<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Paul on Medium]]></title>
        <description><![CDATA[Stories by Paul on Medium]]></description>
        <link>https://medium.com/@dudwls96?source=rss-1cae7e2c5075------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*DU2rd-fI1A0AQAqDIhZa6Q.jpeg</url>
            <title>Stories by Paul on Medium</title>
            <link>https://medium.com/@dudwls96?source=rss-1cae7e2c5075------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 22:55:15 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@dudwls96/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Docker 기반 NanoBot 설치부터 채널 연동 가이드-초경량 AI 에이전트]]></title>
            <link>https://medium.com/@dudwls96/docker-%EA%B8%B0%EB%B0%98-nanobot-%EC%84%A4%EC%B9%98%EB%B6%80%ED%84%B0-%EC%B1%84%EB%84%90-%EC%97%B0%EB%8F%99-%EA%B0%80%EC%9D%B4%EB%93%9C-%EC%B4%88%EA%B2%BD%EB%9F%89-ai-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-c26768559a54?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/c26768559a54</guid>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[devops-practice]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Mon, 27 Apr 2026 22:50:02 GMT</pubDate>
            <atom:updated>2026-04-27T22:50:02.019Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Yi7eQ-avJs6zkX04.png" /><figcaption><a href="https://github.com/baiyongzhen/nanobot/raw/main/images/GitHub_README.png">https://github.com/baiyongzhen/nanobot/raw/main/images/GitHub_README.png</a></figcaption></figure><p>2026년에도 AI 에이전트는 여전히 큰 관심을 받고 있습니다. AI 에이전트를 만들기 위한 기술과 프레임워크도 빠르게 발전하고 있습니다. 그중에서 저는 오픈소스 프로젝트인 <a href="https://github.com/HKUDS/nanobot">nanobot</a>에 주목했습니다. nanobot은 OpenClaw보다 가볍고, 비교적 단순한 설정 만으로도 AI 에이전트를 구성할 수 있습니다. 특히 Telegram, Slack 봇 연동이 간편하고, 에이전트에 필요한 핵심 기능을 폭넓게 제공합니다. 또한 로컬 LLM과 외부 LLM을 모두 유연하게 연결할 수 있다는 점도 인상적이었습니다. 이 글에서는 Docker 기반으로 nanobot을 구성하고, Telegram 채널 연동까지 단계적으로 진행해보겠습니다.</p><h4>사전 준비 사항</h4><p>nanobot 구성하고 채널과 연동하기 위해 사전에 몇 가지 필수적인 준비해야 하는 것이 있습니다. 에이전트에서 사용할 모델을 연결하기 위해 Google Gemini API 키가 필요합니다. 설정 방법은 <a href="https://aistudio.google.com/">Google AI Studio</a>에 접속하여 새로운 API 키를 생성하세요. 에이전트와 대화 채널을 위해서 Telegram 봇 토큰 (Bot Token) 및 사용자 ID (User ID) 정보가 필요합니다.</p><ul><li>Telegram Bot Token: Telegram에서 @BotFater를 검색 후 /newbot 명령어를 입력하고 안내에 따라 봇을 생성하면 토큰을 받을 수 있습니다.</li><li>사용자 ID(User ID): Telegram에서 @userinfobot을 검색해 실행한 후, ‘/start’을 누르면 사용자 ID 정보를 받을 수 있습니다.</li></ul><h4>Docker 기반으로 Nanobot 환경 구성하기</h4><p>Docker 기반의 Nanobot 환경을 구성하기 위한 Dockerfile를 작성합니다.</p><ul><li>python:3.12 버전 기반</li><li>MCP npx 실행을 위한 Node.js 설치</li><li>nanobot-ai 및 uv 환경 구성</li></ul><pre>FROM python:3.12-slim<br><br>RUN apt-get update &amp;&amp; apt-get install -y --no-install-recommends \<br>        curl \<br>        ca-certificates \<br>        gettext-base \<br>    &amp;&amp; apt-get clean \<br>    &amp;&amp; rm -rf /var/lib/apt/lists/*<br><br>ARG NODE_MAJOR=22<br>RUN curl -fsSL &quot;https://deb.nodesource.com/setup_${NODE_MAJOR}.x&quot; | bash - \<br>    &amp;&amp; apt-get install -y --no-install-recommends nodejs \<br>    &amp;&amp; apt-get clean \<br>    &amp;&amp; rm -rf /var/lib/apt/lists/*<br><br># uv 및 nanobot-ai 설치<br>RUN pip install --no-cache-dir uv nanobot-ai<br><br>WORKDIR /root</pre><ul><li>nanobot 환경을 실행 위해 Docker Compose를 구성합니다.</li></ul><pre>version: &#39;3&#39;<br><br>x-default-logging: &amp;logging<br>  driver: &quot;json-file&quot;<br>  options:<br>    max-size: &quot;5m&quot;<br>    max-file: &quot;2&quot;<br>services:<br><br>  nanobot-cli:<br>    container_name: nanobot-cli<br>    build:<br>      context: .<br>      dockerfile: Dockerfile<br>    env_file:<br>      - .env<br>    volumes:<br>      - ./.nanobot:/root/.nanobot/<br>    network_mode: host<br>    stdin_open: true<br>    tty: true<br>    logging: *logging</pre><ul><li>GitHub 에 Docker 구성을 작성했습니다.</li></ul><p><a href="https://github.com/baiyongzhen/nanobot-tutorial">GitHub - baiyongzhen/nanobot-tutorial</a></p><h4><strong>Nanobot 초기화 하기</strong></h4><ul><li>.env 생성합니다.</li><li>이미지 빌드: docker-compose build</li><li>Nanobot 초기화 실행: docker-compose run --rm nanobot-cli nanobot onboard 초기화 파일 생성함.</li></ul><p>nanobot onboard 명령어를 통해 nanobot 실행에 필요한 파일 생성합니다. nanobot 에서 핵심이 되는 설정은 config.json 파일입니다.</p><pre>docker-compose run --rm nanobot-cli nanobot onboard<br>...<br>✓ Created config at /root/.nanobot/config.json<br>2026-04-25 12:23:21.471 | DEBUG    | nanobot.channels.registry:discover_all:64 - Skipping built-in channel &#39;matrix&#39;: Matrix dependencies not installed. Run: pip install nanobot-ai[matrix]<br>  Created AGENTS.md<br>  Created HEARTBEAT.md<br>  Created USER.md<br>  Created TOOLS.md<br>  Created SOUL.md<br>  Created memory/MEMORY.md<br>  Created memory/history.jsonl<br>2026-04-25 12:23:22.157 | INFO     | nanobot.utils.gitstore:init:113 - Git store initialized at /root/.nanobot/workspace<br><br>🐈 nanobot is ready!<br><br>Next steps:<br>  1. Add your API key to /root/.nanobot/config.json<br>     Get one at: https://openrouter.ai/keys<br>  2. Chat: nanobot agent -m &quot;Hello!&quot; --config /root/.nanobot/config.json<br><br>Want Telegram/WhatsApp? See: https://github.com/HKUDS/nanobot#-chat-apps</pre><h4>config.json <strong>설정 파일 구성</strong></h4><p>config.json 파일은 크게 agents, channels, providers, api, gateway, tools의 6가지 섹션으로 구성됩니다. 각 설정을 통해 에이전트가 사용할 모델, 서비스 제공자, 도구, 채널 등을 유연하게 지정할 수 있습니다. 이번 포스팅에서는 서비스 제공자로 Google의 Gemini 2.5 Flash 모델을 사용하고, 사용자와의 소통 채널로 Telegram을 연동하는 설정을 적용했습니다. 자세한 설정 방법은 아래 내용을 참고하시고, 기존 config.json 파일을 백업한 뒤 아래 예시로 교체하여 사용하시면 됩니다.</p><pre>{<br>  &quot;agents&quot;: {<br>    &quot;defaults&quot;: {<br>      &quot;workspace&quot;: &quot;~/.nanobot/workspace&quot;,<br>      &quot;model&quot;: &quot;gemini-2.5-flash&quot;,<br>      &quot;provider&quot;: &quot;gemini&quot;,<br>      &quot;timezone&quot;: &quot;Asia/Seoul&quot;,<br>      &quot;max_tokens&quot;: 8192,<br>      &quot;temperature&quot;: 0.1<br>    }<br>  },<br>  &quot;channels&quot;: {<br>    &quot;sendProgress&quot;: true,<br>    &quot;sendToolHints&quot;: false,<br>    &quot;sendMaxRetries&quot;: 3,<br>    &quot;transcriptionProvider&quot;: &quot;groq&quot;,<br>    &quot;telegram&quot;: {<br>      &quot;enabled&quot;: true,<br>      &quot;token&quot;: &quot;&lt;YOUR-TELEGRAM-TOKEN-KEY&gt;&quot;,<br>      &quot;allowFrom&quot;: [&quot;&lt;YOUR-TELEGRAM-USER-ID&gt;&quot;],<br>      &quot;proxy&quot;: null,<br>      &quot;replyToMessage&quot;: false,<br>      &quot;reactEmoji&quot;: &quot;👀&quot;,<br>      &quot;groupPolicy&quot;: &quot;mention&quot;,<br>      &quot;connectionPoolSize&quot;: 32,<br>      &quot;poolTimeout&quot;: 5.0,<br>      &quot;streaming&quot;: true,<br>      &quot;streamEditInterval&quot;: 0.6<br>    }<br>  },<br>  &quot;providers&quot;: {<br>    &quot;gemini&quot;: {<br>      &quot;apiKey&quot;: &quot;&lt;YOUR-GEMINI-API-KEY&gt;&quot;,<br>      &quot;apiBase&quot;: null,<br>      &quot;extraHeaders&quot;: null<br>    }<br>  },<br>  &quot;api&quot;: {<br>    &quot;host&quot;: &quot;0.0.0.0&quot;,<br>    &quot;port&quot;: 8900,<br>    &quot;timeout&quot;: 120.0<br>  },<br>  &quot;gateway&quot;: {<br>    &quot;host&quot;: &quot;0.0.0.0&quot;,<br>    &quot;port&quot;: 18790,<br>    &quot;heartbeat&quot;: {<br>      &quot;enabled&quot;: true,<br>      &quot;intervalS&quot;: 1800,<br>      &quot;keepRecentMessages&quot;: 8<br>    }<br>  },<br>  &quot;tools&quot;: {<br>    &quot;web&quot;: {<br>      &quot;enable&quot;: false,<br>      &quot;proxy&quot;: null,<br>      &quot;search&quot;: {<br>        &quot;provider&quot;: &quot;duckduckgo&quot;,<br>        &quot;apiKey&quot;: &quot;&quot;,<br>        &quot;baseUrl&quot;: &quot;&quot;,<br>        &quot;maxResults&quot;: 5,<br>        &quot;timeout&quot;: 30<br>      }<br>    },<br>    &quot;exec&quot;: {<br>      &quot;enable&quot;: true,<br>      &quot;timeout&quot;: 60,<br>      &quot;pathAppend&quot;: &quot;&quot;,<br>      &quot;sandbox&quot;: &quot;&quot;,<br>      &quot;allowedEnvKeys&quot;: []<br>    },<br>    &quot;restrictToWorkspace&quot;: false,<br>    &quot;mcpServers&quot;: {},<br>    &quot;ssrfWhitelist&quot;: []<br>  }  <br><br>}</pre><h4>Nanobot 실행 하기</h4><p>nanobot를 실행하는 방법은 크게 3가지가 있습니다. agent, gateway, serve 방식입니다. agent는 CLI 기반으로 단일 에이전트를 실행할 때 사용하며, gateway는 Telegram, Slack 등 다양한 채널과 연동하여 멀티 채널 환경에서 에이전트를 운영할 때 활용됩니다. serve는 OpenAI 호환 API 서버 형태로 실행하여 외부 서비스나 애플리케이션에서 nanobot을 호출할 수 있도록 할 때 사용합니다.</p><ul><li>Nanobot Agent 실행: docker-compose run --rm nanobot-cli nanobot agent -m &quot;안녕하세요&quot;</li></ul><pre>docker-compose run --rm nanobot-cli nanobot agent -m &quot;오늘 서울 날씨는 어떤가요?&quot;<br>...<br>⠏ nanobot is thinking...<br>🐈 nanobot<br>서울의 오늘 날씨는 맑고 기온은 12°C입니다.</pre><ul><li>Nanobot Serve 실행: docker-compose run --rm nanobot-cli nanobot serve</li></ul><pre>docker-compose run --rm nanobot-cli nanobot serve<br>...<br>🐈 Starting OpenAI-compatible API server<br>  Endpoint : http://0.0.0.0:8900/v1/chat/completions<br>  Model    : gemini-2.5-flash<br>  Session  : api:default<br>  Timeout  : 120.0s<br>Warning: API is bound to all interfaces. Only do this behind a trusted <br>network boundary, firewall, or reverse proxy.</pre><ul><li>Nanobot Gateway 실행: docker-compose run --rm nanobot-cli nanobot gateway</li></ul><pre>docker-compose run --rm nanobot-cli nanobot gateway<br>...<br>🐈 Starting nanobot gateway version 0.1.5.post2 on port 18790...<br>2026-04-25 23:41:32.678 | DEBUG    | nanobot.channels.registry:discover_all:64 - Skipping built-in channel &#39;matrix&#39;: Matrix dependencies not installed. Run: pip install nanobot-ai[matrix]<br>2026-04-25 23:41:33.635 | INFO     | nanobot.channels.manager:_init_channels:92 - Telegram channel enabled<br>✓ Channels enabled: telegram<br>✓ Heartbeat: every 1800s<br>2026-04-25 23:41:33.651 | INFO     | nanobot.cron.service:register_system_job:426 - Cron: registered system job &#39;dream&#39; (dream)<br>✓ Dream: every 2h<br>2026-04-25 23:41:33.672 | INFO     | nanobot.cron.service:start:246 - Cron service started with 1 jobs<br>2026-04-25 23:41:33.672 | INFO     | nanobot.heartbeat.service:start:129 - Heartbeat started (every 1800s)<br>2026-04-25 23:41:33.672 | INFO     | nanobot.agent.loop:run:488 - Agent loop started<br>2026-04-25 23:41:33.672 | INFO     | nanobot.channels.manager:start_all:151 - Starting telegram channel...<br>2026-04-25 23:41:33.673 | INFO     | nanobot.channels.manager:_dispatch_outbound:198 - Outbound dispatcher started<br>2026-04-25 23:41:33.696 | INFO     | nanobot.channels.telegram:start:367 - Starting Telegram bot (polling mode)...<br>✓ Health endpoint: http://0.0.0.0:18790/health<br>2026-04-25 23:41:38.301 | INFO     | nanobot.channels.telegram:start:377 - Telegram bot @gnu96_nano_bot connected<br>2026-04-25 23:41:38.765 | DEBUG    | nanobot.channels.telegram:start:381 - Telegram bot commands registered</pre><p>이번 포스팅에서는 Telegram 채널과의 연동을 다루므로, gateway 방식으로 실행합니다. gateway 방식으로 실행하면 Telegram 봇 채널에 정상적으로 등록되었다는 메시지가 출력되며, /commands 명령어를 통해 nanobot과 상호작용할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/582/1*Hiv7Kli6edthpGu73Rg8UQ.png" /></figure><h4>마무리 하며</h4><p>이번 포스팅에서는 nanobot의 실행 방식 중 gateway 모드를 활용하여 Telegram 채널과 연동하는 방법을 간단하게 살펴보았습니다. 이를 통해 단순한 CLI 기반 실행을 넘어, 실제 메시징 플랫폼에서 AI 에이전트를 활용하는 구조를 이해할 수 있습니다.</p><p>nanobot은 다양한 채널과 유연하게 연동할 수 있는 구조를 가지고 있기 때문에, Telegram뿐만 아니라 Slack, Email 등으로 확장하여 활용할 수 있습니다. 앞으로는 이러한 채널 연동을 기반으로 자동화된 DevOps 및 MLOps 환경을 구축해보는 것도 좋은 방향이 될 것 같습니다.</p><h4><strong>참고사이트</strong></h4><ul><li><a href="https://nanobot.wiki/ko/docs/0.1.5/getting-started/nanobot-overview">https://nanobot.wiki/ko/docs/0.1.5/getting-started/nanobot-overview</a></li><li><a href="https://nanobot.wiki/ko/docs/0.1.5/getting-started/chat-apps">https://nanobot.wiki/ko/docs/0.1.5/getting-started/chat-apps</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c26768559a54" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Amazon Bedrock 비용 최적화 하기]]></title>
            <link>https://medium.com/@dudwls96/amazon-bedrock-%EB%B9%84%EC%9A%A9-%EC%B5%9C%EC%A0%81%ED%99%94-%ED%95%98%EA%B8%B0-680cbe6eed25?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/680cbe6eed25</guid>
            <category><![CDATA[bedrock]]></category>
            <category><![CDATA[aws]]></category>
            <category><![CDATA[bedrock-pricing]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Sat, 28 Feb 2026 12:23:04 GMT</pubDate>
