왜 또 다른 워크플로우 엔진인가?
마이크로서비스 환경에서 여러 단계를 거치는 비즈니스 프로세스를 구현하다 보면, 상태 저장, 재시도, 장애 복구 같은 문제를 매번 새로 해결해야 한다. 기존에는 Temporal, Cadence, AWS Step Functions 같은 중앙 오케스트레이션 서비스를 두는 방식이 일반적이었다. 하지만 에어비앤비는 각 서비스가 자신의 워크플로우를 직접 소유하는 접근을 원했다. 중요한 서비스에 추가적인 공유 의존성을 만들지 않기 위해서다.
그래서 탄생한 것이 Skipper다. Skipper는 서비스 내부에 임베드되어 실행되는 워크플로우 엔진으로, 별도의 오케스트레이션 클러스터 없이도 내구성 있는 실행을 가능하게 한다. Apache 2.0 라이선스로 GitHub에 공개됐다.
Skipper의 핵심 아키텍처
Skipper는 서비스의 레플리카가 워크플로우 런타임과 스케줄러를 함께 실행한다. 일반적인 프로덕션 배포에서는 워크플로우 상태와 스케줄된 작업을 저장하는 데이터베이스를 공유한다. 스케줄러는 실행 가능한 태스크를 폴링하고, **리스(lease)**를 사용해 소유권을 조정한다. 레플리카에 장애가 발생하면 다른 레플리카가 작업을 인계받는다.
이 구조의 장점은 별도로 배포해야 하는 시스템 수를 줄인다는 것이다. 워크플로우 실행, 데이터베이스 용량, 복구에 대한 책임이 해당 서비스 팀에 있다는 점은 트레이드오프다. 운영 환경이 탄탄하고 기존 워크플로우 방식에 맞춰 적응할 수 있는 엔진을 원하는 팀에 적합하다.
워크플로우는 클래스다
Skipper의 주요 추상화는 두 가지다. Workflow는 오케스트레이션(결정, 순서, 대기)을 기술하고, Action은 API 호출이나 DB 업데이트 같은 부수 효과가 있는 작업을 수행한다. Skipper는 액션 결과를 기록해 복구 시 재사용한다.
다음은 숙소 게시 프로세스를 표현한 Kotlin 예제다. 일부 숙소는 게시 전에 사람의 검토가 필요하고, 이후 호스트에게 알림을 보낸다.
class PublishListing : Workflow() {
private val listing = actions()
@StateField var reviewApproved: Boolean? = null
@WorkflowMethod
suspend fun publish(request: PublicationRequest): Boolean {
if (request.requiresReview) {
val reviewed = waitUntil(
{ reviewApproved != null },
Duration.ofDays(1)
)
if (!reviewed || reviewApproved != true) return false
}
listing.publish(request.listingId, request.requestId)
listing.notifyHost(request.listingId, request.requestId)
return true
}
@SignalMethod
fun recordReview(approved: Boolean) {
reviewApproved = approved
}
}
waitUntil은 스레드를 점유하지 않고 워크플로우를 휴면(hibernate) 상태로 만든다. recordReview 시그널을 통해 API 핸들러나 큐 컨슈머가 검토 결정을 전달할 수 있다. 대기 중 재배포가 발생해도 영속화된 워크플로우는 유실되지 않는다. 승인이 오지 않으면 타이머에 의해 워크플로우가 완료되고 부정적인 결과를 반환한다.
각 액션은 자체 부수 효과를 **멱등(idempotent)**하게 만들어야 한다. 예를 들어 안정적인 요청 ID를 사용해 게시와 알림을 각각 중복 제거할 수 있다. Skipper는 다운스트림 시스템 호출을 트랜잭션으로 묶지 않는다.
체크포인트와 리플레이를 통한 복구
Skipper가 중단된 워크플로우를 재개할 때는 워크플로우 메서드를 처음부터 다시 실행한다. 영속화된 체크포인트가 있는 액션은 저장된 결과를 반환하고, 실행은 나머지 작업으로 이어진다. 이를 위해서는 결정론적 워크플로우 코드가 필요하다. 시계 읽기, 난수, I/O는 워크플로우 본문이 아니라 액션이나 명시적 체크포인트에 있어야 한다.
기본적으로 Skipper는 실행이 완료되거나 대기/재시도로 일시 중지될 때까지 액션 체크포인트를 배치로 모은다. 이는 DB 쓰기를 줄이지만, 배치가 영속화되기 전에 크래시가 나면 이전에 완료된 여러 액션을 다시 실행해야 할 수 있다. 액션이 즉시 체크포인트를 요청해 이 윈도우를 좁힐 수 있지만, 다운스트림 효과와 체크포인트가 원자적이지 않기 때문에 부수 효과는 최소 한 번(at least once) 발생한다.
정상 실행 경로에서는 워크플로우가 서비스 프로세스 내에서 직접 실행되며, 액션 사이에 외부 오케스트레이션 서비스로의 왕복이 필요 없다. 물론 DB 접근과 다운스트림 호출은 여전히 지연에 영향을 준다. 이점은 오케스트레이션 계층을 해당 경로에서 제거하는 것이다.
