Microsoft Azure에서 Manticore Search: DX1의 이야기
Source: Dev.to
TL;DR
- DX1은 고객 및 부품 검색을 위해 Manticore Search를 사용하며 빠른 타입‑ahead UX를 제공
- 오픈‑소스 라이선스와 속도 때문에 선택
- Azure VM에서 Ubuntu를 실행하며 DX1의 기존 Azure 환경과 일치
- 20 M+ 부품을 처리; 최상의 타입‑ahead 성능을 위해 인덱스를 메모리에 유지해야 함
- VM 메모리를 업그레이드하거나 Manticore 클러스터에 노드를 추가하여 확장
- 일상 운영은 저접촉·저유지보수
Overview
DX1은 2천만 개가 넘는 부품 및 고객 레코드 카탈로그에 대해 빠른 사용자‑대면 검색 레이어로 Manticore Search를 운영합니다. 아키텍처는 의도적으로 단순합니다: Manticore는 Ubuntu 기반 Azure 가상 머신(VM)에서 DX1의 다른 Azure 인프라와 함께 실행되어 반응성 높은 타입‑ahead를 제공하면서 운영상 “저접촉”을 유지합니다. 데이터와 트래픽이 증가함에 따라 DX1은 VM 크기를 업그레이드하거나 노드를 추가하여 확장합니다.
“우리는 고객 및 부품 데이터를 검색하는 데 사용하고 있으며, 고객이 사랑하는 타입‑ahead 기능이 있습니다.” – Damir Tresnjo, DX1
Why Manticore Search?
- 오픈 소스 – 라이선스 비용이 없고 스택을 완전히 제어 가능.
- 성능 – 자동완성 및 퍼지 검색에 대해 밀리초 수준 응답 시간.
“오픈 소스이고 매우 빠릅니다.” – Damir
속도, 유연성, 비용 효율성의 조합이 DX1 워크로드에 Manticore를 자연스럽게 맞추었습니다.
Deployment on Azure
DX1의 전체 인프라는 Microsoft Azure에 존재하므로 Azure VM에 Manticore를 배포하는 것이 가장 직관적인 선택이었습니다. 팀은 VM에 Ubuntu를 실행하고 Manticore를 직접 설치해 Azure 전용 관리형 검색 서비스를 사용하지 않습니다.
“우리는 모든 것을 Azure에서 운영하므로 Manticore도 거기에 배포했습니다.”
Architecture Highlights
- VM 기반 배포 – 단순한 Linux VM이 필요한 유연성을 제공.
- 관리형 서비스 없음 – 추가 비용 및 복잡성을 회피.
Performance & Scaling
Manticore는 20 M+ 부품 규모에서도 빠르고 안정적으로 작동함을 입증했습니다.
“매우 빠르게 동작합니다. 우리는 2천만 개가 넘는 부품을 검색합니다.”
Memory Considerations
타입‑ahead 성능은 인덱스를 RAM에 유지함으로써 향상됩니다. 인덱스가 사용 가능한 메모리를 초과하면 VM 메모리를 늘려야 합니다.
“타입‑ahead 성능을 위해 데이터베이스를 메모리에 두어야 합니다. 인덱스가 메모리를 초과하면 VM 메모리를 업그레이드해야 합니다.”
Scaling Strategies
- Scale‑up – 기존 VM의 RAM을 증가.
- Scale‑out – Manticore 클러스터에 더 많은 VM을 추가.
“각 VM을 확장하거나 Manticore 클러스터에 더 많은 VM을 추가할 수 있습니다.”
Operations
DX1은 Manticore를 저접촉·저유지보수라고 설명합니다.
“저접촉, 저유지보수, 대부분은 그냥 실행됩니다.”
설정은 예측 가능한 VM 운영에만 의존하며 특별한 Azure 기능이 필요하지 않습니다.
Recommendation
DX1은 빠르고 신뢰성 높으며 비용 효율적인 검색 엔진을 찾는 모든 팀에 Manticore Search를 추천합니다.
“네, 빠르고 신뢰성 높으며 비용 효율적인 검색 엔진을 찾는 누구에게든 Manticore를 추천합니다.”
Getting Started
Azure에서 유사한 VM 기반 설정에 관심이 있는 팀을 위해:
- 데이터셋 규모, 쿼리 패턴, 지연 목표를 평가.
- 타입‑ahead 인덱스를 위한 RAM 여유를 계획(우선 scale‑up).
- 클러스터링을 고려(추가 성장 예상 시 scale‑out).
빠른 아키텍처 검토가 필요하면 Manticore 팀에 연락하세요. 데이터셋, 쿼리 워크로드, 지연 목표에 대한 정보를 공유하면 접근 방식을 검증하고 다음 단계를 계획하는 데 도움을 받을 수 있습니다.
Further Reading
- Overview of fuzzy search and autocomplete: New fuzzy search and autocomplete (replace with actual URL)