            <atom:updated>2026-02-28T12:33:37.984Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*JNYCzgVbRRwBl-4p" /><figcaption>Photo by <a href="https://unsplash.com/@hdbernd?utm_source=medium&amp;utm_medium=referral">Bernd 📷 Dittrich</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>앞에서 <a href="https://medium.com/@dudwls96/ai-agent-%EA%B0%9C%EB%B0%9C-%EC%82%BD%EC%A7%88%EA%B8%B0-%ED%9A%8C%EA%B3%A0-a57acc1cc828">AI Agent 개발 삽질기 회고</a>에서 이야기 했던 LLM 비용에 대해서 이야기를 했습니다. LLM 비용은 결국 토큰을 얼마나 효율적으로 사용하는냐에 따라서 비용을 최적화할 수 있습니다.</p><p>AI 서비스를 운영하다 보면 예상보다 훨씬 높은 LLM 비용에 놀라는 경우가 많습니다. 특히 프로덕션 환경에서 수많은 요청을 처리하다 보면 토큰 사용량이 기하급수적으로 증가하게 됩니다. 이번 글에서는 Amazon Bedrock의 비용 구조부터 실전 비용 최적화 방법을 소개하고자 합니다.</p><h4><strong>Amazon Bedrock 비용 계산</strong></h4><p>Amazon Bedrock 비용 최적화를 하기 전에 비용이 어떻게 발생하는지 먼저 알아보도록 하겠습니다. Amazon Bedrock의 비용은 크게 두 가지 요소로 구성됩니다 첫 번째는 사용자가 모델에게 보내는 프롬프트와 컨텍스트에 의한 <strong>Input Tokens (입력 토큰) 과 두 번째는 </strong>모델이 생성하는 응답 의한 <strong>Output Tokens (출력 토큰) 이렇게 구성이 됩니다.</strong></p><p>Amazon Bedrock에서 제공되는 모델에서는 출력 토큰이 입력 토큰보다 비용이 높습니다. 예를 들어, Claude Sonnet 4.5의 경우 Input: $0.003 per 1K tokens 이고 Output: $0.015 per 1K tokens 따라서 전체 비용에서 출력이 입력보다 5배나 높습니다.</p><p>따라서 비용을 줄이기 위해서는 Output tokens 최대한 제어를 하는 것 좋고, Input tokens 비용이 Output tokens 보다는 작지만, 사용자 prompt 입력 뿐만 아니라 System prompt 및 컨텍스트까지 고려한다면 많은 Input tokens 비용이 발생을 합니다.</p><h4>Amazon Bedrock 비용 관리를 위한 모델 프로 파일 생성</h4><p>Amazon Bedrock에서는 다양한 모델을 제공하며, 여러 서비스가 동일한 모델을 사용할 수 있습니다. 예를 들어 A 서비스와 B 서비스가 동일한 Claude Sonnet 4.5를 사용하는 경우, 해당 모델의 비용은 합산되어 청구됩니다. 이로 인해 서비스별 모델 사용 비용을 구분해 파악하기 어렵습니다.</p><p>서비스 단위의 비용 분석이 가능해야 비용 최적화는 물론, 비즈니스 임팩트를 기반으로 서비스 유지·확장·중단 여부를 판단할 수 있습니다.</p><p>이를 해결하기 위해 Amazon Bedrock에서는 모델 프로파일(Model Profile) 기능을 제공합니다. 서비스별로 별도의 모델 프로파일을 생성하여 동일한 모델에 연결하면, 사용량과 비용을 서비스 단위로 구분해 추적할 수 있습니다.</p><p>이를 통해 특정 모델에 대한 서비스별 사용 현황을 명확하게 파악하고, 보다 정밀한 비용 관리와 의사결정을 수행할 수 있습니다.</p><pre># 서비스 A Bedrock Inference Profile 생성<br>aws bedrock create-inference-profile \<br>  --inference-profile-name &quot;ServiceA-ClaudeSonnet&quot; \<br>  --description &quot;Service A model usage profile for Claude Sonnet&quot; \<br>  --model-source copyFrom=&quot;arn:aws:bedrock:us-west-2::foundation-model/anthropic.claude-3-sonnet-20240229-v1:0&quot; \<br>  --tags Key=Service,Value=ServiceA \<br>  --region us-west-2<br><br># 서비스 B Bedrock Inference Profile 생성<br>aws bedrock create-inference-profile \<br>  --inference-profile-name &quot;ServiceB-ClaudeSonnet&quot; \<br>  --description &quot;Service B model usage profile for Claude Sonnet&quot; \<br>  --model-source copyFrom=&quot;arn:aws:bedrock:us-west-2::foundation-model/anthropic.claude-3-sonnet-20240229-v1:0&quot; \<br>  --tags Key=Service,Value=ServiceB \<br>  --region us-west-2<br><br># 프로파일 결과 확인<br>aws bedrock list-inference-profiles \<br>  --region us-west-2</pre><p>이 프로파일을 생성하면 Bedrock에서 <strong>서비스 단위로 모델 호출 비용과 사용량을 분리해 추적</strong>할 수 있으며, <strong>AWS Cost Explorer나 태그 기반 비용 분석</strong>에 활용할 수 있습니다.</p><h4><strong>Amazon Bedrock prompt caching 통한 비용 절감하기</strong></h4><p>Amazon Bedrock에서의 Input tokens 비용을 절감을 위해 <a href="https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html">Prompt Caching</a>통해 반복적으로 사용되는 긴 컨텍스트(시스템 프롬프트, 문서등)를 캐싱 하여 매번 입력 토큰으로 처리하지 않도록 하는 기능입니다. 이는 Input tokens <strong>비용을 절감</strong>할 수 있습니다.</p><p>Amazon Bedrock의 Prompt Caching 기능은 여러 모델에서 지원됩니다. 각 모델마다 캐싱을 위한 최소 토큰 요구사항과 TTL(Time To Live) 옵션이 다르므로, 사용하는 모델에 대한 캐싱 지원 사항을 확인해야 합니다. 더 자세한 내용은 Amazon 공식 문서를 확인하시기 바랍니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/470/1*M22WwqXf-URsYDbiLpSzSQ.png" /><figcaption><a href="https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html#prompt-caching-models"><strong>Supported models, Regions, and limits</strong></a></figcaption></figure><p>체크포인트는 프롬프트 내에서 캐싱을 적용할 수 있는 독립적인 캐시 지점을 의미합니다. 쉽게 말해, 하나의 프롬프트를 여러 부분으로 나누어 각각 별도로 캐싱할 수 있는 “캐시 경계선”입니다.</p><pre>import boto3<br>import json<br><br>bedrock = boto3.client(&#39;bedrock-runtime&#39;, region_name=&#39;us-east-1&#39;)<br><br># 캐싱할 시스템 프롬프트 정의 (최소 1024 tokens 권장)<br>system_prompt = &quot;&quot;&quot;<br>당신은 AWS 전문가입니다. 다음 가이드라인을 따라주세요:<br><br>1. 정확하고 최신의 정보를 제공합니다<br>2. 보안 베스트 프랙티스를 준수합니다<br>3. 비용 효율적인 솔루션을 제안합니다<br>4. Well-Architected Framework 원칙을 기반으로 답변합니다<br><br>답변 형식:<br>- 명확하고 구조화된 답변<br>- 실행 가능한 단계별 가이드<br>- 관련 AWS 서비스 링크 제공<br>- 비용 영향 고려<br><br>... (더 긴 시스템 프롬프트)<br>&quot;&quot;&quot;<br><br># Prompt Caching 활성화<br>response = bedrock.invoke_model(<br>    modelId=&#39;anthropic.claude-3-sonnet-20240229-v1:0&#39;,<br>    body=json.dumps({<br>        &quot;anthropic_version&quot;: &quot;bedrock-2023-05-31&quot;,<br>        &quot;max_tokens&quot;: 1024,<br>        &quot;system&quot;: [<br>            {<br>                &quot;type&quot;: &quot;text&quot;,<br>                &quot;text&quot;: system_prompt,<br>                &quot;cache_control&quot;: {&quot;type&quot;: &quot;ephemeral&quot;}  # 🔑 캐싱 활성화<br>            }<br>        ],<br>        &quot;messages&quot;: [<br>            {<br>                &quot;role&quot;: &quot;user&quot;,<br>                &quot;content&quot;: &quot;EC2 인스턴스 타입을 어떻게 선택해야 하나요?&quot;<br>            }<br>        ]<br>    })<br>)<br><br># 캐시 사용 통계 확인<br>result = json.loads(response[&#39;body&#39;].read())<br>usage = result.get(&#39;usage&#39;, {})<br><br>print(f&quot;Input tokens: {usage.get(&#39;input_tokens&#39;, 0)}&quot;)<br>print(f&quot;Cache write tokens: {usage.get(&#39;cache_creation_input_tokens&#39;, 0)}&quot;)<br>print(f&quot;Cache read tokens: {usage.get(&#39;cache_read_input_tokens&#39;, 0)}&quot;)<br>print(f&quot;Output tokens: {usage.get(&#39;output_tokens&#39;, 0)}&quot;)</pre><p>구체적인 예시를 통해 Claude Sonnet 4.5의 프롬프트 캐싱(Prompt Caching) 적용 시 비용이 얼마나 절감되는지 계산해 보겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qbDQsMFAzGim0t3bOE8UxQ.png" /><figcaption><strong>Geo and In-region Cross-region Inference</strong></figcaption></figure><p>Claude Sonnet 4.5 모델의 기본 비용은 1K 토큰당 입력(Input) $0.0033, 출력(Output) $0.0165입니다. 여기에 5분 캐시를 적용할 경우, 첫 요청 시 발생하는 캐시 쓰기(Cache Write) 비용은 1K 토큰당 $0.004125이며, 이후 캐시 읽기(Cache Read) 비용은 $0.00033입니다. 이를 바탕으로 아래 시나리오에 따른 비용을 산출해 보겠습니다.</p><pre>시나리오:<br>캐시할 프롬프트: 5,000 tokens<br>추가 입력: 500 tokens/요청<br>출력: 300 tokens/요청<br>10번 요청<br><br>🚫 캐싱 미사용 시:<br>입력: (5,000 + 500) × 10 × $0.0033/1K = $0.1815<br>출력: 300 × 10 × $0.0165/1K = $0.0495<br>────────────────────────────────────────────────────────<br>총 비용: $0.231<br><br><br>✅ 5분 캐시 사용:<br>첫 요청:<br>  - 5분 캐시 write: 5,000 × $0.004125/1K = $0.020625<br>  - 일반 입력: 500 × $0.0033/1K = $0.00165<br>  - 출력: 300 × $0.0165/1K = $0.00495<br><br>이후 9회:<br>  - 캐시 read: 5,000 × 9 × $0.00033/1K = $0.01485<br>  - 일반 입력: 500 × 9 × $0.0033/1K = $0.01485<br>  - 출력: 300 × 9 × $0.0165/1K = $0.04455<br>────────────────────────────────────────────────────────<br>총 비용: $0.103125<br><br>절감: $0.127875 (55.4%)<br><br>✅ 1시간 캐시 사용:<br>첫 요청:<br>  - 1시간 캐시 write: 5,000 × $0.0066/1K = $0.033<br>  - 일반 입력: 500 × $0.0033/1K = $0.00165<br>  - 출력: 300 × $0.0165/1K = $0.00495<br><br>이후 9회:<br>  - 캐시 read: 5,000 × 9 × $0.00033/1K = $0.01485<br>  - 일반 입력: 500 × 9 × $0.0033/1K = $0.01485<br>  - 출력: 300 × 9 × $0.0165/1K = $0.04455<br>────────────────────────────────────────────────────────<br>총 비용: $0.11565<br><br>절감: $0.11535 (49.9%)</pre><p><strong>숨겨진 비용 함정: 캐시 쓰기(Write)가 중복으로 발생할 수 있습니다.</strong> Amazon Bedrock의 인퍼런스 프로파일에서 ‘Cross-region Inference’나 ‘Global Cross-region Inference’를 사용 하면 AWS가 가용성에 따라 최적의 리전을 자동으로 선택합니다. 하지만 AWS 공식 문서에는 다음과 같은 내용이 있습니다:</p><blockquote>“Prompt caching can be used in conjunction with cross region inference. Cross-region inference automatically selects the optimal AWS Region within your geography to serve your inference request, thereby maximizing available resources and model availability. At times of high demand, these optimizations may lead to increased cache writes.”</blockquote><p><strong>프롬프트 캐시가 각 AWS 리전마다 독립적으로 저장되고 관리된다는 점입니다.</strong> 즉, us-east-1 리전에서 생성한 캐시는 us-west-2 리전에서 재사용할 수 없습니다. 따라서 동일한 프롬프트임에도 불구하고, 요청이 전달되는 리전마다 캐시 쓰기가 중복으로 발생하여 예상치 못한 추가 비용이 청구될 수 있습니다</p><h4><strong>Global Inference Profiles로 10% 절감하기</strong></h4><p><a href="https://docs.aws.amazon.com/bedrock/latest/userguide/global-cross-region-inference.html">Global Cross-Region Inference</a>는 AWS 상용 리전으로 추론 요청을 자동으로 라우팅하여 가용 리소스를 최적화하고 높은 모델 처리량을 제공하는 기능입니다.</p><p>글로벌 프로파일(Global Profile)을 사용하면 여러 가지 이점이 있습니다. 우선 피크 시간대에 특정 리전의 처리량이 한계에 도달하더라도, 가용 용량이 있는 다른 리전으로 자동 라우팅되어 <strong>Throttling 현상을 효과적으로 방지</strong>할 수 있습니다. 또한 일반 Cross-Region Inference 대비 <strong>약 10% 수준의 비용 절감 효과</strong>를 기대할 수 있어 운영 효율성 측면에서도 매우 유리합니다. <em>(단, 리전별 비용 차이가 발생할 수 있습니다.)</em></p><p>아래 예시를 통해 <strong>미국 서부(오리곤)</strong> 리전의 <strong>Claude Sonnet 4.5</strong> 과금 정보를 확인해 보면, 약 <strong>9.1%의 비용 절감</strong>이 발생하는 것을 알 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qbDQsMFAzGim0t3bOE8UxQ.png" /><figcaption><strong>Geo and In-region Cross-region Inference</strong></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HwtyxTurJHsuzfi_q3XCpQ.png" /><figcaption><strong>Global Cross-region Inference</strong></figcaption></figure><h4>마무리하며</h4><p>Amazon Bedrock의 비용 최적화를 위해 모델별 사용량 추적부터 프롬프트 캐싱, 그리고 글로벌 인퍼런스 프로파일을 통해 비용을 최대 60%까지 절감하는 방법을 살펴보았습니다. LLM 도입 초기에는 모델의 성능에만 집중하기 쉽지만, 결국 서비스의 지속 가능성을 결정짓는 힘은 <strong>비용 효율성</strong>에서 나옵니다. Amazon Bedrock은 모델별로 비용 차이가 매우 크기 때문에, 서비스의 특성과 목적에 가장 적합한 모델을 전략적으로 선택하시길 권장합니다. 긴 글 읽어주셔서 감사합니다.</p><h4>참고 사이트</h4><ul><li><strong>Create an application inference profile (</strong><a href="https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-create.html?utm_source=chatgpt.com">https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-create.html?utm_source=chatgpt.com</a>)</li><li><strong>Global cross-Region inference (</strong><a href="https://docs.aws.amazon.com/bedrock/latest/userguide/global-cross-region-inference.html">https://docs.aws.amazon.com/bedrock/latest/userguide/global-cross-region-inference.html</a>)</li><li><strong>Prompt caching for faster model inference (</strong><a href="https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html">https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html</a>)</li><li><strong>Amazon Bedrock pricing</strong> (<a href="https://aws.amazon.com/ko/bedrock/pricing/">https://aws.amazon.com/ko/bedrock/pricing/</a>)</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=680cbe6eed25" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[초간단 API Gataway: APISIX Standalone으로배포하기]]></title>
            <link>https://medium.com/@dudwls96/%EC%B4%88%EA%B0%84%EB%8B%A8-api-%EA%B2%8C%EC%9D%B4%ED%8A%B8%EC%9B%A8%EC%9D%B4-apisix-standalone%EC%9C%BC%EB%A1%9C%EB%B0%B0%ED%8F%AC%ED%95%98%EA%B8%B0-a3e13d028151?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/a3e13d028151</guid>
            <category><![CDATA[api-gateway]]></category>
            <category><![CDATA[apache-apisix]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Sun, 22 Feb 2026 04:10:21 GMT</pubDate>
            <atom:updated>2026-03-08T04:20:54.291Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iwi5W7xHVu-0ou1E-zf2EA.png" /><figcaption>ChatGPT Image</figcaption></figure><p>Streamlit 기반 ML 모델과 AI 서비스를 연동하여 테스트 및 데모를 수행할 수 있도록, <strong>EKS 환경 내</strong> 단일 엔드포인트 구축을 위한 API Gateway 기술 검토를 진행했습니다. 여러 솔루션을 비교한 끝에, 구성이 단순하면서도 서킷 브레이킹과 인증 기능을 오픈소스로 제공하는 Apache APISIX를 선택했습니다.</p><h4>APISIX란 무엇인가</h4><p>Apache APISIX는 Apache Software Foundation 산하의 <strong>오픈소스 클라우드 네이티브 API 트래픽 관리 솔루션</strong>입니다. APISIX는 60개 이상의 내장 플러그인을 통해 인증, 보안, 트래픽 제어, 분석 및 모니터링, 요청/응답 변환 등 대부분의 비즈니스 요구 사항을 충족할 수 있습니다</p><p>Apache APISIX는 컨트롤 플레인(Control Plane)과 데이터 플레인(Data Plane)이 분리된 구조를 통해 확장성을 극대화한 클라우드 네이티브 게이트웨이입니다. 핵심 저장소인 etcd를 활용해 설정 데이터를 관리하며, 실시간 푸시(Push) 방식으로 데이터 플레인의 설정을 동기화하여 중단 없는 운영(Hot-Reload)을 지원합니다. 또한, etcd 클러스터링을 통해 고가용성을 보장하며, 대규모 트래픽 환경에서도 유연하게 대응할 수 있도록 설계되었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gZM4m0CvAS78lLdnFZLo9A.png" /><figcaption><a href="https://static.api7.ai/2023/01/03/63b3cb10bd016.png">https://static.api7.ai/2023/01/03/63b3cb10bd016.png</a></figcaption></figure><p>하지만 도입 과정에서 가장 우려했던 점은 아키텍처의 복잡성이었습니다. 이를 해결하기 위해 <strong>Standalone 모드 배포</strong>를 통한 Data Plane(DP) 중심의 단일 구성을 선택했습니다. 복잡한 Control Plane과 별도의 etcd 클러스터를 유지하는 대신, <strong>설정을 코드화하여 관리하는 방식을 채택함으로써</strong> 인프라 관리 부담을 줄이고 서비스 안정성 확보에 집중할 수 있었습니다.</p><h4>APISIX Standalone 모드</h4><p>APISIX Standalone 모드에서 APISIX는 Data Plane(DP)으로만 동작합니다. 라우트 설정은 <a href="https://docs.api7.ai/apisix/reference/file-standalone-configurations"><strong>File-driven 모드</strong></a>를 통해 apisix.yaml 파일에서 로드하거나, <strong>Standalone Admin API 모드</strong>를 통해 전달받아 메모리에 저장합니다. 현재 저희는 ConfigMap의 apisix.yaml 내 Route 설정을 변경한 뒤, APISIX Data Plane(DP) 서비스를 재 시작하여 설정을 적용하는 방식으로 구성했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vZ0_H7o6NShmgyNUWUGtgQ.png" /></figure><h4>Helm 통한 APISIX Standalone 배포하기</h4><p>Helm chart를 활용해서 APISIX Standalone 모드로 배포를 해 보겠습니다.</p><pre>helm repo add apisix https://charts.apiseven.com<br>helm repo update<br>helm repo list<br>helm search repo apisix<br>helm show values apisix/apisix &gt; apisix-values.yaml<br><br>helm upgrade --install apisix apisix/apisix \<br>--create-namespace --namespace apisix \<br>--version 2.10.0 \<br>--namespace apisix \<br>--set image.tag=&quot;3.11.0-debian&quot; \<br>--set replicaCount=2 \<br>--set apisix.deployment.mode=standalone \<br>--set apisix.deployment.role=data_plane \<br>--set etcd.enabled=false \<br>--values apisix-values.yaml</pre><p>APISIX는 다양한 구성 방식을 지원하는 여러 <a href="https://apisix.apache.org/docs/apisix/deployment-modes/">Deployment Mode</a>를 제공합니다. apisix.deployment.mode=standalone 설정을 통해 Data Plane(DP) 단독 구성으로 동작할 수 있으며, 이 모드에서는 etcd를 사용하지 않습니다. 따라서 etcd.enabled=false 설정을 통해 etcd 설치를 비활성화 합니다.</p><h4>APISIX Standalone 모드 apisix.yaml 파일 관리</h4><p>APISIX를 Standalone 모드로 운영할 때는 모든 라우트 설정을 하나의 apisix.yaml 파일에 정의합니다.