통적인 VOD와 더 유사점이 많겠지만, 스포츠 경기나 뉴스와 같은 라이브 컨텐츠의 경우 어떤 상황이든 갑자기 발생할 수 있습니다.

라이브 스트리밍은 이용하는 시청자의 수가 수천 혹은 수만명까지 단 몇분 만에 증가하기도 하고 감소하기도 합니다. 예를 들자면,

*   어떤 시청자가 올림픽 경기를 보기 시작하지만, 얼마 안있어 선수가 넘어지면서 메달과는 거리가 멀어지게 되었습니다. 시청자는 경기의 나머지 내용에 흥미를 잃어 클릭, 쓸어넘기기, 혹은 목소리를 이용하여 다른 채널로 관심을 돌려버립니다.

*   한편 어떤 이는 패츠나 크림슨 타이드의 팬인데, 최근의 슈퍼볼이나 CFP경기의 후반전을 미처 보지 못했을 수 있습나다. 그럴때 친구에게 그들이 다시 돌아올 것 같다는 문자를 받았다면 어떤 일이 일어날까요?

*   혹은 여러분이 야구 경기를 보는데 6회에 점수가 10:0이라면, 경기의 나머지가 별로 궁금하지 않을 겁니다. 여러분이 두 팀중 하나의 팬이거나 정말 좋아하는 선수가 그 경기를 뛰고 있지 않는 한 말입니다. 하지만 맷 케인과 같은 선수가 나타나 그야말로 완벽한 경기를 펼치고 나니, 9회가 끝난 뒤 점수는 이제 무의미해집니다. 이는 실제로 일어난 이야기입니다.

라이브 스트리밍 소비량의 변동을 고려할 때, 기존의 데이터 센터와 독립 제공되는 하드웨어에 의존하는 데엔 상당한 한계가 있습니다. 비용의 측면에서, 기업은 라이브 스트리밍 트래픽의 갑작스런 증가와 감소에 대응할 수 있는 확장 가능한 서비스를 보유해야 합니다. 공용이든 개인용이든 관계 없이 클라우드 인프라가 필수 요건이 됩니다.

수년 간 공용 클라우드 인프라가 그 가치를 발한 것은 순간의 수요에 따라 리소스를 확장할 수 있다는 효율성의 측면에서 였지요. 하지만 인프라의 할당을 실시간 수요와 직접 연동할 경우, 시청자의 급증과 그로 인한 리소스 수요에 대응하는 데 몇 분이 걸릴 수도 있습니다. 이미 늦은 것이죠. 또한 증가할 때와 마찬가지의 속도로 시청자가 빠져나가버려서 기껏 마련한 리소스를 활용하지 못하는 경우도 생길 수 있습니다.

리소스를 언제 확장하고 또 언제 제거해야 하는지 판단하는 기술은 이미 많이 나와 있습니다. 아키텍쳐와 비용 측면에서, 리소스를 할당할 땐 리소스의 유형, 지역적 리소스 기능, 그리고 무엇보다 컨텐츠 자체를 고려해야 합니다. 리소스 할당을 모델화하고 분산시키는 수많은 방법이 있지만, 이벤트를 지속적으로 관측하며 잠재적인 트래픽 수요와 리소스 할당에 대한 정보를 그때그때 제공하는 것의 가치를 잊어서는 안됩니다. 2016년 스피스의 마스터스 붕괴를 예측한 사람은 아무도 없었지만, 기계학습이나 비슷한 분석을 통해 정보를 모으고 동시에 인간의 직관을 이용하여 지속적으로 감시한다면 어느정도 성과를 기대할 수 있을 겁니다.

미래를 알려주는 수정 구슬은 없지만, 우리가 해야 할 일은 전체적인 워크플로우(일의 흐름)을 관측하여 사용자의 소비 패턴과 그에 따라 확장되는 솔루션 간의 균형을 이해하는 것입니다.

다음 포스트에서는, 워크플로우의 전반적인 상태를 파악하는데 필요한 원격/비원격 측정에 서비스 품질(Quality of Service, QoS)이 어떤 역할을 하는지, 그리고 계획한 대로 상황이 흘러가지 않을 때 어떻게 대처해야 하는지 논의해보겠습니다.