CNF Taxonomies

CNF Taxonomies는 정보를 체계적으로 분류하고 조직화하기 위해 정의된 계층적 분류 체계입니다.

AKS


AKS(Azure Kubernetes Service)는 Microsoft Azure가 제공하는 완전 관리형 Kubernetes 서비스로, 컨테이너화된 애플리케이션의 배포와 확장, 운영을 손쉽게 처리할 수 있도록 설계된 클라우드 네이티브 플랫폼이다. 사용자가 컨트롤 플레인을 직접 구축하거나 유지보수할 필요 없이, Azure가 클러스터의 핵심 인프라와 상태 관리를 대신 담당한다.

이를 통해 개발자와 운영 담당자는 워크로드 배포와 애플리케이션 개발에 집중할 수 있으며, Azure의 다른 서비스들과의 긴밀한 연동을 바탕으로 엔터프라이즈 환경에서도 안정적으로 활용할 수 있다.

주요 특징

  • 완전 관리형 컨트롤 플레인: 클러스터 생성 시 Azure가 컨트롤 플레인을 자동으로 구성하고 관리하여 운영 부담을 줄여줌.
  • 자동 확장 및 자가 복구: 워크로드 요구에 따라 노드와 파드를 자동으로 확장하고, 장애 발생 시 스스로 복구함.
  • Azure 서비스와의 통합: Azure Container Registry, Azure DevOps, Azure Key Vault 등과 원활하게 연동됨.
  • 보안 및 인증 내장: Microsoft Entra ID 기반 인증과 역할 기반 접근 제어(RBAC)를 기본 지원함.
  • 다양한 운영 모드 제공: 세밀한 제어가 가능한 Standard 모드와 운영 부담을 최소화한 Automatic 모드를 선택할 수 있음.

장점

  • 운영 복잡도 감소: Kubernetes 클러스터 관리의 상당 부분을 Azure가 대신 처리하여 전문 인력 부담이 줄어듦.
  • 비용 효율성: 컨트롤 플레인은 무료로 제공되며, 실제 사용하는 워커 노드에 대해서만 비용이 청구됨.
  • 글로벌 확장성: 여러 리전에 걸쳐 애플리케이션을 배포하고 낮은 지연 시간으로 서비스할 수 있음.
  • 엔터프라이즈 규정 준수: SOC, ISO, PCI DSS, HIPAA 등 다양한 컴플라이언스 표준을 충족함.
  • CI/CD 친화적: 기존 DevOps 도구 및 파이프라인과 손쉽게 통합되어 배포 자동화에 유리함.

관련 용어

  • Kubernetes: 컨테이너화된 애플리케이션의 배포, 확장, 관리를 자동화하는 오픈소스 오케스트레이션 플랫폼.
  • 컨트롤 플레인(Control Plane): 클러스터의 상태와 워크로드 스케줄링을 담당하는 핵심 구성 요소.
  • 노드 풀(Node Pool): 동일한 구성을 가진 워커 노드들의 그룹으로, 워크로드 실행을 담당함.
  • Microsoft Entra ID: AKS 클러스터와 워크로드에 대한 인증·권한 부여 기능을 제공하는 클라우드 기반 ID 관리 서비스.
  • CNCF 인증: Kubernetes 표준 준수를 검증하는 인증으로, AKS도 이를 획득함.

주요 솔루션 및 사용 사례

  • 주요 솔루션
    • AKS Automatic: 노드 관리, 확장, 보안 설정이 사전 구성되어 운영 부담을 최소화한 모드.
    • AKS Standard: 클러스터 구성과 노드 풀을 세밀하게 직접 제어할 수 있는 모드.
    • Azure Container Instance(ACI) 버스팅: 가상 노드를 통해 수요에 따라 몇 초 만에 파드를 확장 배포함.
    • Kubernetes AI Toolchain Operator(KAITO): AKS 위에서 AI 모델을 손쉽게 배포할 수 있도록 지원함.
    • Azure Kubernetes Fleet Manager: 여러 개의 AKS 클러스터를 하나의 인터페이스에서 통합 관리함.
  • 사용 사례
    • 레거시 애플리케이션 마이그레이션: 기존 애플리케이션을 컨테이너로 전환해 완전 관리형 환경에서 실행.
    • 마이크로서비스 아키텍처 운영: 수평 확장, 자가 복구, 로드 밸런싱을 활용한 서비스 배포 및 관리.
    • 보안 중심 DevOps 구현: 개발 속도와 보안 요건의 균형을 맞춘 파이프라인 구축.
    • 머신러닝 모델 학습: TensorFlow, Kubeflow 등과 연계하여 대규모 데이터셋 기반 학습 수행.
    • 실시간 데이터 스트리밍 처리: 센서 등에서 수집한 대량 데이터를 빠르게 수집·분석하는 파이프라인 구성.

Go to Top