본문 바로가기
반응형

전체 글3059

박찬대 프로필 학력 나이 고향 주요 이력 이재명 캠프 총괄선거대책위원장 상임 1. 개요박찬대 의원은 대한민국의 회계사·경영학자 출신 정치인으로, 더불어민주당 당대표 직무대행 겸 원내대표를 역임하고 있으며 제20·21·22대 3선 국회의원으로 활동하고 있습니다. 회계·감사 분야에서 쌓은 전문성에 기반하여 정무·교육·운영 등 국회 주요 상임위원회에서 꾸준히 의정 활동을 이어 왔으며, 당내 정책 기획과 대외 소통을 책임지는 핵심 인물로 평가받고 있습니다. 2. 출생 및 가족 배경1965년 5월 10일 인천광역시 남구 용현동에서 3남 1녀 중 막내로 태어났습니다. 부친은 경북 안동 출신으로, 박찬대 의원이 출생하기 직전 가족과 함께 인천에 정착하여 새롭게 터를 잡았습니다. 유년 시절을 인천 용현동 일대에서 보낸 그는 어린 시절부터 미술과 음악에 깊은 관심을 보이며 인천용현초등학교, 인천.. 2025. 5. 29.
IaC Drift as Code: Terraform Cloud Sentinel + OPA Gatekeeper + Argo CD Self-Heal 기반 자동화 인프라 드리프트 감지 및 복구 파이프라인⸻🎯 목표“코드로 정의된 인프라(Infrastructure-as-Code)가 언제나 실제 클러스터/클라우드 상태와 일치하도록” 1. 드리프트(Drift) 감지 2. 정책 위반(Policy Violation) 식별 3. 자동 복구(Self-Healing) 4. 모든 과정을 GitOps 이력으로 기록까지 완전 자동화하는 엔드-투-엔드 워크플로우를 구축합니다.⸻⚙️ 핵심 구성 요소계층 도구 / 기술 역할정책 관리 Terraform Cloud Sentinel + OPA Gatekeeper Drift 정책·보안 정책 코드화 (Sentinel policy / Rego)드리프트 감지 Terraform Cloud + Atlantis terraform plan 자동 .. 2025. 5. 29.
ModelOps CI/CD: Kubeflow Pipelines + Seldon + Argo Rollouts 기반 ML 모델 자동 배포·카나리·자동 롤백 파이프라인⸻🎯 목표“코드를 한 줄도 바꾸지 않고” 개발→학습→검증→프로덕션 배포→카나리 롤아웃→데이터 드리프트 감지→자동 롤백까지 ML 모델 라이프사이클(CI/CD)을 완전 자동화합니다.⸻⚙️ 핵심 구성 요소 1. Kubeflow Pipelines • 모델 학습·평가 워크플로우를 재현 가능한 컴포넌트로 정의 • ‘train’ → ‘eval’ → ‘package’ → ‘push to registry’ 파이프라인 2. Container Registry • Trained 모델을 포함한 컨테이너 이미지(예: model:gitsha) 저장 3. Seldon Core • Kubernetes 위에 모델 Serving Inference API 자동 생성 • SeldonDeplo.. 2025. 5. 29.
Multi-Cloud Disaster Recovery as Code: Crossplane + Argo CD + Terraform 기반 DR 자동화 파이프라인⸻🎯 목표AWS와 GCP 등 멀티 클라우드 환경에서 주요 인프라(네트워크, 데이터베이스, 스토리지, 애플리케이션)를 코드(Infra as Code)로 복제·동기화하고, 평상시에는 리전 간 실시간 복제만 수행하다가 장애 발생 시 한 번의 Git 커밋/PR 머지로 자동으로 페일오버까지 완료하는 완전 자동화된 재해복구(Disaster Recovery) 체계를 설계합니다.⸻⚙️ 핵심 구성 요소 1. Crossplane • Kubernetes CRD 형태로 AWS·GCP 리소스를 선언적 관리 • ProviderConfig와 Composition을 통해 멀티 클라우드 리소스 동기화 2. Terraform (모듈) • 네트워크, IAM, VPC, DB 등 공통 리소스 초회 생성 • Cross.. 2025. 5. 29.