</p><pre># apisix.yaml<br>routes:<br>  -<br>    uri: /hello<br>    upstream:<br>      nodes:<br>        &quot;127.0.0.1:1980&quot;: 1<br>      type: roundrobin<br>  -<br>    uri: /hello2<br>    upstream:<br>      nodes:<br>        &quot;127.0.0.1:1981&quot;: 1<br>      type: roundrobin<br>...<br>#END</pre><p>하지만 apisix.yaml 파일에 다수의 라우트 설정을 관리하게 되면, 수백 줄의 YAML 코드를 스크롤하며 특정 서비스를 찾기 어려울 뿐만 아니라 설정 오류로 인해 서비스 장애가 발생할 위험이 있습니다. 이러한 문제를 해결하기 위해 Kustomization을 활용하여 서비스별로 라우트 파일을 분리하고, 배포 시점에 자동으로 병합 및 배포되도록 구성했습니다.</p><pre>kustomization/<br>├── kustomization.yaml      # Kustomize 설정 파일<br>├── apisix-merged.yaml      # 병합된 최종 파일 (자동 생성)<br>├── merge.sh                # 병합 스크립트<br>├── global-rules.yaml       # 전역 규칙 (CORS, Rate Limit 등)<br>└── routes/                 # 서비스별 라우트 디렉토리<br>    ├── api-users.yaml      # 사용자 서비스 라우트<br>    ├── api-orders.yaml     # 주문 서비스 라우트<br>    └── web.yaml            # 프론트엔드 라우트</pre><p>Kustomization 설정 파일은 병합된 최종 결과물을 쿠버네티스 ConfigMap으로 생성합니다. 이때 apisix.yaml=apisix-merged.yaml 설정을 통해, 병합된 파일의 내용을 ConfigMap 내의 apisix.yaml 키값으로 매핑하여 관리하도록 구성했습니다.</p><pre>apiVersion: kustomize.config.k8s.io/v1beta1<br>kind: Kustomization<br><br>namespace: apisix<br><br># ConfigMap Generator<br>configMapGenerator:<br>  - name: apisix.yaml<br>    files:<br>      - apisix.yaml=apisix-merged.yaml<br><br>generatorOptions:<br>  disableNameSuffixHash: true<br>  labels:<br>    app: apisix<br>    managed-by: kustomize</pre><p>merge.sh는 여러 YAML 파일(api-users.yaml, api-orders.yaml, web.yaml)을 하나의 YAML 파일(apisix-merged.yaml)로 생성하는 스크립트입니다.</p><p>이 스크립트는 우선 routes/ 디렉터리 내의 모든 .yaml 파일을 순회합니다. 각 파일의 내용을 읽어 들일 때 sed &#39;s/^/ /&#39; 명령을 사용하여 2칸 들여쓰기를 추가한 후, 이를 routes: 섹션 아래에 순차적으로 병합합니다. 모든 라우트 파일 처리가 완료되면 전역 규칙(global_rules)을 해당 섹션에 추가하여 최종 파일을 완성합니다<strong>.</strong></p><pre>#!/bin/bash<br>set -e<br><br>echo &quot;🔄 Merging APISIX configuration...&quot;<br><br># 헤더 생성<br>cat &gt; apisix-merged.yaml &lt;&lt; &#39;HEADER&#39;<br># Auto-generated by merge.sh<br># DO NOT EDIT MANUALLY<br><br>routes:<br>HEADER<br><br># routes/ 디렉토리의 모든 YAML 파일 병합<br>echo &quot;📝 Merging routes...&quot;<br>for file in routes/*.yaml; do<br>  if [ -f &quot;$file&quot; ]; then<br>    echo &quot;  - $(basename $file)&quot;<br>    # 2칸 들여쓰기 추가하여 병합<br>    sed &#39;s/^/  /&#39; &quot;$file&quot; &gt;&gt; apisix-merged.yaml<br>  fi<br>done<br><br># Global Rules 추가<br>echo &quot;&quot; &gt;&gt; apisix-merged.yaml<br>echo &quot;# Global Rules - 모든 라우트에 공통 적용&quot; &gt;&gt; apisix-merged.yaml<br>echo &quot;global_rules:&quot; &gt;&gt; apisix-merged.yaml<br><br>if [ -f &quot;global-rules.yaml&quot; ]; then<br>  echo &quot;🌐 Merging global rules...&quot;<br>  sed &#39;s/^/  /&#39; global-rules.yaml &gt;&gt; apisix-merged.yaml<br>fi<br><br>echo &quot;&quot; &gt;&gt; apisix-merged.yaml<br>echo &quot;#END&quot; &gt;&gt; apisix-merged.yaml<br><br>echo &quot;✅ Generated: apisix-merged.yaml&quot;</pre><p>서비스별 관리를 위해 라우트 파일을 분리했습니다.</p><ul><li>routes/api-users.yaml: API 요청 제한(Rate Limit)이 포함된 사용자 관리 라우트</li><li>routes/api-orders.yaml: 주문 조회 및 생성을 위한 라우트</li><li>routes/web.yaml: 우선순위(Priority)를 활용한 프론트엔드 정적 리소스 라우트</li></ul><pre># routes/api-users.yaml 파일<br># User Service Routes<br><br>- id: api-users-list<br>  uri: /api/users<br>  methods: [GET]<br>  upstream:<br>    nodes:<br>      &quot;user-service:8080&quot;: 1<br>    type: roundrobin<br><br>- id: api-users-create<br>  uri: /api/users<br>  methods: [POST]<br>  upstream:<br>    nodes:<br>      &quot;user-service:8080&quot;: 1<br>    type: roundrobin<br>  plugins:<br>    limit-count:<br>      count: 10<br>      time_window: 60<br><br><br># routes/api-orders.yaml 파일 <br># Order Service Routes<br><br>- id: api-orders-list<br>  uri: /api/orders<br>  methods: [GET]<br>  upstream:<br>    nodes:<br>      &quot;order-service:8080&quot;: 1<br>    type: roundrobin<br><br>- id: api-orders-create<br>  uri: /api/orders<br>  methods: [POST]<br>  upstream:<br>    nodes:<br>      &quot;order-service:8080&quot;: 1<br>    type: roundrobin<br><br># routes/web.yaml 파일<br># Web Frontend Routes<br><br>- id: web-home<br>  uri: /<br>  priority: 5<br>  upstream:<br>    nodes:<br>      &quot;frontend:80&quot;: 1<br>    type: roundrobin<br><br>- id: web-catchall<br>  uri: /*<br>  priority: 1<br>  upstream:<br>    nodes:<br>      &quot;frontend:80&quot;: 1<br>    type: roundrobin</pre><p>global-rules.yaml은 모든 라우트에 공통으로 적용되는 전역 정책을 정의합니다. 주요 설정 항목은 다음과 같습니다:</p><ul><li>전역 트래픽 제한: 분당 1,000건의 요청으로 제한하여 서비스 안정성 확보</li><li>CORS 정책: 다중 도메인 환경을 고려한 교차 출처 리소스 공유 설정</li><li>응답 헤더 최적화: 요청 ID($request_id) 부여 및 보안을 위한 서버 정보 삭제</li></ul><pre># global-rules.yaml<br>- id: global-rate-limit<br>  plugins:<br>    limit-count:<br>      count: 1000<br>      time_window: 60<br>      rejected_code: 503<br>      rejected_msg: &quot;Service temporarily unavailable&quot;<br><br>- id: global-cors<br>  plugins:<br>    cors:<br>      allow_origins: &quot;*&quot;<br>      allow_methods: &quot;GET,POST,PUT,DELETE,PATCH,OPTIONS&quot;<br>      allow_headers: &quot;DNT,User-Agent,X-Requested-With,If-Modified-Since,Cache-Control,Content-Type,Range,Authorization&quot;<br>      expose_headers: &quot;Content-Length,Content-Range&quot;<br>      max_age: 3600<br><br>- id: global-response-headers<br>  plugins:<br>    response-rewrite:<br>      headers:<br>        set:<br>          X-Request-Id: &quot;$request_id&quot;<br>          X-Server: &quot;APISIX&quot;<br>        remove:<br>          - &quot;Server&quot;</pre><p>merge.sh 실행 후에는 설정을 배포합니다. 먼저 kubectl apply -k . --dry-run=client 명령을 통해 실제 적용 전 리소스의 이상 유무를 시뮬레이션 합니다. 문제가 없다면 kubectl apply -k . 명령으로 ConfigMap을 클러스터에 반영합니다. 마지막으로 업데이트된 설정을 활성화하기 위해 kubectl rollout restart deployment/apisix를 실행합니다. 이 과정은 롤링 업데이트 방식으로 진행되어 서비스 중단(Downtime) 없이 안전하게 새 설정이 로드 됩니다.</p><pre>./merge.sh<br>kubectl apply -k . --dry-run=client<br>kubectl apply -k .<br>kubectl rollout restart deployment/apisix -n apisix</pre><h4>마무리하며</h4><p>지금까지 Apache APISIX를 Standalone 모드로 배포하는 과정을 살펴보았습니다. 이 방식은 복잡한 외부 의존성 없이도 API 게이트웨이의 강력한 기능을 즉시 활용할 수 있다는 점이 큰 장점입니다. 특히 이번 과정에서는 Kustomize를 활용해 라우트 설정 파일을 모듈화함으로써, 서비스 규모가 확장되더라도 설정을 체계적으로 유지 보수할 수 있는 기반을 마련했습니다. 효율적인 API 트래픽 관리를 고민하는 분들께 본 가이드가 도움이 되기를 바랍니다. 긴 글 읽어주셔서 감사합니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a3e13d028151" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI Agent 개발 삽질기 회고]]></title>
            <link>https://medium.com/@dudwls96/ai-agent-%EA%B0%9C%EB%B0%9C-%EC%82%BD%EC%A7%88%EA%B8%B0-%ED%9A%8C%EA%B3%A0-a57acc1cc828?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/a57acc1cc828</guid>
            <category><![CDATA[devops]]></category>
            <category><![CDATA[ai-agent]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Tue, 10 Feb 2026 22:21:14 GMT</pubDate>
            <atom:updated>2026-03-08T04:16:56.267Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*uS4cv2o6dcaUFHg_" /><figcaption>Photo by <a href="https://unsplash.com/@julientromeur?utm_source=medium&amp;utm_medium=referral">julien Tromeur</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>2025년 AI Agent 개발에 참여하며 느꼈던 점들을 정리해 보려 합니다.<br> 저는 AI나 모델 전문가는 아니지만, 지난 2025년 동안 AI Agent 프로젝트에 참여하며 다양한 분야의 동료들과 함께 고민했던 경험을 담았습니다. 이 글은 모델 중심의 시선보다는 실제 개발과 운영 과정에서 느꼈던 관점에 가깝습니다. 내용에 대한 의견이나 다른 시각이 있다면 댓글로 남겨주시면 감사하겠습니다.</p><h4>AI Agent 가 무엇인가?</h4><p>2025년 1분기, AI Agent 프로젝트에 처음 참여했을 당시에는 과거의 개발 경험을 떠올리며 비교적 수월한 작업일 것이라 생각했습니다. 하지만 첫 미팅에서 AI Agent의 정의와 비즈니스 임팩트, 그리고 기존 검색 서비스와의 차별점을 논의하며 기존의 개발과는 다른 부분들이 많다는 것을 느낄 수 있었습니다.</p><p>당시에는 국내외를 막론하고 AI Agent에 대한 정의가 상이했기에, 저희는 팀만의 고유한 정의를 수립했습니다. 이를 바탕으로 사용자의 자연어(NLP) 프롬프트를 이해하고, 목표 달성을 위한 작업 목록(Task List)을 생성하며, 외부 도구(MCP, RAG 등)를 스스로 선택해 문제를 해결하는 지능형 에이전트 개발을 최종 목표로 설정했습니다.</p><h4>Amazon Bedrock Agent vs LangGraph</h4><p>기존 데이터 플랫폼이 이미 AWS 환경에 구축되어 있었기에, 초기 선택은 자연스럽게 Amazon Bedrock Agent였습니다. 인프라 통합이 쉽고, AWS의 보안 표준을 그대로 따를 수 있으며, 초기 Agent 개발을 빠르게 진행할 수 있다는 점이 장점이었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/728/1*EEYBpNGZjKJPSwRoXQUMWA.png" /><figcaption><strong>초기 아키텍처</strong></figcaption></figure><p>하지만 개발이 진행될수록 예상치 못한 한계에 부딪혔습니다. 분명 편리한 도구였지만, 복잡한 비즈니스 로직을 제어하기에는 ‘블랙박스’처럼 느껴지는 영역이 많았습니다. 세밀한 흐름 제어(Control Flow)와 커스텀 로직 삽입이 필요했고, 결국 Amazon Bedrock Agent와 LangGraph를 조합한 방식으로 AI Agent를 개발하게 되었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/412/1*9aGEanpI4VAb0lt_yK6lLQ.png" /><figcaption><strong>최종 아키텍처</strong></figcaption></figure><p>LangGraph는 에이전트 개발에 필요한 핵심 구성 요소들을 레고 블록처럼 조합할 수 있도록 지원합니다. 이를 통해 개발 속도를 유지하면서도, 복잡한 에이전트 로직에 대한 커스터마이징을 보다 유연하게 구현할 수 있었습니다. 이러한 접근 방식은 AWS 블로그에서도 소개된 사례가 있었고, 실제 구현 과정에서 많은 참고가 되었습니다.</p><p><a href="https://aws.amazon.com/ko/blogs/tech/build-multi-agent-systems-with-langgraph-and-amazon-bedrock/">Amazon Bedrock과 LangGraph로 Multi Agent 시스템 구현하기 | Amazon Web Services</a></p><h4>LLM는 빠르지 않다</h4><p>초기 AI Agent를 프로토타입으로 개발하면서 가장 많이 들었던 질문 중 하나는<br> “왜 이렇게 느리냐, 구글이나 GPT는 빠른데?”였습니다.</p><p>기존 서비스를 개발하고 운영해 온 분들 입장에서는 1초도 아닌, 수십 초 이상의 응답 시간은 쉽게 이해하기 어려운 부분이었을 것입니다. 저 역시 처음에는 이 차이를 명확히 이해하지 못했습니다.</p><p>이는 LLM의 동작 방식과 특성에 대한 이해 부족에서 오는 기대치, 즉 눈높이의 차이라고 생각합니다. LLM은 모델마다 성능과 응답 속도의 편차가 매우 크고, 특히 AI Agent의 동작을 세밀하게 제어할수록 더 많은 프롬프트와 추론 단계가 추가됩니다. 이 과정에서 모델은 단순한 질의 응답을 넘어 복합적인 추론을 수행하게 되고, 그 결과 전체 응답 시간은 점점 증가하게 됩니다.</p><p>물론 AI Agent의 성능을 개선하기 위해 LangGraph 최적화나 캐시 기능 도입 등 여러 시도를 했고, 일부 구간에서는 분명한 효과가 있었습니다. 하지만 Datadog 모니터링을 통해 확인해 보면, LLM 자체의 절대적인 응답 성능을 개선하는 데에는 명확한 한계가 있었습니다.</p><h4>LLM는 비싸다</h4><p>AWS Bedrock 요금은 실제 사용한 만큼만 청구되며, 입력·출력 토큰 기준으로 비용이 산정됩니다. 모델별로 토큰당 가격은 천차만별이고, 프롬프트 크기나 추론 복잡도에 따라 비용은 크게 달라집니다.</p><p>예를 들어 Amazon Bedrock에서 지원하는 Anthropic Claude Sonnet 모델과 Llama 4 Maverick 모델의 입력·출력 토큰당 비용을 비교해 보면, 상당한 차이가 나는 것을 확인할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/664/1*v8U026mr9D031aOSVXaybg.png" /><figcaption>AWS Bedrock Model 비용(Sonnet vs LIama4 Maverick)</figcaption></figure><p>AI Agent를 실제 서비스로 운영하려고 하면 비용 문제는 더욱 현실적으로 다가옵니다. 프롬프트 길이 증가, 반복적인 추론 호출, 멀티 에이전트 구조는 곧바로 토큰 사용량과 비용 증가로 이어집니다.</p><h4>RAG는 ‘한 번 만들고 끝’나는 시스템이 아니다</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dRYZBCQwzd3BolfnBfTiUw.png" /></figure><p>RAG(Retrieval-Augmented Generation)는 문서와 데이터를 벡터화하고, 벡터 DB에 저장한 뒤 MCP를 만들고 LLM을 연결하면 끝이라는 인식이 많습니다. 하지만 실제 운영 환경에서의 RAG는 전혀 다릅니다.</p><p>RAG는 구축보다 운영이 훨씬 비싼 시스템입니다. 새로운 데이터 유입, 기존 문서 수정, 모델 변경에 따른 재임베딩, 그리고 품질 개선을 위한 재요약(Refinement)까지 고려하면 RAG를 유지·운영하기 위한 데이터 파이프라인은 지속적으로 실행될 수밖에 없습니다.</p><p>이러한 반복적인 파이프라인 운영 비용과 Amazon Bedrock 모델의 입력·출력 비용까지 감안하면, RAG 시스템에는 생각보다 상당한 비용이 필요합니다.</p><p><a href="https://medium.com/@dudwls96/amazon-bedrock-%EB%B9%84%EC%9A%A9-%EC%B5%9C%EC%A0%81%ED%99%94-%ED%95%98%EA%B8%B0-680cbe6eed25">Amazon Bedrock 비용 최적화 하기</a></p><h4><strong>Amazon Bedrock의 할당량</strong></h4><p>LLM은 느립니다. 모델 비용은 비쌉니다. 운영은 어렵습니다.<br> 이 모든 부분을 “그래도 감수하자”라고 합의했다고 해도, 그 다음에 마주하게 되는 현실적인 문제는 Amazon Bedrock의 할당량(Quota)입니다.</p><p>Amazon Bedrock의 할당량은 AWS 계정 단위로 부여되며, 동시에 리전(Region)별로 각각 적용됩니다. 즉, 같은 계정이라도 리전마다 별도의 할당량이 존재합니다. 이로 인해 동시 요청 증가나 특정 시간대 트래픽이 몰릴 경우 Bedrock에서 Throttle이 발생하는 상황을 겪게 됩니다.</p><p>또한 A 계정의 us-east-1에서 지원하는 모델이 ap-northeast-2에서는 지원되지 않는 경우도 존재합니다. 결국 안정적인 운영을 위해 다음과 같은 구조를 고려할 수밖에 없었습니다.</p><ul><li>Multi-Account 구조를 통한 Bedrock 할당량 분산 및 증설</li><li>Account별 Bedrock Throttle 발생 여부 모니터링</li><li>Multi-Account 환경을 고려한 Cross-Account Role 설계 및 개발</li><li>사용자 서비스용 Account와 RAG 시스템용 Account의 목적 분리</li></ul><p>Amazon Bedrock은 관리형 서비스이지만, 안정적인 LLM 서비스 운영을 위해서는 결국 아키텍처 레벨의 고민이 필요했습니다.</p><h4>마무리하며..</h4><p>요즘 뉴스나 기사들을 보면 AI Agent에 대한 이야기를 쉽게 접할 수 있고, 누구나 간단하게 만들 수 있으며 업무 생산성을 크게 높일 수 있다고 말합니다. 하지만 실제로 AI Agent 프로젝트에 참여해 보니, 기존 애플리케이션 개발보다 오히려 더 복잡하고 어려운 문제들이 많았습니다.</p><p>AI Agent는 단순히 한 명의 고급 개발자가 모든 것을 해결할 수 있는 영역이 아닙니다. 모델 특성을 이해하는 전문가, 프롬프트와 추론 흐름을 설계하는 AI 전문가, 그리고 이를 안정적으로 운영할 수 있는 엔지니어들이 함께 협업해야 비로소 현실적인 문제 해결이 가능하다고 느꼈습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a57acc1cc828" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DevOps 엔지니어가 데이터 플랫폼 팀에서 살아남기]]></title>
            <link>https://medium.com/@dudwls96/devops-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EA%B0%80-%EB%8D%B0%EC%9D%B4%ED%84%B0-%ED%94%8C%EB%9E%AB%ED%8F%BC-%ED%8C%80%EC%97%90%EC%84%9C-%EC%82%B4%EC%95%84%EB%82%A8%EA%B8%B0-3b75b9f2943d?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/3b75b9f2943d</guid>
            <category><![CDATA[devops]]></category>
            <category><![CDATA[data-engineer]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Fri, 16 Jan 2026 04:55:05 GMT</pubDate>
