[Kubernetes] 배포 전략 완벽 가이드 - Deployment, ArgoCD, Argo Rollouts, Flagger, HPA 한눈에 이해하기

12 분 소요

Kubernetes 환경에서 안전하고 효율적인 배포를 위한 핵심 개념들을 쉬운 비유와 함께 정리한다.

들어가며

Kubernetes로 애플리케이션을 배포하다 보면 다양한 도구와 개념을 만나게 된다. Deployment, HPA, ArgoCD, Argo Rollouts, Flagger, Canary… 이름만 들어도 복잡해 보이는 이 개념들을 한눈에 이해할 수 있도록 정리했다.

각 개념을 실생활 비유와 함께 설명하고, 표와 다이어그램으로 관계를 명확히 하여 쉽게 이해할 수 있도록 구성했다.

1. Deployment - 기본 배포 단위

개념

Deployment는 Kubernetes에서 애플리케이션을 배포하는 가장 기본적인 리소스다. 파드(Pod)의 복제본을 몇 개 실행할지, 어떤 컨테이너 이미지를 사용할지 등을 정의한다.

비유로 이해하기

레스토랑 체인의 지점 관리자

Deployment는 레스토랑 체인의 지점 관리자와 같다. “서울에 매장 3개를 운영하고, 각 매장은 같은 메뉴(이미지)를 제공한다”라고 정의하면, 관리자가 알아서 3개 매장(파드)을 열고 관리한다.

매장 하나가 문을 닫으면(파드 장애) 자동으로 새 매장을 연다

메뉴를 바꾸고 싶으면(이미지 업데이트) 하나씩 순차적으로 교체한다

주요 특징

선언적 관리: 원하는 상태를 선언하면 Kubernetes가 알아서 맞춰줌
롤링 업데이트: 무중단으로 새 버전으로 교체
롤백: 문제 발생 시 이전 버전으로 쉽게 복귀
복제본 관리: ReplicaSet을 통해 지정된 수의 파드 유지

예시

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  replicas: 3  # 파드 3개 실행
  selector:
    matchLabels:
      app: my-app
  template:
    metadata:
      labels:
        app: my-app
    spec:
      containers:
      - name: my-app
        image: my-app:v1.0.0
        ports:
        - containerPort: 8080

2. Canary Deployment - 카나리 배포

개념

Canary Deployment는 새 버전을 전체 사용자가 아닌 일부 사용자에게만 먼저 배포하여 안정성을 검증하는 배포 전략이다.

비유로 이해하기

탄광의 카나리아

옛날 광부들은 유독가스를 감지하기 위해 카나리아를 탄광에 먼저 들여보냈다. 카나리아가 괜찮으면 사람도 안전하다고 판단했다.

마찬가지로 새 버전을 10%의 사용자에게만 먼저 배포하여 문제가 없는지 확인한다. 카나리아(10%)가 괜찮으면 점진적으로 50%, 100%로 늘려간다.

배포 흐름

구버전: ████████████████████ 100%
새버전: (없음)

↓ Canary 시작 (10%)

구버전: ████████████████░░ 90%
새버전: ██ 10%

↓ 문제 없으면 확대 (50%)

구버전: ██████████░░░░░░░░ 50%
새버전: ██████████ 50%

↓ 최종 완료 (100%)

구버전: (종료)
새버전: ████████████████████ 100%

장점

위험 최소화: 소수 사용자에게만 영향
빠른 롤백: 문제 발견 시 즉시 구버전으로 복귀
실사용 테스트: 실제 프로덕션 환경에서 검증

단점

복잡도 증가: 두 버전을 동시에 관리
모니터링 필수: 메트릭을 지속적으로 확인해야 함

3. HPA - 자동 확장

개념

HPA(Horizontal Pod Autoscaler)는 CPU, 메모리 사용량 등의 메트릭을 기반으로 파드 개수를 자동으로 조절하는 Kubernetes 리소스다.

비유로 이해하기

식당의 자동 직원 호출 시스템

점심시간에 손님이 몰리면(부하 증가) 자동으로 홀 직원을 더 부른다. 손님이 줄어들면(부하 감소) 직원을 퇴근시킨다.