OpenTelemetry Auto-Instrumentation & Observability-Driven Autoscaling 파이프라인 ⸻🎯 목표코드 수정 없이 애플리케이션에 자동으로 분산 트레이싱을 삽입하고, 획득한 **트레이스 기반 SLO 메트릭(p95 응답속도, 오류율 등)**을 사용해 Kubernetes를 자동 스케일링하며, 전체 설정을 GitOps로 선언·관리하는 엔드-투-엔드 Observability-as-Code 파이프라인을 구축합니다.⸻⚙️ 핵심 구성 요소 1. OpenTelemetry Operator • Kubernetes에 자동 계측(automatic instrumentation) 사이드카 주입 • Java, Node.js, Python 애플리케이션에 런타임 무손실 계측 2. Collector + Tempo/Jaeger • Collector로 수집된 트레이스 데이터를 Grafana Tempo/Jaeger에 저장 • 백.. 2025. 5. 29.
Chaos Engineering as Code: LitmusChaos + ArgoCD + Prometheus 기반 장애 주입·회복 자동화 파이프라인⸻🎯 개요“이제 장애를 수동으로 테스트하지 말고, **코드로 정의된 실험(Chaos Experiments)**을 CI/CD 파이프라인에 통합”합니다.ArgoCD를 통해 Chaos 실험을 선언적(Manifest)으로 배포하고, Prometheus 모니터링 지표 기반으로 **자동 롤백·자가 치유(Healing Loop)**를 실행하는 완전 자동화된 Chaos Engineering 워크플로우를 구축합니다.⸻⚙️ 핵심 구성 요소 1. LitmusChaos • Kubernetes 네이티브 Chaos 실험 프레임워크 • CPU·메모리 폭주, 네트워크 지연, Pod 삭제 등 다양한 Chaos 실험 제공 2. ArgoCD + Application CRD • ChaosExperiment, ChaosResult.. 2025. 5. 29.
AI/ML 기반 AIOps 파이프라인 구축 Elastic ML 이상 탐지 → Prometheus Alertmanager → Kubernetes 자동 복구 & GitOps 기록화이 글에서는 로그·메트릭 데이터를 실시간으로 학습·분석해 이상 징후를 포착하고, 감지 즉시 **자가 치유(healing loop)**를 돌아 장애를 자동 복구하며, 모든 복구 이력을 GitOps 방식으로 기록·추적하는 AIOps 파이프라인을 단계별로 살펴봅니다.⸻1. 전체 아키텍처┌───────────────────────┐│ Application / K8s ││ ┌───────────────────┐ ││ │ Metricbeat, │ ││ │ Filebeat │ ││ └───────────────────┘ │└──────────┬─────.. 2025. 5. 29.
🧠 “서비스 상태 기반 SLA 중심 자동 스케일링: KEDA + Prometheus + 슬랙 경보형 HPA 확장 전략” 🎯 문제 인식: 단순 CPU 기반 오토스케일링의 한계기존 Kubernetes HPA(Horizontal Pod Autoscaler)는 CPU나 메모리 사용률만 기반으로 오토스케일링을 수행합니다.하지만, 실제 운영에서는 다음과 같은 문제가 발생합니다: • 사용자 응답 시간 증가에도 CPU 사용률은 낮은 경우 • 특정 API에서만 오류율이 급증하는데 스케일링이 되지 않음 • 특정 지표를 기준으로 경보가 발생했지만, 스케일 조치 없이 알람만 전송됨→ 이제는 단순한 리소스 사용률이 아니라 **서비스 상태(SLO/SLA 기준)**에 따라 정책 기반으로 자동 스케일링할 수 있어야 합니다.⸻🔧 해결 전략: KEDA + Prometheus + SLA 알람 기반 확장“애플리케이션 상태나 SLA 지표가 일정 기준을 초.. 2025. 5. 29.
반응형

티스토리툴바