AWS, 30년 묵은 학계 이론 깨워 네트워크 지형 바꾸다

RNG는 무엇이 다른가: '나무'에서 '그물'로의 진화

기존 데이터센터 네트워크는 흔히 '팻 트리(Fat Tree)' 또는 '클로스(Clos)' 토폴로지로 불리는 다계층 구조였습니다. 스파인(Spine)과 리프(Leaf) 같은 여러 스위치 계층을 단계적으로 밟아가며 데이터가 이동하는 방식이죠. 이 구조는 안정적이지만, 상위 계층으로 갈수록 대역폭 병목이 발생하기 쉽고, 많은 수의 스위치와 복잡한 케이블 연결이 필요합니다.

RNG는 이 '나무' 구조를 '확장 그래프(Expander Graph)' 라는 거미줄 같은 평면형 그물로 바꿉니다. 모든 라우터가 무작위에 가까운(Quasi-random) 방식으로 서로 직접 연결되어, 논리적으로 모든 지점이 가깝게 맞닿아 있는 형태입니다. 덕분에 데이터가 이동할 수 있는 경로가 폭발적으로 늘어나고, 특정 구간에 트래픽이 몰리는 문제를 근본적으로 해결합니다.

세 가지 핵심 기술 혁신

이 아이디어를 실제 상용 서비스로 구현하기 위해 AWS는 세 가지 핵심 기술을 결합했습니다.

1. 스프레이포인트(Spraypoint) 라우팅 프로토콜: 랜덤 확장 그래프 전용으로 개발된 새로운 분산 라우팅 알고리즘입니다. 출발지에서 데이터를 마치 분무기처럼 여러 경로로 '분사(Spray)'하고, 중간 경유지와 목적지를 정밀하게 '지정(Point)'하는 방식으로 작동합니다. 이를 통해 어떤 두 지점 사이에서도 서로 겹치지 않는 엣지 분리 경로(Edge-disjoint paths)를 대량으로 찾아내며, 값비싼 전용 하드웨어가 아닌 일반 상용 하드웨어에서도 완벽하게 구동됩니다.

2. 셔플박스(ShuffleBox): 물리적인 배선의 복잡성을 해결한 수동 광학 장치입니다. 내부에서 광케이블 연결을 뒤섞어 주는 방식으로, 복잡한 랜덤 그래프 연결을 마치 팻 트리 수준으로 단순하게 관리할 수 있게 해줍니다. 가장 큰 특징은 전력을 전혀 소모하지 않는다는 점입니다. 완전한 수동 장치이기 때문에 운영 비용과 발열 문제에서도 자유롭습니다.

3. 랜덤 확장 그래프 토폴로지: 위의 두 기술을 뒷받침하는 근본 설계입니다. 네트워크 자체가 높은 경로 다양성을 내재하도록 설계되어, 중앙 집중식 제어 없이도 자체적으로 높은 처리량과 장애 내성을 확보합니다.

숫자로 보는 RNG의 파괴력

AWS가 공개한 자료에 따르면, RNG의 성능과 효율성 개선 효과는 실로 파격적입니다.

AWS는 이 아키텍처 변화로 인한 누적 절감 효과가 2026년까지 최대 2,000억 달러(약 280조 원) 에 이를 것으로 추산하고 있습니다.

글로벌 확산과 투명한 전환

RNG는 이미 실험실이 아닌 실제 운영 환경에 깊숙이 자리 잡았습니다.

• 2024년 말: 아일랜드 더블린 데이터센터에 최초 배포.
• 2025년: 스페인과 독일 등 유럽 내 거점으로 확대.
• 2026년 4월 기준: 전 세계 대부분의 AWS 워크로드에 대한 기본 데이터센터 네트워크가 됨. 해당 논문은 "RNG는 이제 아마존의 대부분 워크로드를 위한 기본 네트워크"라고 명시하고 있습니다.

AWS 고객이라면 누릴 수 있는 가장 큰 장점은 변화를 신경 쓸 필요가 전혀 없다는 점입니다. RNG는 EC2, VPC, 로드 밸런서 등 상위 서비스가 인식하는 논리적 네트워크 아래의 물리 계층과 라우팅 계층에서 작동합니다. 따라서 고객의 애플리케이션 코드, 보안 설정, API 호출 방식 등은 전혀 변경할 필요가 없습니다. 그저 인프라가 '더 빠르고, 더 안정적이고, 더 저렴하게' 업그레이드되는 경험을 하게 됩니다.

AI 시대 '클라우드 패권'을 위한 포석

RNG는 단순한 비용 절감을 넘어, 치열한 AI 경쟁 시대에 AWS가 구축한 강력한 인프라 경쟁력의 핵심 무기로 평가받습니다.

• AI/ML 워크로드 가속: 대규모 GPU/TPU 클러스터를 활용한 분산 학습은 네트워크 대역폭에 매우 민감합니다. RNG의 33% 처리량 향상과 풍부한 경로 다양성은 모델 병렬화, 대규모 추론 작업의 완료 시간을 단축하고 GPU 활용률을 극대화합니다.
• 구조적 비용 우위: AWS 규모에서 9~45%의 네트워크 비용 절감은 가격 경쟁력이나 재투자 여력 측면에서 타 클라우드 사업자와의 격차를 크게 벌리는 요인이 됩니다.
• 압도적인 전력 효율: AI 클러스터의 막대한 전력 소비가 문제가 되는 가운데, 네트워크 장비 전력 40% 감소는 지속가능성 목표 달성과 에너지 비용 관리에 큰 숨통을 틔워줍니다.
• 경쟁사 압박: 구글 클라우드, 마이크로소프트 애저 등은 여전히 클로스/팻 트리 변형에 의존하고 있습니다. AWS가 랜덤 그래프 네트워킹의 상용화에 성공함으로써, 경쟁사들도 유사한 평면화 접근법에 대한 투자를 강요받거나 높은 네트워킹 비용을 감수해야 하는 상황에 직면했습니다.

AWS의 이번 행보는 오랫동안 학계 서랍 속에 잠들어 있던 이론을 과감히 현실로 꺼내, 전 세계 클라우드의 흐름을 바꾸고 있습니다. '더 빠르고, 더 저렴하고, 더 강력한' 연결을 향한 이 조용한 혁명은, 우리가 사용하는 모든 온라인 서비스의 근간을 더욱 견고하게 만들고 있습니다.

참고 자료

1. AWS 논문, arXiv 2604.15261
2. Amazon Science 블로그, "How flat is replacing fat in AWS data center networks"
3. AWS 공식 인프라 혁신 페이지
4. AWS, Summary of hearing with CMA