최소 인원: 2명 (항상 유지)

최대 인원: 10명 (예산 한계)

기준: 1인당 테이블 3개 담당 (CPU 70%)

동작 원리

부하 낮음      부하 증가       부하 높음
────────────────────────────────────
파드 2개  →   파드 5개  →   파드 10개
 ██           █████         ██████████
(최소)        (자동 증가)     (최대)

↓ 부하 감소

파드 3개
 ███
(자동 감소)

예시

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2    # 최소 2개
  maxReplicas: 10   # 최대 10개
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70  # CPU 70% 목표

주요 특징

자동 스케일링: 부하에 따라 자동으로 파드 증감
비용 최적화: 필요할 때만 리소스 사용
다양한 메트릭: CPU, 메모리, 커스텀 메트릭 지원
쿨다운: 급격한 변화 방지 (기본 5분)

4. ArgoCD - GitOps 배포 도구

개념

ArgoCD는 Git 저장소를 단일 진실 공급원(Single Source of Truth)으로 사용하여 Kubernetes 리소스를 자동으로 배포하고 동기화하는 GitOps 도구다.

비유로 이해하기

건축 설계도를 보고 짓는 자동 건설 시스템

Git 저장소는 건축 설계도, Kubernetes 클러스터는 실제 건물이다. ArgoCD는 설계도를 보고 자동으로 건물을 짓는 로봇이다.

설계도(Git)를 수정하면 자동으로 건물(클러스터)도 변경된다

누군가 건물을 임의로 수정하면(직접 kubectl) 설계도와 다르다고 경고하고 원상복구한다

모든 변경 이력이 Git에 남아 감사(Audit) 가능

GitOps 워크플로우

┌─────────────┐
│   개발자     │
└──────┬──────┘
       │ 1. PR 생성
       ↓
┌─────────────┐
│  Git Repo   │  ← 단일 진실 공급원
└──────┬──────┘
       │ 2. ArgoCD가 감지
       ↓
┌─────────────┐
│   ArgoCD    │  ← 지속적 모니터링
└──────┬──────┘
       │ 3. 자동 배포
       ↓
┌─────────────┐
│ Kubernetes  │
│  Cluster    │
└─────────────┘

주요 특징

선언적 배포: Git에 정의된 대로 클러스터 상태 유지
자동 동기화: Git 변경 시 자동으로 배포
웹 UI: 시각적으로 배포 상태 확인
멀티 클러스터: 여러 클러스터 통합 관리
롤백: Git 히스토리로 쉽게 롤백

장점

항목	설명
감사 가능성	Git 커밋 히스토리로 모든 변경 추적
재현성	Git만 있으면 언제든 동일한 환경 구성
협업	PR 리뷰를 통한 배포 검토
보안	클러스터 직접 접근 불필요

5. Argo Rollouts - 고급 배포 전략

개념

Argo Rollouts는 Kubernetes의 기본 Deployment를 확장하여 Blue/Green, Canary와 같은 고급 배포 전략을 제공하는 컨트롤러다.

비유로 이해하기

신제품 출시 전문가

일반 매장 관리자(Deployment)는 단순히 제품을 교체하지만, 신제품 출시 전문가(Argo Rollouts)는 다양한 출시 전략을 구사한다.

Canary: 일부 매장에만 먼저 출시

Blue/Green: 새 매장을 완전히 준비한 후 한 번에 전환

단계적 출시: 10% → 30% → 50% → 100%로 점진적 확대

자동 롤백: 판매량(메트릭)이 떨어지면 자동으로 구제품으로 복귀

Deployment vs Rollout

구분	Deployment	Argo Rollouts
배포 전략	롤링 업데이트만	Canary, Blue/Green, 롤링
트래픽 제어	불가능	세밀한 트래픽 분배
자동 롤백	수동	메트릭 기반 자동
분석	없음	Analysis Template 지원
일시 정지	제한적	단계별 수동 승인 가능

Canary 배포 예시

apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: my-app
spec:
  replicas: 10
  strategy:
    canary:
      steps:
      - setWeight: 10   # 1단계: 10% 트래픽
      - pause:          # 5분 대기
          duration: 5m
      - setWeight: 30   # 2단계: 30% 트래픽
      - pause:
          duration: 5m
      - setWeight: 50   # 3단계: 50% 트래픽
      - pause:
          duration: 5m
      - setWeight: 100  # 4단계: 100% 트래픽
  template:
    spec:
      containers:
      - name: my-app
        image: my-app:v2.0.0

주요 기능

1. 트래픽 관리

기존: 모든 요청이 균등하게 분배
──────────────────────────────
파드1  파드2  파드3  파드4
 25%   25%   25%   25%

Argo Rollouts: 세밀한 트래픽 제어
──────────────────────────────
구버전  구버전  구버전  새버전
  30%    30%    30%    10%

2. Analysis (분석)

메트릭 기반 자동 판단
Prometheus, Datadog, New Relic 연동
성공률, 응답시간, 에러율 등 분석

3. Blue/Green 배포

Blue (구버전)          Green (신버전)
  ████████              준비 중...
    ↓                      ↓
실제 트래픽           테스트만 수행

↓ 전환

Blue (구버전)          Green (신버전)
 대기 중                 ████████
                       실제 트래픽

6. Flagger - 자동화된 카나리 배포

개념

Flagger는 메트릭을 분석하여 카나리 배포를 자동으로 진행하거나 롤백하는 Progressive Delivery 도구다.