내구성이 모든 비즈니스 작업의 성공을 보장하지는 않는다. 개발자가 어떤 오류를 재시도할지, 재시도 정책을 어떻게 가져갈지 정의해야 한다. 영구 실패와 재시도 소진은 처리 대상으로 표면화된다. Saga 스타일 보상도 지원하므로, 완료된 단계에 대한 명시적 복구 작업이 필요한 프로세스에 활용할 수 있다.
Skipper의 적용 범위와 한계
Skipper는 이미 에어비앤비 내 여러 팀에서 프로덕션에 사용 중이다. Java나 Kotlin 서비스가 다단계 프로세스를 소유하고, 기존 배포 환경 내에서 내구성 있는 실행을 원할 때 적합하다. 특히 새로운 프로세스마다 커스텀 재시도 잡, 상태 테이블, 폴링 루프를 유지해야 하는 상황이라면 대안이 될 수 있다.
하지만 주의할 점도 있다. 워크플로우 실행과 복구 책임이 서비스 팀에 있으므로, 데이터베이스 용량 관리와 장애 대응에 대한 운영 부담이 따른다. 또한 리플레이 기반 엔진의 특성상 워크플로우 코드의 결정론을 항상 유지해야 하며, 부수 효과의 멱등성도 개발자가 직접 보장해야 한다.
다음 단계 학습 방향
Skipper를 도입하려면 먼저 기존 워크플로우 엔진(Temporal, Cadence 등)과의 차이를 명확히 이해하는 것이 좋다. 공식 문서와 GitHub 예제(Java, Kotlin, Spring Boot, Dropwizard)를 참고해 작은 프로세스부터 적용해 보자. 또한 Saga 패턴과 멱등성 설계에 대한 이해를 함께 쌓으면 실무 적용이 수월해진다.
함께 보면 좋은 글: 구글 TPU 개발자 허브 공식 출시 AI 인프라 성능을 극대화하는 모든 것

Skipper vs 기존 워크플로우 엔진 비교
| 항목 | Skipper (임베디드) | 중앙 오케스트레이션 (Temporal 등) |
|---|---|---|
| 실행 위치 | 서비스 내부 (in-process) | 별도 클러스터 |
| 추가 인프라 | 없음 (기존 DB 재사용) | 오케스트레이션 서비스 필요 |
| 운영 책임 | 서비스 팀 | 중앙 플랫폼 팀 |
| 언어 지원 | Java, Kotlin | 다양 (Go, Java, Python 등) |
| 복구 방식 | 체크포인트 + 리플레이 | 이벤트 소싱 기반 |
| 적합한 팀 | 운영 역량이 있는 서비스 팀 | 중앙 관리가 필요한 조직 |
오픈소스 릴리스 구성
- 핵심 엔진
- MySQL, SQLite 어댑터
- 테스트 유틸리티 (
WorkflowTest) - 관리자 UI
- 시그널, 쿼리, 재시도, 보상, 워크플로우 진화 프리미티브
- Skipper State Machine (Kotlin DSL)
향후 Postgres, DynamoDB 등 스토리지 플러그인 추가와 워크플로우 진화/리플레이 디버깅 도구 개선이 계획되어 있다.

실무 적용 시 주의사항
- 결정론적 코드 유지: 워크플로우 본문에 시계, 난수, 직접 I/O를 넣지 말 것. 반드시 액션으로 분리한다.
- 멱등성 보장: 모든 액션은 재실행되어도 안전하도록 설계해야 한다. 안정적인 요청 ID를 활용한 중복 제거가 필수다.
- 체크포인트 배치 이해: 기본 배치는 DB 쓰기를 줄이지만, 크래시 시 재실행 범위가 넓어질 수 있다. 중요한 액션은 즉시 체크포인트를 요청하자.
- 운영 부담 인지: 데이터베이스 용량과 복구를 서비스 팀이 직접 관리해야 한다.
- 최소 한 번 실행: 부수 효과는 최소 한 번 발생하므로, 다운스트림 시스템도 이를 견딜 수 있어야 한다.
![]()
결론: 어떤 팀에 적합한가?
Skipper는 "워크플로우 엔진을 또 하나의 인프라로 두기보다, 서비스의 일부로 가져가고 싶다"는 팀에 매력적인 선택이다. 이미 탄탄한 운영 환경과 데이터베이스 관리 역량을 갖춘 Java/Kotlin 서비스 팀이라면, 커스텀 재시도 로직과 상태 테이블을 유지하는 수고를 크게 줄일 수 있다.
반대로 중앙 집중식 모니터링과 플랫폼 팀의 지원이 필요한 조직이라면 기존 오케스트레이션 서비스가 여전히 나을 수 있다. 중요한 것은 아키텍처 트레이드오프를 명확히 이해하고 도입하는 것이다.
Skipper에 관심이 있다면 GitHub 저장소에서 문서와 예제를 확인하고, 작은 내부 프로세스부터 적용해 보길 권한다.