            <atom:updated>2026-01-16T04:55:05.378Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*QbXmeuleeIZBYPB8" /><figcaption>Photo by <a href="https://unsplash.com/@johnishappysometimes?utm_source=medium&amp;utm_medium=referral">John Schnobrich</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>10년 동안 DevOps 엔지니어로서 클라우드 인프라, CI/CD, 업무 자동화를 중심으로 업무를 해왔습니다. 1년 전부터 DevOps 경험을 데이터 및 AI 분야로 확장하고 싶다는 고민을 했고, 최근 이직을 계기로 데이터 및 AI 부서에서 업무를 시작하게 되었습니다. 새로운 기술과 업무 방식에 적응해야 했지만, DevOps와 데이터 플랫폼 팀 사이에는 예상보다 많은 공통점이 존재했습니다. 이번 글에서는 지난 1년간 DevOps 경험이 데이터 및 AI 업무에 어떻게 적용될 수 있었는지, 그리고 두 분야의 공통점과 차이점에 대해 이야기해보려 합니다.</p><h3>도커(Docker)</h3><p>“모든 길은 로마로 통하듯이, 모든 IT는 도커(Docker)로 통한다.” 2014년 6월 1.0 버전 출시 이후, 도커는 현대 IT 인프라에서 없어서는 안 될 핵심 기술이 되었습니다. 하지만 여러 기업을 경험하며 지켜본 결과, 도커를 실무에 제대로 활용하는 경우는 의외로 많지 않았습니다. 여전히 로컬 환경에 패키지를 직접 설치하여 개발하거나, 오픈소스를 검토하는 과정에서 패키지 충돌로 시간을 허비하는 경우가 빈번합니다. 결국 실 서버 환경을 별도로 요청하고, 필요한 패키지를 내려받기 위해 복잡한 승인 절차를 반복하는 비효율적인 상황이 계속되고 있습니다.</p><p>예를 들어, Terraform 실행에 필요한 모든 패키지와 유틸리티를 Dockerfile로 이미지화하고 Git으로 형상 관리했습니다. 이를 통해 누구나 즉시 동일한 환경을 구축할 수 있게 함으로써, 기존의 비효율적이었던 업무 환경을 개선 할수 있었습니다.</p><h3><strong>인프라 자동화(IaC)</strong></h3><p>많은 기업이 기존 IDC 환경에서 운영하던 데이터 분석 및 AI 업무를 클라우드로 이전하고 있으며, 이제는 멀티 클라우드 또는 멀티 계정 환경에서 데이터 분석 및 AI를 효과적으로 활용하기 위해 인프라 자동화가 필수적이 되었습니다.</p><p>그러나 데이터 및 AI 담당자들은 Terraform, Pulumi, Ansible 등의 인프라 자동화 도구를 다룬 경험이 부족해 어려움을 겪는 경우가 많습니다. 이러한 부분은 DevOps 엔지니어와의 협업을 통해 충분히 해결할 수 있는 영역입니다.</p><p>특히, 데이터 수집 및 분석 환경이 클라우드로 전환되면서 AWS EMR과 EKS 기반의 환경 구축이 증가하고 있습니다. EKS 기반의 수집 및 분석 환경을 설계하면서, 업무 효율성, 성능, 그리고 비용 최적화까지 고려한 인프라를 DevOps 엔지니어와 협업하여 설계 및 구축함으로써 시너지를 낼 수 있었습니다.</p><h3>폐쇄망에서 개발 한계</h3><p>데이터 및 AI 개발 환경은 보안상의 이유로 폐쇄망(망 분리) 내 VDI(가상 데스크톱)에서 운영되는 경우가 많습니다. 하지만 이러한 폐쇄적인 환경은 개발 생산성을 저해하는 큰 요소가 됩니다. 특히 개발에 필요한 패키지를 다운로드하는 과정에서 복잡한 승인 절차가 필요합니다.</p><p>그렇다면 모든 개발 환경부터 테스트까지 반드시 폐쇄망에서만 진행해야 할까요? 사실, 개발된 결과물을 폐쇄망에서도 빠르고 쉽게 배포할 수 있는 방법이 있습니다. 바로 Docker 기반의 컨테이너 환경을 활용하는 것입니다. 컨테이너 기술을 도입하면 개발 생산성과 효율성을 크게 향상 시킬 수 있습니다.</p><p>물론 이런 제안을 드리면 ‘데이터가 없어서 로컬 개발이 불가능하다’고 말씀하시는 분들이 많습니다. 하지만 샘플 데이터나 Mock 데이터를 활용해 로컬에서 코드의 무결성 빠르게 검증후, 실제 데이터 있는 환경에서 디버깅에 소요되는 시간을 획기적으로 줄여 업무 효율성 높일 수 있습니다.</p><h3><strong>CI/CD 환경 구성</strong></h3><p>과거에는 데이터팀이 데이터를 수집하고 분석하며, 분석된 데이터를 바탕으로 비즈니스 방향성을 제시하는 역할이 대부분이었습니다. 하지만 단순한 방향성 제시를 넘어, 분석된 데이터를 기반으로 AI &amp; ML 모델을 학습하고 이를 활용하여 서비스를 개발·배포함으로써 직접적인 비즈니스 임팩트를 창출하는 방향으로 전환하고 있습니다.</p><p>저 또한 이러한 변화가 바람직하다고 생각합니다. 다만, 서비스 운영 경험이 부족해 실행에 어려움을 겪는 경우가 많고, 재사용 가능한 환경이 미비하여 매번 개발 및 배포 환경을 새로 구축해야 하는 비효율이 반복되기도 합니다.</p><p>이를 해결하기 위해 로컬의 Docker 기반 개발 환경과 GitOps 및 Kubernetes를 활용한 DEV/STG/PRD 배포 체계를 구축함으로써 업무 생산성을 높일 수 있습니다.</p><h3>마무리하며</h3><p>지난 1년 동안은 DevOps 경험을 바탕으로 데이터 수집 및 분석, ML 모델과 AI 서비스 구축을 위한 기반 시스템과 프로세스를 만드는 데 집중해 왔습니다. 올해부터는 그 전문성을 더욱 확장하여, 인프라와 데이터를 아우르는 전문 데이터 엔지니어로 거듭나는 데 집중하고자 합니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3b75b9f2943d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[스푼랩스(스푼라디오)의 여정을 마무리하며]]></title>
            <link>https://medium.com/@dudwls96/%EC%8A%A4%ED%91%BC%EB%9E%A9%EC%8A%A4-%EC%8A%A4%ED%91%BC%EB%9D%BC%EB%94%94%EC%98%A4-%EC%9D%98-%EC%97%AC%EC%A0%95%EC%9D%84-%EB%A7%88%EB%AC%B4%EB%A6%AC%ED%95%98%EB%A9%B0-07cfa5abd2dd?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/07cfa5abd2dd</guid>
            <category><![CDATA[spoonradio]]></category>
            <category><![CDATA[resign]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Fri, 15 Nov 2024 00:50:18 GMT</pubDate>
            <atom:updated>2024-11-15T09:51:57.350Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Vm54qD4rpHkH5SgcgvMfpQ.jpeg" /></figure><p>2019년 3월 스푼랩스(스푼라디오)에 합류한 이후, DevOps 엔지니어로 일하며 어느덧 5년 9개월의 시간이 흘렀습니다. 이제 스푼랩스에서 맡았던 역할과 책임을 다했다고 생각하며, 후임에게 모든 것을 넘기고 스푼랩스에서의 여정을 마무리하려고 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/770/1*JtF3xlLv-Dm82Ffi2QfGLA.png" /><figcaption><strong>스토브리그 명대사 (날이 따뜻해진 걸 보면. ​단장의 시간은 지났습니다.)</strong></figcaption></figure><p>5년이라는 시간 동안 많은 것을 배우고, 때로는 힘들었지만 주변의 멋진 동료들 덕분에 다양한 경험을 하며 성장할 수 있었습니다. 지난 5년 동안 스푼랩스에서 저와 팀이 함께한 일들을 회고해보려 합니다.</p><h3>1. 스푼랩스(스푼라디오)의 마운틴맨이 되다.</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/721/1*SBSBVNBxPlZ7uv8zNvDGMg.png" /><figcaption><strong>더 마운틴 맨(The Mountian Man)</strong></figcaption></figure><p>스푼랩스에 합류한 후, 우리 팀의 미션은 스푼라디오 서비스를 ISMS-P 인증 심사가 가능한 환경으로 마이그레이션하고, 스푼라디오 서비스를 글로벌 서비스 환경으로 개선하는 것이었습니다.</p><p>모든 스타트업은 초기에는 빠르게 서비스를 개발하고 출시하는 것이 최우선 과제입니다. 완벽함보다는 얼마나 빨리 시장에 진출할 수 있는지가 중요했기 때문에 많은 것이 임시방편으로 구축되며, 시간이 지나면서 자연스럽게 ‘레거시’가 됩니다.</p><p>스푼랩스에서도 비슷한 상황 있었습니다. 스푼 서비스 시스템에 대해 논의하던 중, 담당자분이 미안해하시던 순간이 있었습니다. 그때 저는 이렇게 말씀드렸던 것 같습니다. <strong>“우리가 여기 온 이유는 이런 부분을 정리하고 개선하기 위해서입니다. 함께 해결해 나가면 됩니다.”</strong>라고 말했던 기억이 납니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v-D7h9gBCsnPVwwX4Hx4BA.png" /><figcaption><strong>5년간 스푼랩스에서의 여정</strong></figcaption></figure><p>스푼라디오 서비스를 안정적인 환경으로 구성하기 위해, 서비스 환경 식별과 인프라 구성을 위한 IaC 작업, 자동화 배포 시스템 및 모니터링 구성을 목표로 SRE 팀은 “판문점 프로젝트”를 시작했습니다. 3년이라는 긴 시간 동안 미국 서비스를 시작으로 한국, 일본, 동남아시아(베트남, 인도네시아), 중동까지 총 5번의 이상의 서비스 마이그레이션을 진행했습니다. 또한, 지속적인 AWS 비용 최적화를 위한 Beef++ 프로젝트, 글로벌 네트워크 환경 구성, DB 성능 및 비용 최적화 등 다양한 업무를 통해 의미 있는 성과를 만들어 냈다고 생각합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/923/1*AXQW5t_8DJuJKNRS7dsEUA.png" /><figcaption><strong>2019년 11월 스푼라디오 한국 서비스 마이그레이션</strong></figcaption></figure><p>5년이라는 긴 시간 동안 많은 작업을 해왔지만, 저희 팀뿐만 아니라 스푼랩스의 모든 구성원들의 지원과 응원이 없었다면 여기까지 올 수 없었을 것입니다. 모든 분들께 진심으로 감사의 인사를 전하고 싶습니다.</p><h3>2. 엔지니어에서 전략가가 되다</h3><p>예전에는 기술 트렌드를 따라가야 한다는 집착과 코드 작성에만 몰두했습니다. 회사의 방향성과 팀의 목표보다는 더 높은 기술이 모든 문제를 해결할 수 있다고 믿었고, 이로 인해 동료들에게 과도한 압박을 주기도 했습니다. 그러나 시간이 지나면서 기술만으로는 모든 것을 해결할 수 없다는 것을 깨달았습니다. 기술뿐만 아니라 회사와 팀의 성장, 그리고 나 자신의 성장을 어떻게 조화롭게 이룰 수 있을지 깊이 고민하게 되었습니다.</p><p>그중에서도 저는 특히 팀의 성장에 집중했습니다. 팀이 어떻게 성장할 수 있을지, 팀원들이 더 많은 기회와 성장을 경험하며 강력한 팀워크를 구축할 수 있을지를 끊임없이 고민했습니다. 엔지니어의 역할을 넘어 팀의 전략을 함께 고민하고 방향성을 설정하며, 팀원들의 성장을 돕는 전략가의 역할도 맡았습니다. 특히, 다음 세 가지 주제에 대해 많은 이야기를 했습니다.</p><ol><li><strong>외부 세미나 발표</strong>: 회사와 팀의 인지도를 높이기 위해 외부 세미나 발표 기회를 마련하고 적극 지원을 했고, <strong>국내에서 4회, 해외에서 1회</strong>의 발표를 진행할 수 있었습니다.</li><li><strong>회사 기술 블로그 작성</strong>: 팀원들의 글 작성 능력을 향상시키고, 개인 업무 성과를 정리하며 자신의 업무에 자부심을 가질 수 있도록 회사 기술 블로그 작성을 독려(반강제?)한 결과, <strong>총 21개의 기술 블로그</strong>를 포스팅할 수 있었습니다.</li><li><strong>해외 및 국내 세미나 참석</strong>: 매년 해외 AWS Summit과 국내 세미나에 참석하여 새로운 시각과 기술 트렌드를 배우고, 이를 팀의 업무에 반영할 수 있도록 지원을 했습니다.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/653/1*HDA3LQ1722ewvuJz64bOlQ.png" /><figcaption>2023년 뉴욕 Datadog DASH 발표 (DBA &amp; DevOps &amp; DEV)</figcaption></figure><p>스푼랩스에서 처음으로 팀 내 전략가로서의 역할을 맡으며, 많이 부족했고, 때로는 고집스러웠으며, 때로는 꼰대처럼 보였을지도 모르는 저를 끝까지 믿어준 <strong>마틴, 라이언, 애쉬, 비버, 다니엘</strong>에게 진심으로 감사의 말을 전하고 싶습니다.</p><h3>3. 강력한 팀워크 만들다</h3><p>때로는 어려움 속에서도 해결책을 찾아내며 함께 성장한 멋진 동료들이 있었습니다. 서로의 전문성을 존중하고 협력하는 과정에서 팀워크의 소중함과 협력의 힘을 다시금 깨달을 수 있었습니다. 이러한 동료들이 있었기에 도전적인 목표들을 하나씩 이뤄낼 수 있었고, 어려운 순간들을 극복할 수 있었습니다.</p><p>강력한 팀워크를 구축하기 위해서는 <strong>“서로의 믿음과 신뢰를 쌓기 위한 충분한 시간”</strong>이 절대적으로 필요하다고 생각했습니다. 이는 <strong>시대나 세대의 차이를 논하기보다, 지난 5년 동안 스푼랩스의 SRE팀만의 문화</strong>로 자리 잡았고, 다음과 같은 루틴이 되었던것 같습니다.</p><ol><li><strong>아침 운동</strong>: “SRE팀은 체력이다”라는 믿음 아래 함께 운동했습니다.</li><li><strong>조식 함께하기</strong>: 근태 관리와 함께 팀원들 간의 유대감을 쌓기 위해 조식도 함께했습니다.</li><li><strong>월 1회 회식</strong>: 맛있는 음식(혹은 술?)을 즐기며 회식도 했습니다.</li><li><strong>연 1회 1박 2일 워크숍</strong>: 1년 동안 고생한 팀원들을 위해 푸짐한 식사(소고기/술?)를 준비하며 재충전의 시간을 가졌습니다.</li><li><strong>솔직한 대화</strong>: 서로의 다름을 인정하고 이해하기 위해 논쟁도 해야 한다고 생각을 했으며, 귀에 피가 날 정도로 잔소리를 했던 점, 진심으로 죄송합니다.</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2iZO0Hqx_CUkieQZYUCRlQ.png" /><figcaption><strong>2023년01월 SRE팀 1박2일 워크샵</strong></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ArHGuJtGxYzRe_hH0KnbNQ.png" /><figcaption><strong>2024년01월 SRE팀 1박2일 워크샵</strong></figcaption></figure><p>지난 5년간 SRE팀만의 문화는 새로운 SRE팀 2기가 이전보다 더 강력한 팀워크를 구축하며, 더욱 발전된 팀 문화와 루틴을 만들어 나갈 것이라고 믿습니다.</p><h3>마무리하며..</h3><p>새로운 도전을 위해 스푼랩스를 떠나려고 합니다. 다가오는 미래는 여전히 불확실하지만, 스푼랩스에서의 경험과 동료들의 조언을 바탕으로 더 나은 엔지니어로 성장하고자 합니다. 비록 제가 스푼랩스의 SRE 팀을 떠나지만, 남아 있는 <strong>애쉬, 다니엘, 비버가 문제없이 업무를 이어갈 것입니다. 앞으로도 SRE 팀에 많은 응원과 지원</strong>을 부탁 드리며, 스푼랩스의 모든 구성원들의 건승을 기원합니다. 감사합니다.</p><p>마지막으로, 5년 동안 저와 함께하며 업무를 도와준 도커 컨테이너들에게도 수고했다는 말을 전하고 싶습니다</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6zfNByk6O_xipmfNklnqQg.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=07cfa5abd2dd" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[로컬 환경에서 Molecule + Docker 활용한 Ansible Role 단위 테스트하기]]></title>
            <link>https://medium.com/spoontech/%EB%A1%9C%EC%BB%AC-%ED%99%98%EA%B2%BD%EC%97%90%EC%84%9C-molecule-docker-%ED%99%9C%EC%9A%A9%ED%95%9C-ansible-role-%EB%8B%A8%EC%9C%84-%ED%85%8C%EC%8A%A4%ED%8A%B8%ED%95%98%EA%B8%B0-4f3ddcecf1af?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/4f3ddcecf1af</guid>
            <category><![CDATA[pytest]]></category>
            <category><![CDATA[molecule]]></category>
            <category><![CDATA[testinfra]]></category>
            <category><![CDATA[ansible]]></category>
            <category><![CDATA[tech]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Mon, 19 Aug 2024 03:18:11 GMT</pubDate>
            <atom:updated>2024-09-05T13:50:52.991Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LVwnWm8OeQoi-wP9xQZv-Q.png" /></figure><p>안녕하세요, 스푼라디오 SRE 팀에서 DevOps 업무를 맡고 있는 백영진(Paul)입니다. 지난 5년 간, 저희 팀은 AWS의 Multi-Account Multi-Region 환경에서 서비스의 안정성과 확장성을 보장하기 위해 Ansible을 활용한 인프라 자동화 및 CI/CD 배포 시스템을 구축하였습니다. 또한 다양한 운영 체제(AmazonLinux, Ubuntu) 환경에서 Ansible Role을 검증하기 위해 Vagrant &amp; VirtualBox를 사용하여 로컬 환경에서 테스트를 수행해왔습니다. 그러나 Mac M1 기기에서는 Vagrant &amp; VirtualBox 실행에 문제가 있었습니다. 이 문제를 해결하기 위해 <a href="https://ansible.readthedocs.io/projects/molecule/">Molecule</a>이라는 도구와 Docker 활용해서 Ansible Roles를 테스트 방법에 대해 설명을 하겠습니다.</p><h3>1.Molecule 란 무엇인가?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/1*HTQPJ7ucheqpp9pDoEKSIg.png" /></figure><p><a href="https://ansible.readthedocs.io/projects/molecule/">Ansible Molecule</a>은 다양한 시나리오를 기반으로 Ansible Role을 테스트할 수 있는 프레임워크로, 현재 Ansible/Red Hat에 의해 유지 관리되고 있습니다. Molecule은 Docker, Vagrant, EC2, Azure, OpenStack, Podman 등 다양한 드라이버를 제공하여 테스트 환경을 구성할 수 있게 해줍니다. 또한 <a href="https://ansible.readthedocs.io/projects/molecule/ci/">Ansible Molecule는 지속적 통합(Continuous Integration)</a>를 통해 Ansible Role에 변경이 생길 때마다 테스트 프로세스를 자동화하여 지속적인 테스트를 수행할 수 있습니다.</p><h3>2. Molecule 테스트 환경 구성하기</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/522/1*ih5CX046RXBEJM0VBUGovA.png" /></figure><p>Molecule 테스트를 위해 Docker 컨테이너 환경을 구성하였습니다. 또한, <a href="https://www.docker.com/blog/docker-can-now-run-within-docker/">Docker-In-Docker (DinD) </a>기술을 활용하여, 다양한 운영 체제 환경에서 Ansible Role을 테스트할 수 있도록 환경을 구성 하였습니다. 아래의 Dockerfile을 참고해 주시기 바랍니다.</p><pre># Python 3.10을 기본 이미지로 설정<br>FROM python:3.10<br><br># 필수 패키지 업데이트 및 설치<br>RUN apt-get update &amp;&amp; \<br>    apt-get install -y git sudo curl &amp;&amp; \<br>    apt-get clean &amp;&amp; \<br>    rm -rf /var/lib/apt/lists/*<br><br># Docker 설치(DinD)<br>RUN curl -fsSL https://get.docker.com -o get-docker.sh &amp;&amp; \<br>    sh get-docker.sh &amp;&amp; \<br>    rm get-docker.sh<br><br># Ansible 및 Molecule 설치<br>RUN pip install --no-cache-dir ansible molecule docker pytest testinfra<br>RUN python3.10 -m pip install -U &quot;molecule-plugins[docker]&quot;</pre><p>Molecule 실행하기 위해서는 <strong>Python 3.10 버전 이상</strong>이 필요합니다. Docker-In-Docker를 위해서 Docker 설치 하였고, Molecule 드라이버를 Docker 로 설정하기 위해서 플러그인을 설치 및 검증을 위해 pytest, testinfra 패키지를 설치 하였습니다. Molecule 컨테이너 실행하기 위해서 Docker Compose로 구성하였고, Yaml 파일은 아래와 같습니다.</p><pre>version: &#39;3&#39;<br>services:<br>  moleclue:<br>    container_name: moleclue<br>    build:<br>      context: .<br>      dockerfile: ./Dockerfile<br>    volumes:<br>      - &quot;./:/workspace&quot;<br>      - &quot;/var/run/docker.sock:/var/run/docker.sock&quot; # (DinD)<br>    tty: true</pre><p>로컬 PC에서 Docker Desktop을 이미 설치했다고 가정하고 진행하겠습니다. GitHub에서 데모 프로젝트를 클론 합니다. 데모 프로젝트에는 테스트를 위한 간단한 Ansible Role과 Molecule 환경을 구성 및 실행하기 위한 파일로 구성되어 있습니다.</p><pre># github clone<br>vagrant@molecule:~$ git clone https://github.com/baiyongzhen/molecule-demo<br>Cloning into &#39;molecule-demo&#39;...<br>remote: Enumerating objects: 30, done.<br>remote: Counting objects: 100% (30/30), done.<br>remote: Compressing objects: 100% (23/23), done.<br>remote: Total 30 (delta 0), reused 27 (delta 0), pack-reused 0<br>Unpacking objects: 100% (30/30), 7.58 KiB | 369.00 KiB/s, done.<br><br>vagrant@molecule:~$ ls<br>molecule-demo<br>vagrant@molecule:~$ cd molecule-demo/<br># Molecule 환경 실행<br>vagrant@molecule:~/molecule-demo$ docker-compose up -d<br>[+] Building 4.7s (3/8)<br> =&gt; [internal] load .dockerignore                                                              0.2s<br> =&gt; =&gt; transferring context: 2B<br># docker ps 명령어를 통해서 컨테이너 실행 상태 확인<br>vagrant@molecule:~/molecule-demo$ docker ps -a<br>CONTAINER ID   IMAGE                    COMMAND     CREATED          STATUS          PORTS     NAMES<br>60180282c58d   molecule-demo-moleclue   &quot;python3&quot;   26 seconds ago   Up 25 seconds             moleclue<br><br># docker exec 명령어를 통해서 컨테이너 접속<br>vagrant@molecule:~/molecule-demo$ docker exec -it 60180282c58d /bin/bash<br># workspace 폴더로 이동<br>root@60180282c58d:/# cd workspace/<br>root@60180282c58d:/workspace# ls<br>Dockerfile  Vagrantfile              bitbucket-runner     docker-testinfra-role<br>README.md   bitbucket-pipelines.yml  docker-compose.yaml  scripts<br><br># Ansible Role 폴더로 이동 후 molecule 명령어 확인<br>root@60180282c58d:/workspace# cd docker-testinfra-role/<br>root@60180282c58d:/workspace/docker-testinfra-role# ls<br>files  handlers  molecule  tasks  vars<br>root@60180282c58d:/workspace/docker-testinfra-role#<br>root@60180282c58d:/workspace/docker-testinfra-role#<br>root@60180282c58d:/workspace/docker-testinfra-role# molecule --help<br>Usage: molecule [OPTIONS] COMMAND [ARGS]...