비유로 이해하기

자동차의 자율주행 시스템

Argo Rollouts가 반자동(수동 승인 필요)이라면, Flagger는 완전 자율주행이다.

센서(메트릭)로 주변 상황 파악: 에러율, 응답시간, 성공률

자동 가속: 메트릭이 좋으면 카나리 비율을 자동으로 증가

긴급 제동: 메트릭이 나빠지면 즉시 롤백

목적지까지 완주: 문제없으면 100%까지 자동 배포

동작 흐름

시작: 새 버전 배포
  ↓
┌─────────────────────────┐
│ Canary 10% 배포        │
└───────┬─────────────────┘
        │
        ↓
┌─────────────────────────┐
│ 메트릭 분석 (30초)      │
│ - 에러율 < 1%?          │
│ - 응답시간 < 500ms?     │
└───┬─────────────────┬───┘
    │ OK              │ FAIL
    ↓                 ↓
  증가             자동 롤백
    │
    ↓
┌─────────────────────────┐
│ Canary 30% 배포        │
└───────┬─────────────────┘
        │
      (반복)
        │
        ↓
    100% 완료

주요 특징

1. 자동 진행

사람 개입 없이 자동으로 배포 진행
설정된 임계값 기반 판단

2. 자동 롤백

메트릭 악화 시 즉시 이전 버전으로 복귀
알림 발송 (Slack, Teams 등)

3. A/B 테스팅

특정 헤더, 쿠키 기반 트래픽 라우팅
실험 그룹별 성능 비교

예시

apiVersion: flagger.app/v1beta1
kind: Canary
metadata:
  name: my-app
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  service:
    port: 8080
  analysis:
    interval: 30s        # 30초마다 분석
    threshold: 5         # 5회 연속 실패 시 롤백
    maxWeight: 50        # 최대 50%까지만
    stepWeight: 10       # 10%씩 증가
    metrics:
    - name: request-success-rate
      thresholdRange:
        min: 99          # 성공률 99% 이상
      interval: 1m
    - name: request-duration
      thresholdRange:
        max: 500         # 응답시간 500ms 이하
      interval: 1m

7. 전체 비교표

개념별 요약

도구/개념	역할	비유	핵심 기능
Deployment	기본 배포 리소스	레스토랑 체인 관리자	롤링 업데이트, 복제본 관리
Canary	배포 전략	탄광의 카나리아	단계적 배포, 위험 최소화
HPA	자동 스케일링	자동 직원 호출 시스템	CPU/메모리 기반 파드 조절
ArgoCD	GitOps 도구	자동 건설 시스템	Git 기반 선언적 배포
Argo Rollouts	고급 배포 컨트롤러	신제품 출시 전문가	Blue/Green, Canary, 분석
Flagger	자동 Progressive Delivery	자율주행 시스템	메트릭 기반 자동 배포/롤백

배포 전략 비교

전략	속도	위험도	복잡도	적합한 상황
롤링 업데이트	중간	중간	낮음	일반적인 배포
Blue/Green	빠름	낮음	중간	빠른 롤백 필요
Canary	느림	매우 낮음	높음	중요 서비스, 대규모 변경
A/B 테스트	느림	낮음	높음	기능 실험, 비교 분석

도구별 조합

시나리오	조합	설명
기본 구성	Deployment + HPA	간단한 배포 및 자동 스케일링
GitOps	ArgoCD + Deployment + HPA	Git 기반 배포 자동화
고급 배포	ArgoCD + Argo Rollouts + HPA	Canary/Blue-Green 배포
완전 자동화	ArgoCD + Flagger + HPA	메트릭 기반 자동 배포/롤백

