이번 포스팅 시리즈에선 뉴스와 여러 기업 발표에서 자주 등장하는 "○○Ops(○○옵스)",
그 중 자주 등장하는 4가지 개념(DevOps, AIOps, MLOps, DevSecOps)에 대한 총정리를 해보려고 합니다.
오늘은 1탄, 그 첫 번째, #DevOps와 #AIOps입니다!
#데브옵스 #AI옵스
" Ops(옵스) 총정리 바로보기! "
핵심만 짚어보면...!
" 1. DevOps(데브옵스) "
'개발1팀'과 '운영1팀'이 "One Team"으로!
[출처] Dynatrace
'DevOps'란 'Development(개발)'와 'Operations(운영)'가 결합된 용어로, "개발-운영"간의 긴밀한 협업을 통해 최종사용자에게 보다 빠르고 안정된 서비스(또는 제품)를 제공하는 것을 목표로 합니다.
예를 들어, "X"라는 애플리케이션의 1.0 버전이 출시됐습니다.
분명 제품 출시를 위해 많은 개발자들이 시간과 정성을 쏟았을 겁니다. 해당 제품의 개발을 담당하고 있는 팀을 '개발 1팀', 제품이 원활히 운영될 수 있도록 모니터링하는 팀을 '운영1팀'이라고 하겠습니다. 그런데 고객요청, 기능오류 등의 이유로 X를 업그레이드 해야할 때, 서로 다른 역할을 맡고 있는 '개발1팀'과 '운영1팀'은 협업을 해야 합니다.
[출처] Pixbay ｜ Peggy und Marco Lachmann-Anke
위와 같은 상황에서 DevOps는 협업과정(또는 통합과정)의 변화를 강조하는 개념이라고 할 수 있습니다. 분리되어 있던 두 팀의 작업절차, 사고방식, 나아가 조직문화까지, 빠르고 안정적인 서비스 제공이라는 최종 목표 아래에서 서로 통합됩니다.
이 긴밀한 협업 관계를 통해 고객 요구에 더욱 적합한 제품을 빠르고 안정적으로 출시할 수 있습니다.
" 2. AIOps(AI옵스) "
'AIOps'란 인공지능(AI)를 활용한 운영방식의 변화를 의미하며, 특히 방대한 양의 데이터와 리소스가 오고가는 IT 운영환경에 적용되는 개념입니다.
마이크로서비스, 클라우드와 컨테이너, 그리고 분산 아키텍처의 부상으로 더이상 사람의 눈과 두뇌로만 데이터를 분석하는 것은 한계에 다달았습니다. 특히 AIOps를 구현하는 두 가지 큰 요소는 익히 들어왔던 '빅데이터(Big-Data)'와 '머신러닝(Machine Learning, 기계학습)' 입니다.
머신러닝에 초점을 맞춰 간소화 및 유지관리하는 것에 중점을 둔 것이 'MLOps'입니다.
MLOps에 대한 자세한 내용은 "Ops 총정리 2탄!"에서 자세히 다뤄보도록 하겠습니다.
[출처] Pixbay ｜ Tung Nguyen
DevOps의 목표가 개발과 운영 두 가지 모두에 있던 반면, AIOps의 목표는 "IT운영을 위해 AI를 활용한다"라는 '운영'에 방점이 찍혀있습니다. 따라서 AIOps의 효과로 ①장애발생대응 ②평균해결시간(MTTR) 감소 ③운영비용감소 ④업무효율증가 등이 있고, 이를 통해 AIOps는 최적의 운영 환경 구축을 목적으로 한다는 것을 알 수 있습니다.
따라서 DevSecOps를 통해 보안 취약점에 빠르게 패치를 적용해 신속히 대응할 수 있습니다.