<br>  Molecule aids in the development and testing of Ansible roles.<br>  To enable autocomplete for a supported shell execute command below after replacing SHELL with<br>  either bash, zsh, or fish:<br>      eval &quot;$(_MOLECULE_COMPLETE=SHELL_source molecule)&quot;</pre><p>테스트 환경 준비는 모두 끝났습니다. 간단한 Ansible Role를 Molecule 통해서 단위 테스트를 하는 방법에 대해서 알아 보겠습니다. Molecule 테스트를 위해서 Ansible Role 미리 작성했고, 해당 작업(Task)에는 몇 가지 패키지 및 nginx 설치하고 nginx의 초기 페이지인 index.html 변경하는 간단한 Ansible Role를 작성했습니다.</p><pre># Ansible Role 구성<br># https://github.com/baiyongzhen/molecule-demo/tree/main/docker-testinfra-role<br>root@60180282c58d:/workspace/docker-testinfra-role# tree -L 4<br>.<br>├── files<br>│   └── index.html<br>├── handlers<br>│   └── main.yaml<br>├── tasks<br>│   └── main.yaml<br>└── vars<br>    ├── Amazon.yml<br>    └── Ubuntu.yml</pre><pre># Ansible Tasks yaml 파일<br># https://github.com/baiyongzhen/molecule-demo/blob/main/docker-testinfra-role/tasks/main.yaml<br>---<br>- name: Print the distribution and version<br>  debug: msg=&quot;{{ ansible_distribution }} {{ ansible_distribution_version }}&quot;<br><br>- name: Include OS-specific variables<br>  include_vars: &quot;{{ item }}&quot;<br>  with_first_found:<br>    - &quot;{{ ansible_distribution_release }}.yml&quot;<br>    - &quot;{{ ansible_distribution }}.yml&quot;<br>    - &quot;{{ ansible_os_family }}.yml&quot;<br><br>- name: Install tools on Amazon Linux<br>  when: ansible_facts[&#39;os_family&#39;] == &#39;RedHat&#39;<br>  yum:<br>    name: &quot;{{ item }}&quot;<br>    state: present<br>    update_cache: yes<br>  with_items: &quot;{{ install_packages }}&quot;<br>  <br>- name: Install tools on Ubuntu<br>  when: ansible_os_family == &#39;Debian&#39;<br>  apt:<br>    name: &quot;{{ item }}&quot;<br>    state: present<br>    update_cache: yes<br>  with_items: &quot;{{ install_packages }}&quot;<br>  <br>- name: copy index.html<br>  copy:<br>    src: &quot;index.html&quot;<br>    dest: /usr/share/nginx/html/<br>    owner: &quot;{{ user }}&quot;<br>    group: &quot;{{ user }}&quot;<br>    mode: 0750<br>  notify: &quot;restart nginx&quot;</pre><h3>3. Molecule 초기화 및 시나리오 생성하기</h3><p>Ansible Role에 대한 테스트를 위해 Molecule 명령어를 통해서 생성을 합니다. molecule init scenario 의 help 명령어를 통해서 하위 옵션을 확인 할 수 있습니다. 여기에서는 --driver-name 를 docker로 설정한 후에 생성을 합니다.</p><pre># molecule init scenario<br>root@3d7368de0277:/workspace/docker-testinfra-role# molecule init scenario --help<br>Usage: molecule init scenario [OPTIONS] [SCENARIO_NAME]<br>  Initialize a new scenario for use with Molecule.<br>  If name is not specified the &#39;default&#39; value will be used.<br>Options:<br>  --dependency-name [galaxy]      Name of dependency to initialize. (galaxy)<br>  -d, --driver-name [azure|containers|default|docker|ec2|gce|openstack|podman|vagrant]<br>                                  Name of driver to initialize. (default)<br>  --provisioner-name [ansible]    Name of provisioner to initialize. (ansible)<br>  --help                          Show this message and exit.</pre><p>molecule init scenario -d docker 명령어를 실행하면 아래와 같이 Ansible 실행되면서 Molecule 관련 설정 파일을 자동으로 생성합니다.</p><pre>root@3d7368de0277:/workspace/docker-testinfra-role# molecule init scenario -d docker<br>INFO     Initializing new scenario default...<br>PLAY [Create a new molecule scenario] ******************************************<br>TASK [Check if destination folder exists] **************************************<br>changed: [localhost]<br>TASK [Check if destination folder is empty] ************************************<br>ok: [localhost]<br>TASK [Fail if destination folder is not empty] *********************************<br>skipping: [localhost]<br>TASK [Expand templates] ********************************************************<br>skipping: [localhost] =&gt; (item=molecule/default/destroy.yml)<br>changed: [localhost] =&gt; (item=molecule/default/converge.yml)<br>changed: [localhost] =&gt; (item=molecule/default/molecule.yml)<br>skipping: [localhost] =&gt; (item=molecule/default/create.yml)<br>PLAY RECAP *********************************************************************<br>localhost                  : ok=3    changed=2    unreachable=0    failed=0    skipped=1    rescued=0    ignored=0<br>...</pre><p>Molecule 폴더 및 default 시나리오 관련 파일을 생성이 됩니다.</p><pre># Ansible Role 구성<br># https://github.com/baiyongzhen/molecule-demo/tree/main/docker-testinfra-role<br>root@60180282c58d:/workspace/docker-testinfra-role# tree -L 4<br>.<br>├── files<br>│   └── index.html<br>├── handlers<br>│   └── main.yaml<br>├── molecule<br>│   └── default<br>│       ├── converge.yml<br>│       └── molecule.yml<br>├── tasks<br>│   └── main.yaml<br>└── vars<br>    ├── Amazon.yml<br>    └── Ubuntu.yml</pre><p>molecule.yml은 Molecule 테스트 환경을 구성하는 데 필요한 정보를 설정하는 파일입니다. 이 파일에서는 dependency, driver, platforms, provisioner, verifier, scenario의 여섯 가지 설정 옵션을 지정할 수 있습니다. 본 데모에서는 driver, platforms, verifier 세 가지만 설정을 할 예정입니다.</p><ul><li><strong>Driver</strong>: Molecule 다양한 드라이버 제공(Docker, Vagrant, EC2, Azure, OpenStack, Podman) 하며, 그중에 Docker로 설정을 했습니다.</li><li><strong>Platforms</strong>: Ansible Role이 다양한 운영 체제에서 실행될 수 있도록 특정 운영 체제 설정하게 됩니다. Molecule 테스트를 위해서 사전에 운영체제에 맞는 Docker 이미지를 제공 받을 수 있고, 직접 이미지를 생성해서 사용할 수도 있습니다. 저희는 <a href="https://hub.docker.com/u/geerlingguy">Docker images maintained by Jeff Geerling</a> 에서 제공되는 도커 이미지를 활용했습니다.</li><li><strong>Verifier: </strong>Ansible 역할(Role)을 검증하기 위한 설정을 합니다. 기본적으로 Ansible 를 사용하여 검증할 수 있고, 추가적으로 Testinfra를 사용하여 단위 테스트를 수행할 수 있습니다.</li></ul><pre>---<br># molecule.yml 파일<br># Molecule 테스트가 실행될 환경 (Docker,Vagrant,EC2,ETC..)<br>driver:<br>  name: docker<br># 테스트가 수행될 운영 체제 종류(Ubuntu나 CentOS 도커 이미지)<br>platforms:<br>  - name: amazonlinux2023<br>    image: geerlingguy/docker-amazonlinux2023-ansible<br>    privileged: true<br>    pre_build_image: true<br>    cgroup: host<br>    volumes:<br>      - /sys/fs/cgroup:/sys/fs/cgroup:rw    <br>  - name: ubuntu2204<br>    image: geerlingguy/docker-ubuntu2204-ansible:latest<br>    privileged: true<br>    pre_build_image: true<br>    cgroup: host<br>    volumes:<br>      - /sys/fs/cgroup:/sys/fs/cgroup:rw<br>verifier:<br>  #name: ansible<br>  name: testinfra</pre><p>converge.yml은 Ansible 플레이북으로서, 테스트하고자 하는 Ansible Role을 설정하는 데 사용됩니다. 이 플레이북은 platforms 설정에 따라 생성된 테스트 환경에서 실행되며, 또한 <a href="https://docs.ansible.com/ansible/latest/playbook_guide/playbooks_vars_facts.html#disabling-facts">gather_facts 옵션을 통해 호스트 시스템에서 중요한 정보를 수집</a>합니다. 이 정보는 플레이북 내에서 ansible_distribution과 ansible_distribution_version과 같은 변수로 활용됩니다. 이 변수들을 사용하기 위해서는 gather_facts 옵션을 true로 설정해야 합니다.</p><pre>--- <br>- name: Converge<br>  hosts: all<br>  #gather_facts: false<br>  gather_facts: true<br>  tasks:<br>    - name: Replace this task with one that validates your content<br>      ansible.builtin.debug:<br>        msg: &quot;This is the effective test&quot;<br>    - name: Testing role<br>      ansible.builtin.include_role:<br>        name: docker-testinfra-role</pre><p>데모에서는 molecule.yml과 converge.yml 파일에 대한 설정을 했지만, Molecule은 이 외에도 다양한 설정을 할 수 있는 파일(create.yml, destroy.yml, verify.yml, etc)들을 제공합니다. Molecule Scenarios에 대한 보다 자세한 설명과 추가 정보를 원하신다면, <a href="https://ansible.readthedocs.io/projects/molecule/getting-started/#molecule-scenarios">여기</a>를 참고해 주시기 바랍니다.</p><h3>4. Molecule 테스트 실행 하기</h3><p>Ansible Role 테스트를 위한 Molecule 설정을 완료하였습니다. molecule test와 molecule converge 명령어를 통해 테스트 환경에 테스트를 진행해 보도록 하겠습니다.</p><p>Ansible Role을 처음 작성하고 Molecule 테스트를 실행하면 한 번에 테스트 작업이 완료되지 않기 때문에 반복 적으로 수정이 필요할 수 있습니다. 그래서 molecule converge명령어는 빠른 반복 테스트를 가능하게 하고, 테스트 환경을 매번 생성하고 파기하는 대신 변경된 부분만 재 실행하기 때문에 테스트를 보다 효율적으로 진행 할 수 있습니다.</p><pre># molecule converge<br>root@2dab08bafa4c:/workspace/docker-testinfra-role# molecule converge<br><br>WARNING  Driver docker does not provide a schema.<br>INFO     default scenario test matrix: dependency, create, prepare, converge<br>INFO     Performing prerun with role_name_check=0...<br>INFO     Running default &gt; dependency<br>WARNING  Skipping, missing the requirements file.<br>WARNING  Skipping, missing the requirements file.<br>INFO     Running default &gt; create<br>WARNING  Skipping, instances already created.<br>INFO     Running default &gt; prepare<br>WARNING  Skipping, prepare playbook not configured.<br>INFO     Running default &gt; converge<br>INFO     Sanity checks: &#39;docker&#39;<br><br>PLAY [Converge] ****************************************************************<br><br>TASK [Gathering Facts] *********************************************************<br>ok: [amazonlinux2023]<br>ok: [ubuntu2204]<br><br>TASK [Replace this task with one that validates your content] ******************<br>ok: [amazonlinux2023] =&gt; {<br>    &quot;msg&quot;: &quot;This is the effective test&quot;<br>}<br>ok: [ubuntu2204] =&gt; {<br>    &quot;msg&quot;: &quot;This is the effective test&quot;<br>}<br>...<br></pre><h3>5. Testinfra 활용한 Ansible Role 검증하기</h3><p>molecule test와 molecule converge 명령어를 통해 Ansible Role이 테스트 환경에서 실행되었다고 하더라도, 실제로 작업이 정상적으로 완료되었는지 확인하는 것은 중요합니다. 단순히 실행만 되었다고 해서 모든 것이 올바르게 설정된 것은 아니기 때문입니다.</p><p>Molecule은 다양한 검증 프레임워크를 지원하며, 기본 설정에서는 Ansible을 사용해 검증을 수행할 수 있습니다. 추가적으로, Testinfra를 활용하여 단위 테스트를 작성하고 실행하는 기능도 제공합니다. 다음은 Testinfra를 사용하여 검증을 수행하는 예시입니다.</p><pre># molecule/default/tests/test_default.py<br>&quot;&quot;&quot;Role testing files using testinfra.&quot;&quot;&quot;<br><br>def test_hosts_file(host):<br>    &quot;&quot;&quot;Validate /etc/hosts file.&quot;&quot;&quot;<br>    f = host.file(&quot;/etc/hosts&quot;)<br>    assert f.exists<br>    assert f.user == &quot;root&quot;<br>    assert f.group == &quot;root&quot;</pre><p>test_default.py 파일에서는 각 호스트(테스트 환경)에/etc/hosts파일이 존재 여부 및 소유자/그룹이 root로 설정되어 있는지 확인하는 코드 입니다.</p><pre># molecule/default/tests/test_nginx.py<br>&quot;&quot;&quot;Role testing files using testinfra.&quot;&quot;&quot;<br>def test_nginx_package(host):<br>    p = host.package(&#39;nginx&#39;)<br>    assert p.is_installed<br>    assert p.version.startswith(&quot;1.18&quot;)</pre><p>test_nginx.py 에서는 각 호스트(테스트 환경)에 nginx 패키지 정보를 가지고 오고, nginx 설치 여부 및 버전을 검증하는 코드입니다. 그럼 molecule verify 명령어를 실행 하면 아래와 같이 테스트 결과를 확인 할 수 있습니다.</p><pre>root@2dab08bafa4c:/workspace/docker-testinfra-role# molecule verify<br>WARNING  Driver docker does not provide a schema.<br>INFO     default scenario test matrix: verify<br>INFO     Performing prerun with role_name_check=0...<br>INFO     Running default &gt; verify<br>INFO     Executing Testinfra tests found in /workspace/docker-testinfra-role/molecule/default/tests/...<br>/usr/local/lib/python3.10/site-packages/_testinfra_renamed.py:5: DeprecationWarning: testinfra package has been renamed to pytest-testinfra. Please `pip install pytest-testinfra` and `pip uninstall testinfra` and update your package requirements to avoid this message<br>  warnings.warn((<br>============================= test session starts ==============================<br>platform linux -- Python 3.10.14, pytest-8.3.2, pluggy-1.5.0<br>rootdir: /<br>plugins: testinfra-6.0.0, testinfra-10.1.1<br>collected 4 items<br><br>tests/test_default.py ..                                                 [ 50%]<br>tests/test_nginx.py F.                                                   [100%]<br><br>=================================== FAILURES ===================================<br>________________ test_nginx_package[ansible://amazonlinux2023] _________________<br><br>host = &lt;testinfra.host.Host ansible://amazonlinux2023&gt;<br><br>    def test_nginx_package(host):<br>        p = host.package(&#39;nginx&#39;)<br>        assert p.is_installed<br>&gt;       assert p.version.startswith(&quot;1.18&quot;)<br>E       AssertionError: assert False<br>E        +  where False = &lt;built-in method startswith of str object at 0x7fede97d2430&gt;(&#39;1.18&#39;)<br>E        +    where &lt;built-in method startswith of str object at 0x7fede97d2430&gt; = &#39;1.24.0&#39;.startswith<br>E        +      where &#39;1.24.0&#39; = &lt;package nginx&gt;.version<br><br>tests/test_nginx.py:6: AssertionError<br>=========================== short test summary info ============================<br>FAILED tests/test_nginx.py::test_nginx_package[ansible:/amazonlinux2023] - As...<br>========================= 1 failed, 3 passed in 4.29s ==========================<br>root@2dab08bafa4c:/workspace/docker-testinfra-role#</pre><p>molecule verify 명령을 실행한 후, 테스트 실패 결과를 확인할 수 있습니다. 이번 실패의 원인은 Amazon Linux 2023에서 다른 nginx 설치 버전 때문이었습니다. 이 문제를 해결하기 위해, 호스트 OS 정보를 기반으로 테스트 케이스를 수정하였습니다.</p><pre>import pytest<br><br>@pytest.fixture<br>def host_os(host):<br>    return host.system_info.distribution<br><br>def test_nginx_installed(host, host_os):<br>    if host_os == &#39;ubuntu&#39;:<br>        p = host.package(&quot;nginx&quot;)<br>        assert p.is_installed<br>        assert p.version.startswith(&quot;1.18&quot;)<br>    elif host_os == &#39;amzn&#39;:<br>        p = host.package(&quot;nginx&quot;)<br>        assert p.is_installed<br>        assert p.version.startswith(&quot;1.24&quot;)</pre><p>molecule verify 실행하시면 테스트 케이스가 성공된 것을 확인할 수 있습니다.</p><pre>root@2dab08bafa4c:/workspace/docker-testinfra-role# molecule verify<br>WARNING  Driver docker does not provide a schema.<br>INFO     default scenario test matrix: verify<br>INFO     Performing prerun with role_name_check=0...<br>INFO     Running default &gt; verify<br>INFO     Executing Testinfra tests found in /workspace/docker-testinfra-role/molecule/default/tests/...<br>/usr/local/lib/python3.10/site-packages/_testinfra_renamed.py:5: DeprecationWarning: testinfra package has been renamed to pytest-testinfra. Please `pip install pytest-testinfra` and `pip uninstall testinfra` and update your package requirements to avoid this message<br>  warnings.warn((<br>============================= test session starts ==============================<br>platform linux -- Python 3.10.14, pytest-8.3.2, pluggy-1.5.0<br>rootdir: /<br>plugins: testinfra-6.0.0, testinfra-10.1.1<br>collected 4 items<br><br>tests/test_default.py ..                                                 [ 50%]<br>tests/test_nginx.py ..                                                   [100%]<br><br>============================== 4 passed in 4.17s ===============================<br>INFO     Verifier completed successfully.</pre><h3>6. Bitbucket Pipeline 통한 CI(Continuous integration) 환경 구성하기</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/634/1*7Fmq63TlmeShok5xg9fkzQ.png" /></figure><p>Molecule을 CI(Continuous Integration) 시스템에 연동하면, Ansible Role을 자동으로 테스트하고 검증할 수 있습니다. Bitbucket Pipeline과 Runner를 활용하여 CI 환경을 구성해 보도록 하겠습니다. Bitbucket Pipeline과 Runner의 세부 설정 및 구성 방법에 대한 추가 정보는 아래 링크에서 참고 하시기 바랍니다.</p><p><a href="https://medium.com/@dudwls96/bitbucket-pipeline-%EC%97%90%EC%84%9C-multi-architecture-docker-images-build-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-9ed80515dbc1">Bitbucket Pipeline 에서 Multi Architecture Docker Images Build 환경 구성하기</a></p><p>Molecule CI 구성을 위해 사용하는 Bitbucket Pipeline의 YAML 파일 설정은 아래와 같습니다. Molecule을 실행할 수 있는 환경을 구성하기 위해 atlassian/default-image:4 도커 이미지를 사용했습니다. 또한, 필요한 Molecule 패키지와 관련 플러그인을 설치하여 테스트 환경 구성을 했습니다.</p><pre># https://github.com/baiyongzhen/molecule-demo/blob/main/bitbucket-pipelines.yml<br># bitbucket-pipeline.yaml<br><br>definitions:<br>  services:<br>    docker: # can only be used with a self-hosted runner<br>      image: docker:20.10.7-dind # docker:dind<br>      memory: 2048<br><br>  steps:<br>    - step: &amp;molecule-test<br>        image: atlassian/default-image:4<br>        runs-on:<br>          - &#39;self.hosted&#39;<br>          - &#39;linux&#39;<br>        name: Molecule Test<br>        script:<br>          - curl -sS https://bootstrap.pypa.io/get-pip.py | python3.10<br>          - pip install --no-cache-dir ansible molecule docker pytest testinfra<br>          - python3.10 -m pip install -U &quot;molecule-plugins[docker]&quot;<br>          - cd docker-testinfra-role<br>          - molecule converge<br>        services:<br>          - docker<br><br>pipelines:<br>  custom: # Pipelines that can only be triggered manually<br>    molecule:<br>      - step: *molecule-test</pre><p>Bitbucket Pipeline 실행 화면은 아래와 같습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Jns1NwN5pjPlg8U1ah6biQ.png" /></figure><h3>마무리하며</h3><p>지금까지 Molecule을 사용하여 Ansible Role을 테스트하는 과정을 살펴보았습니다. Molecule은 다양한 환경에서 Ansible Role의 기능성을 검증하고 테스트를 수행할 수 있는 강력한 도구입니다. Molecule에서 제공하는 다양한 드라이버를 통해 테스트 환경을 구성할 수 있으며, 특히 Docker를 활용하면 로컬 테스트 환경을 간단하게 구성할 수 있었습니다. 전체 환경 설정 및 데모 소스는 아래의 GitHub 링크를 참고하시기 바랍니다.</p><p><a href="https://github.com/baiyongzhen/molecule-demo">GitHub - baiyongzhen/molecule-demo</a></p><h3>참고사이트</h3><ul><li><a href="https://www.docker.com/blog/docker-can-now-run-within-docker/">https://www.docker.com/blog/docker-can-now-run-within-docker/</a></li><li><a href="https://github.com/ansible/ansible">https://github.com/ansible/ansible</a></li><li><a href="https://ansible.readthedocs.io/projects/molecule/">https://ansible.readthedocs.io/projects/molecule/</a></li><li><a href="https://ansible.readthedocs.io/projects/molecule/examples/docker/">https://ansible.readthedocs.io/projects/molecule/examples/docker/</a></li><li><a href="https://hub.docker.com/u/geerlingguy">https://hub.docker.com/u/geerlingguy</a></li><li><a href="https://testinfra.readthedocs.io/en/latest/examples.html">https://testinfra.readthedocs.io/en/latest/examples.html</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4f3ddcecf1af" width="1" height="1" alt=""><hr><p><a href="https://medium.com/spoontech/%EB%A1%9C%EC%BB%AC-%ED%99%98%EA%B2%BD%EC%97%90%EC%84%9C-molecule-docker-%ED%99%9C%EC%9A%A9%ED%95%9C-ansible-role-%EB%8B%A8%EC%9C%84-%ED%85%8C%EC%8A%A4%ED%8A%B8%ED%95%98%EA%B8%B0-4f3ddcecf1af">로컬 환경에서 Molecule + Docker 활용한 Ansible Role 단위 테스트하기</a> was originally published in <a href="https://medium.com/spoontech">SpoonLabs</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Backstage Software Catalog 에 대해서 #6]]></title>
            <link>https://medium.com/@dudwls96/backstage-software-catalog-%EC%97%90-%EB%8C%80%ED%95%B4%EC%84%9C-6-5c88d12b1297?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/5c88d12b1297</guid>
            <category><![CDATA[catalog]]></category>
            <category><![CDATA[backstage]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Wed, 14 Aug 2024 12:04:34 GMT</pubDate>
            <atom:updated>2026-02-10T13:13:31.734Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Mk5KsYXc0mZNgxRk" /><figcaption>Photo by <a href="https://unsplash.com/@danielforsman?utm_source=medium&amp;utm_medium=referral">Daniel Forsman</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>앞서 우리는 Backstage와 Git 저장소를 연동하고, Git Action를 통한 CI/CD 및 Terraform를 통한 인프라 구성을 하는 간단한 예시를 알아봤습니다. 이제부터는 Backstage 의 핵심 기능 중 하나인 Software Catalog 에 대해 알아보도록 하겠습니다.</p><p>Backstage는 Software Catalog를 통해 서비스, 웹사이트, 라이브러리, 데이터 파이프 라인 등 모든 소프트웨어의 소유권(그룹, 사용자)과 메타 데이터를 추적하는 중앙 집중식 시스템입니다. 이 카탈로그 정보는 Git 저장소에 저장된 YAML 파일(catalog-info.yaml)을 기반으로 하여 Backstage에서 시각화 및 검색 기능을 제공합니다.</p><ul><li><a href="https://medium.com/@dudwls96/backstage%EB%9E%80-%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80-5d692da9f05b?postPublishedType=repub">Backstage란 무엇인가? #1</a></li><li><a href="https://medium.com/@dudwls96/backstage-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%EC%9C%84%ED%95%9C-%EB%A1%9C%EC%BB%AC-%EA%B0%9C%EB%B0%9C-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a70a9f86238e">Backstage 테스트를 위한 개발환경 구성하기 #2</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-%EC%97%B0%EB%8F%99%ED%95%98%EA%B8%B0-4f8221184444">Backstage와 Gitea 시작하기 #3</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6">Backstage 와 Gitea Actions 활용한 CI/CD 환경 만들기 #4</a></li><li><a href="https://medium.com/@dudwls96/backstage%EC%99%80-terraform%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-localstack-%EA%B8%B0%EB%B0%98-%ED%85%8C%EC%8A%A4%ED%8A%B8-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-5-24b1a2bd7885">Backstage와 Terraform을 활용한 LocalStack 기반 테스트 환경 구성하기 #5</a></li><li><a href="https://medium.com/@dudwls96/backstage-software-catalog-%EC%97%90-%EB%8C%80%ED%95%B4%EC%84%9C-6-5c88d12b1297"><strong>Backstage 소프트웨어 카탈로그에 대해서 #6</strong></a></li></ul><h4>카탈로그 엔티티 종류</h4><p>Backstage에서 제공하는 다양한 카탈로그 항목에 대한 YAML 파일 구성을 하게 됩니다. 각 카탈로그 항목은 고유한 속성과 형식을 가지며, 이를 통해 조직 내 소프트웨어 구성 요소를 체계적으로 관리 및 검색을 할 수 있습니다.</p><ul><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-component">Component </a>(컴포넌트): 서비스, 라이브러리, 애플리케이션 등 소프트웨어의 단위</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-api">API </a>(API): 소프트웨어가 제공하는 인터페이스를 정의합니다. OpenAPI, AsyncAPI, GraphQL 스펙 등을 포함</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-resource">Resource </a>(리소스): 데이터베이스, 메시지 큐, 클라우드 자원 등 소프트웨어 외부의 리소스</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-user">User</a> (사용자): 조직의 개별 개발자 또는 사용자</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-group">Group </a>(그룹): 팀이나 부서를 나타내며, 여러 사용자와 컴포넌트를 그룹화</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-system">System </a>(시스템): 여러 컴포넌트와 리소스가 모여 이루는 시스템</li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-domain">Domain </a>(도메인): 조직 내 여러 시스템을 포함하는 큰 범위</li></ul><h4>카탈로그 엔티티 관계 설정</h4><p>Backstage의 카탈로그 엔티티는 여러 관계를 통해 서로 연결될 수 있습니다. 이러한 관계를 통해 조직의 소프트웨어 아키텍처를 명확하게 표현할 수 있습니다.</p><ul><li><strong>ownedBy and ownerOf</strong>: ownedBy와 ownerOf는 <strong>소유권 관계</strong>를 나타내며, ownedBy와 ownerOf 의 예시는 아래와 같습니다.</li></ul><pre># 컴포넌트가 팀에 의해 소유됨 (ownedBy):<br>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: frontend-service<br>  description: Frontend service for the application<br>spec:<br>  type: service<br>  owner: team-frontend<br>  ownedBy:<br>    - group:team-frontend<br><br>---<br><br># 팀이 여러 엔터티를 소유함 (ownerOf):<br>apiVersion: backstage.io/v1alpha1<br>kind: Group<br>metadata:<br>  name: team-frontend<br>  description: Team responsible for frontend development<br>spec:<br>  type: team<br>  ownerOf:<br>    - component:frontend-service<br>    - component:frontend-api<br>    - resource:frontend-database</pre><ul><li><strong>providesApi and apiProvidedBy</strong> : <strong>API 엔티티와 컴포넌트 간의 관계</strong>를 설명합니다. providesApi는 컴포넌트가 제공하는 API를 지정하고, apiProvidedBy는 API가 제공되는 컴포넌트를 지정합니다.</li></ul><pre># 서비스가 API를 제공하는 예시 (providesApi):<br>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: payment-service<br>  description: Handles payment transactions<br>spec:<br>  type: service<br>  owner: team-payment<br>  providesApis:<br>    - payment-api<br><br>---<br><br># API가 제공되는 컴포넌트를 명시하는 예시 (apiProvidedBy):<br>apiVersion: backstage.io/v1alpha1<br>kind: API<br>metadata:<br>  name: payment-api<br>  description: API for payment processing<br>spec:<br>  type: openapi<br>  lifecycle: production<br>  owner: team-payment<br>  apiProvidedBy:<br>    - component:payment-service</pre><ul><li><strong>consumesApi and apiConsumedBy</strong> : <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-component"><strong>컴포넌트와</strong></a><strong> </strong><a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-api"><strong>API</strong></a><strong> 간의 소비 관계</strong>를 나타냅니다. 이 관계는 어떤 컴포넌트가 특정 API를 소비하는지를 명확히 하고, <strong>시스템 간의 상호작용</strong>을 이해할 수 있습니다. consumerApi 는 컴포넌트가 사용하는 API를 명시하여, 해당 컴포넌트가 어떤 외부 API에 의존하는지 표시합니다. apiConsumedBy 특정 API가 어떤 컴포넌트에 의해 소비되는지 명시하여, 해당 API의 소비자를 표시합니다.</li></ul><pre>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: wayback-search<br>  description: Search of the wayback machine<br>spec:<br>  type: service<br>  lifecycle: production<br>  owner: team-a<br>  providesApis:<br>    - wayback-search<br>  consumesApis:<br>    - wayback-archive<br><br>---<br><br>apiVersion: backstage.io/v1alpha1<br>kind: API<br>metadata:<br>  name: wayback-archive<br>  description: Archive API for the wayback machine<br>spec:<br>  type: openapi<br>  lifecycle: production<br>  owner: team-a<br>  definition:<br>    $text: https://github.com/APIs-guru/openapi-directory/blob/main/APIs/archive.org/wayback/1.0.0/openapi.yaml<br></pre><ul><li><strong>dependsOn and dependencyOf </strong>: 엔티티 간의 의존 관계를 나타내는 데 사용됩니다. 이 관계는 어떤 엔티티가 다른 엔티티에 의존하는지를 명확히 하며, 소프트웨어 구성 요소 간의 상호 의존성을 이해하는 데 도움을 줍니다. dependsOn 는 컴포넌트가 의존하는 리소스나 서비스를 명시하여, 해당 컴포넌트가 정상적으로 작동하기 위해 필요한 다른 엔티티를 표시함. dependencOf 특정 엔티티가 다른 엔티티에 의해 의존되고 있음을 알수 있습니다.</li></ul><pre># 컴포넌트가 리소스에 의존하는 예시 (dependsOn):<br>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: user-service<br>  description: Handles user data and authentication<br>spec:<br>  type: service<br>  owner: team-a<br>  dependsOn:<br>    - resource:user-database<br><br>---<br><br># 리소스가 컴포넌트에 의해 의존되는 예시 (dependencyOf):<br>apiVersion: backstage.io/v1alpha1<br>kind: Resource<br>metadata:<br>  name: user-database<br>  description: Database storing user data<br>spec:<br>  type: database<br>  owner: team-a<br>  dependencyOf:<br>    - component:user-service</pre><ul><li><strong>parentOf and childOf </strong>: parentOf와 childOf는 <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-group">Groups</a> 엔티티 간의 계층적 관계표시합니다. parentOf는 특정 엔티티가 다른 엔티티의 상위 계층(부모)임을 나타냅니다. childOf는 특정 엔티티가 다른 엔티티의 하위 계층(자식)임을 나타냅니다.</li></ul><pre># 상위 그룹 정의 (parentOf):<br># department-xyz가 team-a와 team-b의 상위 그룹임.<br>apiVersion: backstage.io/v1alpha1<br>kind: Group<br>metadata:<br>  name: department-xyz<br>  description: Department XYZ, overseeing multiple teams<br>spec:<br>  type: department<br>  parentOf:<br>    - group:team-a<br>    - group:team-b<br><br>---<br><br>apiVersion: backstage.io/v1alpha1<br>kind: Group<br>metadata:<br>  name: team-a<br>  description: Team A, responsible for frontend development<br>spec:<br>  type: team<br>  childOf:<br>    - group:department-xyz<br><br>---<br><br>apiVersion: backstage.io/v1alpha1<br>kind: Group<br>metadata:<br>  name: team-b<br>  description: Team B, responsible for backend development<br>spec:<br>  type: team<br>  childOf:<br>    - group:department-xyz</pre><ul><li><strong>memberOf and hasMember </strong>: <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-user">Users</a> in <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-group">Groups</a> 특정 엔티티가 어떤 그룹에 속해 있는지, 그리고 특정 그룹이 어떤 구성원을 가지고 있는지를 명확히 표현합니다.</li></ul><pre># 사용자 정의 (memberOf):<br>apiVersion: backstage.io/v1alpha1<br>kind: User<br>metadata:<br>  name: jane-doe<br>  description: Jane Doe, a frontend engineer<br>spec:<br>  profile:<br>    displayName: Jane Doe<br>    email: jane.doe@example.com<br>  memberOf:<br>    - group:team-a<br><br>---<br><br># 그룹 정의 (hasMember):<br>apiVersion: backstage.io/v1alpha1<br>kind: Group<br>metadata:<br>  name: team-a<br>  description: Team A, responsible for frontend development<br>spec:<br>  type: team<br>  hasMembers:<br>    - user:jane-doe<br>    - user:john-smith</pre><ul><li><strong>partOf and hasPart </strong>: A relation with a <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-domain">Domain</a>, <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-system">System</a> or <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-component">Component</a> entity, typically from a <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-component">Component</a>, <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-api">API</a>, <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-system">System</a>, or <a href="https://backstage.io/docs/features/software-catalog/descriptor-format#kind-domain">Domain</a>, partOf는 특정 엔터티가 더 큰 엔티티의 일부임을 나타냅니다. 이는 주로 컴포넌트가 시스템 또는 도메인의 일부임을 명시할 때 사용합니다. hasPart는 특정 엔티티가 다른 엔티티를 구성 요소로 포함하고 있음을 나타냅니다.</li></ul><pre># 컴포넌트 정의 (partOf):<br>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: user-service<br>  description: Handles user data and authentication<br>spec:<br>  type: service<br>  owner: team-a<br>  partOf:<br>    - system:user-management-system<br><br><br>---<br><br># 시스템 정의 (hasPart):<br>apiVersion: backstage.io/v1alpha1<br>kind: System<br>metadata:<br>  name: user-management-system<br>  description: System for managing user data and authentication<br>spec:<br>  owner: team-a<br>  hasParts:<br>    - component:user-service<br>    - component:auth-service<br></pre><h4>Backstage 카탈로그의 소프트웨어 모델링</h4><p>Backstage 카탈로그는 매우 세부적이며 전체적으로 이해하기 어려울 수 있습니다. 따라서 아래의 도식화를 통해서 이해를 하는 것이 좋을 것 같습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/782/1*2iCKqrnHYvTJZOR2KY_mgw.png" /></figure><h4>카탈로그 등록 방법</h4><p>Backstage에 Catalog를 등록하는 방법은<strong> 4가지 방법</strong>이 있습니다.</p><ul><li>Backstage Components 수동 등록</li><li>Backstage Template를 통해서 생성 후 등록</li><li>외부 시스템 통한 등록</li><li>소스 저장소의 Discovery 기능을 통해서 등록</li></ul><p><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6">앞서 우리는 Backstage의 소프트웨어 템플릿</a>을 사용하여 카탈로그를 자동으로 등록하는 방법을 살펴보았습니다. 또한, 외부 시스템에서 제공하는 REST API와 Backstage 플러그인을 활용해 조직, 그룹, 사용자 등의 카탈로그를 직접 생성할 수 있습니다. 이외에도 Bitbucket, Gerrit, GitHub, AWS S3와 같은 다양한 소스 저장소를 통해 카탈로그를 등록하는 것도 가능합니다. 더 자세한 내용은 <a href="https://backstage.io/docs/integrations/gerrit/discovery">여기</a>를 참고하세요</p><h4>Backstage 카탈로그 데모</h4><p>Backstage 카탈로그 데모 환경을 구성했습니다. 로컬의 카탈로그 파일을 구성을 했으며, 해당 샘플 코드는 <a href="https://github.com/backstage/backstage/tree/master/packages/catalog-model/examples">Backstage의 데모에서 제공하는 카탈로그 모델</a>을 사용했습니다. 데모 환경는 <a href="https://github.com/baiyongzhen/backstage-tutorial/tree/main/references/05.backstage-catalog">GitHub 주소를 참고</a>해 주세요.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J6mtK_sJLkiOZoNv9z8USg.png" /><figcaption>Backstage Catalog Systems</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*O4bpG55i3MM2ooIrOzfgpw.png" /><figcaption>Backstage Catalog Group</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PBF4ydoiGzn6hOdXhIN2BA.png" /><figcaption>Backstage Catalog Component</figcaption></figure><h4>참고사이트</h4><ul><li><a href="https://backstage.io/docs/features/software-catalog/">https://backstage.io/docs/features/software-catalog/</a></li><li><a href="https://backstage.io/docs/features/software-catalog/descriptor-format">https://backstage.io/docs/features/software-catalog/descriptor-format</a></li><li><a href="https://github.com/backstage/backstage/tree/master/packages/catalog-model/examples">https://github.com/backstage/backstage/tree/master/packages/catalog-model/examples</a></li><li><a href="https://engineering.atspotify.com/2022/07/software-visualization-challenge-accepted/">https://engineering.atspotify.com/2022/07/software-visualization-challenge-accepted/</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5c88d12b1297" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Backstage와 Terraform을 활용한 LocalStack 기반 테스트 환경 구성하기 #5]]></title>
            <link>https://medium.com/@dudwls96/backstage%EC%99%80-terraform%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-localstack-%EA%B8%B0%EB%B0%98-%ED%85%8C%EC%8A%A4%ED%8A%B8-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-5-24b1a2bd7885?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/24b1a2bd7885</guid>
            <category><![CDATA[localstack]]></category>
            <category><![CDATA[backstage]]></category>
            <category><![CDATA[terraform]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Sun, 07 Jul 2024 09:12:04 GMT</pubDate>
            <atom:updated>2026-02-10T13:12:45.195Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*g0g-YlcYYBn_Biu0" /><figcaption>Photo by <a href="https://unsplash.com/@tvick?utm_source=medium&amp;utm_medium=referral">Taylor Vick</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>앞에서 <a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6">Backstage 와 Gitea Actions 활용한 CI/CD 환경</a>을 구성하였습니다. 이번에는 Backstage의 소프트웨어 템플릿(Software Template)을 사용하여 Git 저장소를 생성하고, Gitea Actions를 통해 Terraform 환경을 구성 및 실행을 통해 LocalStack 환경에 AWS SQS 리소스를 생성해 보겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/783/1*YGb6-Brre77z5zSy8U-7OQ.png" /></figure><ul><li><a href="https://medium.com/@dudwls96/backstage%EB%9E%80-%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80-5d692da9f05b?postPublishedType=repub">Backstage란 무엇인가? #1</a></li><li><a href="https://medium.com/@dudwls96/backstage-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%EC%9C%84%ED%95%9C-%EB%A1%9C%EC%BB%AC-%EA%B0%9C%EB%B0%9C-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a70a9f86238e">Backstage 테스트를 위한 개발환경 구성하기 #2</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-%EC%97%B0%EB%8F%99%ED%95%98%EA%B8%B0-4f8221184444">Backstage와 Gitea 시작하기 #3</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6">Backstage 와 Gitea Actions 활용한 CI/CD 환경 만들기 #4</a></li><li><a href="https://medium.com/@dudwls96/backstage%EC%99%80-terraform%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-localstack-%EA%B8%B0%EB%B0%98-%ED%85%8C%EC%8A%A4%ED%8A%B8-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-5-24b1a2bd7885"><strong>Backstage와 Terraform을 활용한 LocalStack 기반 테스트 환경 구성하기 #5</strong></a></li><li><a href="https://medium.com/@dudwls96/backstage-software-catalog-%EC%97%90-%EB%8C%80%ED%95%B4%EC%84%9C-6-5c88d12b1297">Backstage 소프트웨어 카탈로그에 대해서 #6</a></li></ul><h4>사전 준비</h4><p>기본적인 환경 구성은 <a href="https://medium.com/@dudwls96/backstage-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%EC%9C%84%ED%95%9C-%EB%A1%9C%EC%BB%AC-%EA%B0%9C%EB%B0%9C-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a70a9f86238e">앞에서</a> 완료를 했습니다. 추가적으로 Docker Compose를 사용하여 LocalStack 환경을 구성하도록 하겠습니다. Docker Compose Yaml 파일은 아래와 같습니다.</p><pre>version: &#39;3.7&#39;<br><br>x-default-logging: &amp;logging<br>  driver: &quot;json-file&quot;<br>  options:<br>    max-size: &quot;5m&quot;<br>    max-file: &quot;2&quot;<br>    <br>services:<br>  consul:<br>    image: hashicorp/consul:1.11.2<br>    container_name: consul<br>    restart: always<br>    volumes:<br>      - /opt/consul/config:/consul/config<br>      - /opt/consul/data:/consul/data<br>      - /opt/consul/logs:/consul/logs<br>    command:  consul agent -server -bootstrap-expect=1 -client=0.0.0.0 -ui -bind=&#39;{{ GetPrivateIP }}&#39; -data-dir=/consul/data -node=consul-node -datacenter=dc1 -log-level=debug -enable-script-checks=true -config-dir=/consul/config<br>    ports:<br>      - &quot;8500:8500&quot; # Web UI<br>      - &quot;8600:8600/tcp&quot;<br>      - &quot;8600:8600/udp&quot;<br>    logging: *logging<br><br>  localstack:<br>    image: localstack/localstack:3.0.2<br>    container_name: localstack<br>    ports:<br>      - &quot;0.0.0.0:4566:4566&quot;            # LocalStack Gateway<br>      - &quot;0.0.0.0:4510-4559:4510-4559&quot;  # external services port range<br>    environment:<br>      - DEBUG=0<br>      - DOCKER_HOST=unix:///var/run/docker.sock<br>      - AWS_ACCESS_KEY_ID=&quot;test&quot;<br>      - AWS_SECRET_ACCESS_KEY=&quot;test&quot;<br>    volumes:<br>      - &quot;/opt/localstack:/var/lib/localstack&quot;<br>      - &quot;/var/run/docker.sock:/var/run/docker.sock&quot;<br>    logging: *logging</pre><p>LocalStack 환경을 활용한 로컬 IaC 테스트 환경에 대해 더 자세하게 알고 싶다면 아래의 링크를 참고해 주시기 바랍니다.</p><p><a href="https://medium.com/@dudwls96/%EB%A1%9C%EC%BB%AC-iac-infrastructure-as-code-%ED%85%8C%EC%8A%A4%ED%8A%B8-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-1261aa0542a9">로컬 IaC(Infrastructure as Code)테스트 환경 구성하기</a></p><h4>소프트웨어 템플릿 구성하기</h4><p>Backstage의 소프트웨어 템플릿(Software Template)을 사용하여 Terraform 코드를 작성했습니다. 간단하게 AWS SQS 리소스를 생성을 하도록 구성을 했습니다.</p><p><a href="https://github.com/baiyongzhen/backstage-tutorial/tree/main/references/04.backstage-terraform-sqs">backstage-tutorial/references/04.backstage-terraform-sqs at main · baiyongzhen/backstage-tutorial</a></p><pre>vagrant@backstage:/vagrant/references/04.backstage-terraform-sqs/app/terraform-sqs-template$ tree -L 4<br>.<br>├── catalog-info<br>│   └── catalog-info.yaml<br>├── content<br>│   └── apne2<br>│       ├── common_vars.yaml<br>│       ├── locals.tfvars<br>│       └── sqs<br>│           └── terragrunt.hcl<br>├── skeletons<br>│   ├── github.com<br>│   │   └── aws-sqs<br>│   │       ├── main.tf<br>│   │       ├── output.tf<br>│   │       └── vars.tf<br>│   ├── globals.tfvars<br>│   └── terragrunt.hcl<br>└── template.yaml</pre><ul><li><strong>catalog-info 폴더</strong> : Backstage의 소프트웨어 템플릿(Software Template)에서 생성된 서비스, API, 데이터 파이프라인, 라이브러리, 인프라 등 모든 소프트웨어에 대한 메타 데이터 정보를 설정합니다. 여기에서는 AWS SQS 리소스를 생성하는 것이므로, 카탈로그 종류를 ‘리소스’로 설정했습니다.</li></ul><pre># catalog-info.yaml<br>apiVersion: backstage.io/v1alpha1<br>kind: Resource<br>metadata:<br>  name: ${{ values.name | dump }}<br>  {%- if values.description %}<br>  description: ${{values.description | dump}}<br>  {%- endif %}<br>  tags:<br>    - aws<br>    - aws-resource<br>    - sqs</pre><ul><li><strong>content 폴더</strong>: Terragrunt 설정 파일을 구성했습니다. 이 설정에서는 AWS SQS의 이름만 Backstage의 파라미터 값으로 받도록 설정했습니다. 실제 서비스에서는 다양한 파라미터 값을 받아 동적으로 설정할 필요가 있습니다.</li></ul><pre># terragrunt.hcl<br>terraform {<br>  source = &quot;../../github.com/aws-sqs&quot;<br>}<br><br>include {<br>  path = &quot;${find_in_parent_folders()}&quot;<br>}<br><br>inputs ={<br>  name = &quot;${{ values.name }}&quot;<br><br>  tags = {<br>      Service = &quot;sqs&quot;<br>  }<br>}</pre><ul><li><strong>skeletons 폴더: </strong>Gitea Actions 설정과 AWS SQS 구성을 위한 Terraform 서비스 모듈 및 Terraform 실행을 위한 환경 설정 파일을 구성하였습니다. 해당 폴더는 템플릿에 의해 재구성 되지 않으므로, 소프트웨어 템플릿에서 정의한 파리미터 값을 설정하지 못합니다. 예시에서는 Terraform 서비스 모듈 소스를 해당 폴더에 포함시켰지만, 실제 서비스에서는 해당 서비스 모듈을 별도의 Git 저장소에 구성해야 합니다.</li></ul><pre># .gitea/gitea-ci.yaml<br>...<br><br>jobs:<br>  Gitea-Terraform-Build-Deploy:<br>    runs-on: ubuntu-20.04<br>    steps:<br>      - name: Check out repository code<br>        uses: actions/checkout@v3<br>      - name: Install Terraform &amp; Terragrunt<br>        run: | <br>          curl -L curl -sfL https://direnv.net/install.sh | bash<br>          echo &#39;eval &quot;$(direnv hook bash)&quot;&#39; &gt;&gt; ~/.bashrc<br>          curl -L https://raw.githubusercontent.com/warrensbox/terraform-switcher/release/install.sh | bash &amp;&amp; tfswitch 0.14.7<br>          curl -L https://raw.githubusercontent.com/warrensbox/tgswitch/release/install.sh | bash &amp;&amp; tgswitch 0.28.7<br>      - name: Run Terraform<br>        run: |<br>          source ~/.bashrc<br>          direnv allow<br>          export AWS_ACCESS_KEY_ID=${{ secrets.AWS_ACCESS_KEY_ID }}<br>          export AWS_SECRET_ACCESS_KEY=${{ secrets.AWS_SECRET_ACCESS_KEY }}<br>          tfswitch 1.0.11<br>          tgswitch 0.35.10<br>          cd apne2/sqs<br>          terragrunt plan<br>          terragrunt apply -auto-approve</pre><ul><li><strong>template.yaml: </strong>새로운 서비스, 애플리케이션, 라이브러리 등을 생성할 때 필요한 모든 메타데이터와 단계를 작성합니다. 이 템플릿 파일은 YAML 형식으로 작성됩니다.</li></ul><h4>소프트웨어 템플릿 실행하기</h4><p>소프트웨어 템플릿 구성을 하고 Backstage를 실행 한 후에 브라우저를 실행하고 <a href="http://192.168.56.174:3000/">http://192.168.56.174:3000/</a> 접속을 한 후에 메뉴에서 Create를 클릭하시면 아래와 같이 템플릿이 생성된 것을 알 수 있습니다. CHOOSE를 선택해서 템플릿에서 선언한 파라미터 정보 입력을 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FISsbKPOHCEAU2DGHETlHA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Jl6tADy0V_-w-EgsUhbmkQ.png" /></figure><p>템플릿에 의해 생성된 소스와 파일을 저장하기 위해 필요한 Git 정보를 입력합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BLBf2zAoVUJSgiXvcWyWWA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*anV6bbV46r8w3CggHVugyQ.png" /></figure><p>모든 단계가 정상적으로 실행되는지 확인합니다. 각 단계에서 실행된 로그를 확인할 수 있으며, ‘CREATE’가 성공적으로 완료되면, 템플릿에 정의한 Output 정보를 화면에 표시합니다. Backstage에서 서비스가 정상적으로 생성되었는지 확인합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ehIz9v7S2JdIru2iAW-EZQ.png" /></figure><p>Gitea에 저장소가 생성되었으며, 소스와 관련 설정 파일들이 정상적으로 생성된 것을 확인할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DR22PQY80nf5K7qAr0LCUA.png" /></figure><p>Gitea Actions의 스탭에서 Terraform 및 Terragrunt 설치를 하고 Terraform를 실행합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*w3GBKkmGRkl7F6DramcDiw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xRj5BogC97ZHiIm4-r-WOA.png" /></figure><p>Terraform 의 Remote Storage인 Consul 에서 state 정보를 확인 할 수 있습니다. (<a href="http://192.168.56.174:3000/">http://192.168.56.174:8500/</a>)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QJYWwQco31lbpuCBYaCfsA.png" /></figure><h4>마무리하며</h4><p>Backstage의 소프트웨어 템플릿을 활용해 Terraform 파일를 생성하고, Gitea Actions로 Terraform 환경 구성 및 AWS 리소스를 생성을 하는 테스트 환경을 구성해 봤습니다. Backstage 에서 제공하는 다양한 인프라 관련 템플릿을 통해서 누구나 쉽게 인프라 자원을 생성할 수 있고, 효과적으로 관리할 수 있습니다. 또한, 인프라와 어플리케이션 카탈로그 간의 관계를 통해 서비스 간 연결을 관계를 확인할 수 있습니다.</p><h4>참고사이트</h4><ul><li><a href="https://backstage.io/docs/features/software-templates/">https://backstage.io/docs/features/software-templates/</a></li><li><a href="https://backstage.io/docs/features/software-templates/writing-templates">https://backstage.io/docs/features/software-templates/writing-templates</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=24b1a2bd7885" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Backstage 와 Gitea Actions 활용한 CI/CD 환경 만들기 #4]]></title>
            <link>https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6?source=rss-1cae7e2c5075------2</link>
            <guid isPermaLink="false">https://medium.com/p/50df3ff53dc6</guid>
            <category><![CDATA[gitea]]></category>
            <category><![CDATA[ci-cd-pipeline]]></category>
            <category><![CDATA[backstage]]></category>
            <dc:creator><![CDATA[Paul]]></dc:creator>
            <pubDate>Sun, 19 May 2024 11:23:05 GMT</pubDate>
            <atom:updated>2026-02-10T13:12:06.755Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*rqGD8kbRO9oOE9R1" /><figcaption>Photo by <a href="https://unsplash.com/@simonkadula?utm_source=medium&amp;utm_medium=referral">Simon Kadula</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>앞에서 <a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-%EC%97%B0%EB%8F%99%ED%95%98%EA%B8%B0-4f8221184444">Backstage 와 Git 연동 환경 구성</a>을 했습니다. 이번에는 Backstage의 소프트웨어 템플릿(Software Template)과 Gitea Actions 를 활용하여 CI/CD 환경을 구축해 보겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/799/1*dPSeLCIfWdRjk3hFX2glcQ.png" /></figure><p>Backstage의 소프트웨어 템플릿(Software Template)을 사용하여 Git 저장소를 생성한 후, Gitea Actions를 통해 Docker Hub 저장소 및 ArgoCD 설정을 자동으로 구성합니다. 그리고 git push가 발생하면 CI/CD가 자동으로 실행됩니다.</p><ul><li><a href="https://medium.com/@dudwls96/backstage%EB%9E%80-%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80-5d692da9f05b?postPublishedType=repub">Backstage란 무엇인가? #1</a></li><li><a href="https://medium.com/@dudwls96/backstage-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%EC%9C%84%ED%95%9C-%EB%A1%9C%EC%BB%AC-%EA%B0%9C%EB%B0%9C-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a70a9f86238e">Backstage 테스트를 위한 개발환경 구성하기 #2</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-%EC%97%B0%EB%8F%99%ED%95%98%EA%B8%B0-4f8221184444">Backstage와 Gitea 시작하기 #3</a></li><li><a href="https://medium.com/@dudwls96/backstage-%EC%99%80-gitea-actions-%ED%99%9C%EC%9A%A9%ED%95%9C-ci-cd-%EC%9E%90%EB%8F%99%ED%99%94-%ED%99%98%EA%B2%BD-%EB%A7%8C%EB%93%A4%EA%B8%B0-4-50df3ff53dc6"><strong>Backstage 와 Gitea Actions 활용한 CI/CD 환경 만들기 #4</strong></a></li><li><a href="https://medium.com/@dudwls96/backstage%EC%99%80-terraform%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-localstack-%EA%B8%B0%EB%B0%98-%ED%85%8C%EC%8A%A4%ED%8A%B8-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-5-24b1a2bd7885">Backstage와 Terraform을 활용한 LocalStack 기반 테스트 환경 구성하기 #5</a></li><li><a href="https://medium.com/@dudwls96/backstage-software-catalog-%EC%97%90-%EB%8C%80%ED%95%B4%EC%84%9C-6-5c88d12b1297">Backstage 소프트웨어 카탈로그에 대해서 #6</a></li></ul><h3>사전 준비</h3><p>기본적인 환경 구성은 <a href="https://medium.com/@dudwls96/backstage-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%EC%9C%84%ED%95%9C-%EB%A1%9C%EC%BB%AC-%EA%B0%9C%EB%B0%9C-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a70a9f86238e">앞에서</a> 완료를 했습니다. 이제 Gitea Actions를 실행하기 위한 환경을 준비 합니다. Backstage에서 소스를 저장할 Gitea 저장소를 위해 조직(Organization)을 구성합니다. 조직(Organization)의 이름을 backstage 이름으로 생성을 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/996/1*Bqi-C1OXlvjeyGl4VU3Kmg.png" /></figure><p>Gitea 조직을 구성을 하고 설정을 통해 Gitea Actions 실행할 Runner를 등록 합니다. Gitea Runner 등록 및 설정에 대한 자세한 정보는 <a href="https://medium.com/@dudwls96/gitea-runner-%ED%86%B5%ED%95%9C-gitea-actions-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-9f7f7544ee8e">여기를</a> 참고해 주세요.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/985/1*QFnel_goGRlcNWJ8cSURng.png" /><figcaption>backstage 조직에서 사용할 Gtea Runner 등록화면</figcaption></figure><p>Gitea Actions 실행하는데 필요한 환경 변수를 설정합니다. 환경 변수로는 도커 허브, Gitea, ArgoCD 관련 설정 값을 등록 하겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1009/1*815DMLgrZZad8xXrO-WDXw.png" /><figcaption>Gitea Actions 환경 설정 값</figcaption></figure><p>ArgoCD 패스워드를 변경하기 위해서는 먼저 ArgoCD CLI를 설치해야 합니다. 설치가 완료되면 패스워드 변경을 하겠습니다. ArgoCD CLI 설치 및 패스워드 변경 방법은 아래와 같습니다.</p><pre><br># ArgoCD CLI 설치<br>ARGOCD_VERSION=$(curl --silent &quot;https://api.github.com/repos/argoproj/argo-cd/releases/latest&quot; | grep &#39;&quot;tag_name&quot;&#39; | sed -E &#39;s/.*&quot;([^&quot;]+)&quot;.*/\1/&#39;)<br>curl -sSL -o ./argocd-${ARGOCD_VERSION} https://github.com/argoproj/argo-cd/releases/download/${ARGOCD_VERSION}/argocd-linux-amd64<br>chmod +x ./argocd-${ARGOCD_VERSION}<br>sudo mv ./argocd-${ARGOCD_VERSION} /usr/local/bin/argocd <br><br># 기존의 ArgoCD password 값<br>kubectl get secret argocd-initial-admin-secret -n argocd -o jsonpath=&quot;{.data.password}&quot; | base64 -d<br><br># ArgoCD 로그인<br>argocd login 192.168.56.174:32567<br><br># ArgoCD 패스워드 변경<br>argocd account update-password \<br>  --account &lt;name&gt; \<br>  --current-password &lt;current-user-password&gt; \<br>  --new-password &lt;new-user-password&gt;</pre><p>Gitea Actions를 통한 CI/CD에 대한 자세한 내용은 아래 링크를 참조해 주세요.</p><p><a href="https://medium.com/@dudwls96/gitea-actions-%ED%86%B5%ED%95%9C-ci-cd-%EA%B5%AC%EC%84%B1%ED%95%98%EA%B8%B0-a5196e0bd074">Gitea Actions 통한 CI/CD 구성하기 #3</a></p><h3>소프트웨어 템플릿 구성하기</h3><p>Backstage의 소프트웨어 템플릿(Software Template)을 사용하면 애플리케이션 서비스나 인프라를 위한 표준 템플릿을 쉽게 만들 수 있습니다. 이 템플릿을 통해 신규 서비스 개발과 인프라 환경 구성을 빠르게 진행할 수 있습니다. 예를 들어, 간단한 Node.js 프로젝트를 소프트웨어 템플릿(Software Template)으로 구성했으며, 템플릿의 구성은 아래와 같습니다. 더 자세한 내용은 GitHub 주소에서 확인할 수 있습니다.</p><p><a href="https://github.com/baiyongzhen/backstage-tutorial/tree/main/references/03.backstage-gitea-ci-cd">backstage-tutorial/references/03.backstage-gitea-ci-cd at main · baiyongzhen/backstage-tutorial</a></p><pre>vagrant@backstage:/vagrant/references/03.backstage-gitea-ci-cd/app/nodejs-backend-template$ tree -a<br>.<br>├── catalog-info<br>│   └── catalog-info.yaml<br>├── content<br>│   ├── Dockerfile<br>│   ├── .dockerignore<br>..<br>├── skeletons<br>│   ├── .gitea<br>│   │   └── workflows<br>│   │       ├── gitea-ci.yaml<br>│   │       └── gitea-init.yaml<br>│   └── helm<br>│       ├── Chart.yaml<br>│       ├── .helmignore<br>│       ├── image.yaml<br>│       ├── templates<br>│       │   ├── deployment.yaml<br>...<br>│       │   ├── service.yaml<br>│       │   └── tests<br>│       │       └── test-connection.yaml<br>│       └── values.yaml<br>└── template.yaml</pre><ul><li><strong>catalog-info 폴더</strong> : Backstage의 소프트웨어 템플릿(Software Template)에서 생성된 서비스, API, 데이터 파이프라인, 라이브러리, 인프라 등 모든 소프트웨어에 대한 메타 데이터 정보를 설정합니다. 또한, 템플릿에서 정의한 파라미터를 받아 이를 구성하는 것도 가능합니다.</li></ul><pre># Software Catalog Yaml 정보<br>apiVersion: backstage.io/v1alpha1<br>kind: Component<br>metadata:<br>  name: ${{ values.name | dump }}<br>  description: ${{ values.description }}<br>spec:<br>  type: service<br>  owner: ${{ values.owner }}<br>  lifecycle: production # experimental</pre><ul><li><strong>content 폴더</strong>: 프로젝트를 구성하기 위해 필요한 패키지 파일, 개발 소스 및 도커 파일을 추가했습니다. 또한, 템플릿에서 정의한 파라미터를 받아 이를 구성하는 것도 가능합니다.</li></ul><pre># package.json<br>{<br>  &quot;name&quot;: &quot;${{ values.name }}&quot;,<br>  &quot;version&quot;: &quot;1.0.0&quot;,<br>  &quot;description&quot;: &quot;Node.js on Docker&quot;,<br>  &quot;author&quot;: &quot;First Last &lt;first.last@example.com&gt;&quot;,<br>  &quot;main&quot;: &quot;server.js&quot;,<br>  &quot;scripts&quot;: {<br>    &quot;start&quot;: &quot;node server.js&quot;<br>  },<br>  &quot;dependencies&quot;: {<br>    &quot;express&quot;: &quot;^4.16.1&quot;<br>  }<br>}</pre><ul><li><strong>skeletons 폴더: </strong>Gitea Actions 설정과 Helm 차트 관련 파일를 구성합니다. 해당 폴더는 템플릿에 의해 재구성 되지 않습니다. 따라서 소프트웨어 템플릿에서 정의한 파리미터 값을 설정하지 못합니다.</li></ul><pre># template.yaml 파일<br># copyWithoutTemplating 옵션을 통해서 해당 폴더에 대해서는 템플릿 작업 없이 복사만함<br> steps:<br>    - id: gitea-actions-template<br>      name: Generating the Gitea actions Component<br>      action: fetch:template<br>      input:<br>        url: ./skeletons/<br>        copyWithoutTemplating:<br>          - .gitea/workflows/<br>...<br>    - id: helm-template<br>      name: Generating the Helm Component<br>      action: fetch:template<br>      input:<br>        url: ./skeletons/<br>        copyWithoutTemplating:<br>          - helm/</pre><ul><li><strong>template.yaml: </strong>새로운 서비스, 애플리케이션, 라이브러리 등을 생성할 때 필요한 모든 메타데이터와 단계를 작성합니다. 이 템플릿 파일은 YAML 형식으로 작성됩니다.</li></ul><p>템플릿의 메타데이터를 정의합니다. 이름, 제목, 설명, 태그 등의 정보를 포함할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/687/1*wimFf9YUD4XnC16_k9z0WQ.png" /><figcaption>Backstage Template 정보를 표시하기 위한 메타 정보</figcaption></figure><p>사용자로부터 입력 받을 매개변수를 정의합니다. (참고: <a href="https://github.com/rjsf-team/react-jsonschema-form">https://github.com/rjsf-team/react-jsonschema-form</a>, <a href="https://rjsf-team.github.io/react-jsonschema-form/">https://rjsf-team.github.io/react-jsonschema-form/</a> )</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/712/1*ouRsdc9tmHEkBGfeqr3JLA.png" /><figcaption>템플릿 에서 사용할 파리미터 설정</figcaption></figure><p>템플릿 생성 프로세스의 각 단계를 정의합니다. 각 단계에서 수행할 작업(Action)과 입력(Input)을 지정합니다. Backstage에서는 빌트인(Built-In) 액션(Action)뿐만 아니라 사용자 정의 액션(Action)도 만들 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*BMgTFFeP5up09RjqxXPcUg.png" /></figure><p>생성된 템플릿의 결과물에 대한 정보를 표시하기 위한 정보를 작성합니다. 여기에서는 Git 저장소 주소와 Catalog 주소를 표시합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/733/1*k5rJcykaeS1mgGeoGAFM_w.png" /></figure><h3>소프트웨어 템플릿 실행하기</h3><p>소프트웨어 템플릿 구성을 하고 Backstage를 실행 한 후에 브라우저를 실행하고 <a href="http://192.168.56.174:3000/">http://192.168.56.174:3000/</a> 접속을 한 후에 메뉴에서 Create를 클릭하시면 아래와 같이 템플릿이 생성된 것을 알 수 있습니다. CHOOSE를 선택해서 템플릿에서 선언한 파라미터 정보 입력을 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dOMwkIvK05rPlYbQAVJIjw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dcRRfy-9B3IRm-gHw3IyBA.png" /></figure><p>도커 허브에 이미지를 저장하기 위한 정보를 입력합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gGs3sTjPWIxlSUvTgsBeAw.png" /></figure><p>CD(Continuous Delivery)를 설정하기 위해 필요한 정보를 입력합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3tl9cfGZGKRUrf4PeSJjGg.png" /></figure><p>템플릿에 의해 생성된 소스와 파일을 저장하기 위해 필요한 Git 정보를 입력합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*A9n_o4CzbLb7byCnR1oVXA.png" /></figure><p>각 단계에서 설정한 파라미터를 확인한 후 ‘CREATE’ 버튼을 클릭합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ymlMFq5XCyg1676W2tWW2Q.png" /></figure><p>모든 단계가 정상적으로 실행되는지 확인합니다. 각 단계에서 실행된 로그를 확인할 수 있으며, ‘CREATE’가 성공적으로 완료되면, 템플릿에 정의한 Output 정보를 화면에 표시합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2srbNLw2DTXnfQNNJkNcCg.png" /></figure><p>Backstage에서 서비스가 정상적으로 생성되었는지 확인합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XezcF7zBwUrGF6xspXbbaA.png" /></figure><p>Gitea에 저장소가 생성되었으며, 소스와 관련 설정 파일들이 정상적으로 생성된 것을 확인할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J0RdL481n7uBg6uNzWz8hg.png" /></figure><p>Gitea Actions이 실행되면서 Docker Hub에 저장소가 생성되고, ArgoCD에서도 저장소 및 어플리케이션이 생성됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tSs1ihKH_labql6jrdsOIg.png" /></figure><p>Git 저장소의 main 브랜치에 push되면 이미지가 빌드되고 Helm 파일이 업데이트됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QZTYAhWT5o7PcFU6iBNTsw.png" /></figure><p>ArgoCD에 로그인한 후 해당 어플리케이션이 정상적으로 배포되었는지 확인합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MRLGJ3C8n6Obi0lPsX9Z3w.png" /></figure><h3>마무리하며</h3><p>Backstage의 소프트웨어 템플릿을 활용해 서비스를 생성하고, Gitea Actions로 CI/CD 환경을 구축했습니다. 소프트웨어 템플릿에 대한 자세한 설명은 생략된 부분이 많으므로, 자세한 정보는 Backstage의 공식 웹사이트를 참고해 주세요.</p><h3><strong>참고사이트</strong></h3><ul><li><a href="https://backstage.io/docs/features/software-templates/">https://backstage.io/docs/features/software-templates/</a></li><li><a href="https://backstage.io/docs/features/software-templates/writing-templates">https://backstage.io/docs/features/software-templates/writing-templates</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=50df3ff53dc6" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>