8. 실전 아키텍처 예시

시나리오: 대규모 서비스 배포

┌──────────────────────────────────────────────┐
│               개발자                         │
└────────────┬─────────────────────────────────┘
             │
             │ 1. Git Push
             ↓
┌──────────────────────────────────────────────┐
│          GitHub Repository                   │
│  ├─ deployment.yaml                          │
│  ├─ service.yaml                             │
│  └─ rollout.yaml                             │
└────────────┬─────────────────────────────────┘
             │
             │ 2. ArgoCD 감지 및 동기화
             ↓
┌──────────────────────────────────────────────┐
│              ArgoCD                          │
│  "Git과 클러스터 상태 동기화"                  │
└────────────┬─────────────────────────────────┘
             │
             │ 3. Rollout 생성
             ↓
┌──────────────────────────────────────────────┐
│           Argo Rollouts                      │
│  "Canary 배포 시작"                           │
│  ├─ 10% 트래픽                                │
│  ├─ 30% 트래픽                                │
│  ├─ 50% 트래픽                                │
│  └─ 100% 트래픽                               │
└────────────┬─────────────────────────────────┘
             │
             │ 4. 메트릭 수집 및 분석
             ↓
┌──────────────────────────────────────────────┐
│           Prometheus                         │
│  "에러율, 응답시간, CPU 등 모니터링"            │
└────────────┬─────────────────────────────────┘
             │
             │ 5. 부하 감지
             ↓
┌──────────────────────────────────────────────┐
│               HPA                            │
│  "CPU 80% 넘음 → 파드 증가"                   │
│  파드 3개 → 파드 8개                          │
└──────────────────────────────────────────────┘

9. 언제 무엇을 사용할까?

상황별 선택 가이드

소규모 프로젝트 / 스타트업

추천 조합: Deployment + HPA

이유:
- 간단하고 빠른 구성
- Kubernetes 기본 기능만 사용
- 러닝 커브 낮음

중규모 프로젝트

추천 조합: ArgoCD + Deployment + HPA

이유:
- GitOps로 배포 이력 관리
- 협업 시 코드 리뷰 가능
- 롤백 용이

대규모 프로젝트 / 엔터프라이즈

추천 조합: ArgoCD + Argo Rollouts + HPA

이유:
- 고급 배포 전략 필요
- 무중단 배포 필수
- 단계적 검증 필요

Mission Critical 서비스

추천 조합: ArgoCD + Flagger + HPA

이유:
- 자동화된 안전장치
- 메트릭 기반 자동 롤백
- 장애 최소화

의사결정 플로우

Q1: GitOps 필요?
    NO → Deployment
    YES ↓

Q2: 고급 배포 전략 필요?
    NO → ArgoCD + Deployment
    YES ↓

Q3: 자동 롤백 필요?
    NO → ArgoCD + Argo Rollouts
    YES ↓

ArgoCD + Flagger

10. 실습 가이드

1단계: 기본 Deployment + HPA

# deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: demo-app
spec:
  replicas: 2
  selector:
    matchLabels:
      app: demo-app
  template:
    metadata:
      labels:
        app: demo-app
    spec:
      containers:
      - name: demo-app
        image: nginx:1.21
        resources:
          requests:
            cpu: 100m
            memory: 128Mi
          limits:
            cpu: 200m
            memory: 256Mi

---
# hpa.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: demo-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: demo-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

# 배포
kubectl apply -f deployment.yaml
kubectl apply -f hpa.yaml

# 확인
kubectl get pods
kubectl get hpa

2단계: ArgoCD 설치 및 연동

# ArgoCD 설치
kubectl create namespace argocd
kubectl apply -n argocd -f https://raw.githubusercontent.com/argoproj/argo-cd/stable/manifests/install.yaml

# 비밀번호 확인
kubectl -n argocd get secret argocd-initial-admin-secret -o jsonpath="{.data.password}" | base64 -d

# 포트 포워딩
kubectl port-forward svc/argocd-server -n argocd 8080:443

# 웹 UI 접속
# https://localhost:8080
# ID: admin
# PW: 위에서 확인한 비밀번호

# argocd-app.yaml
apiVersion: argoproj.io/v1alpha1
kind: Application
metadata:
  name: demo-app
  namespace: argocd
spec:
  project: default
  source:
    repoURL: https://github.com/your-repo/k8s-manifests
    targetRevision: HEAD
    path: manifests
  destination:
    server: https://kubernetes.default.svc
    namespace: default
  syncPolicy:
    automated:
      prune: true
      selfHeal: true

3단계: Argo Rollouts 적용

# Argo Rollouts 설치
kubectl create namespace argo-rollouts
kubectl apply -n argo-rollouts -f https://github.com/argoproj/argo-rollouts/releases/latest/download/install.yaml

# CLI 설치
curl -LO https://github.com/argoproj/argo-rollouts/releases/latest/download/kubectl-argo-rollouts-linux-amd64
chmod +x kubectl-argo-rollouts-linux-amd64
sudo mv kubectl-argo-rollouts-linux-amd64 /usr/local/bin/kubectl-argo-rollouts

# rollout.yaml
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: demo-app
spec:
  replicas: 5
  strategy:
    canary:
      steps:
      - setWeight: 20
      - pause: {duration: 1m}
      - setWeight: 40
      - pause: {duration: 1m}
      - setWeight: 60
      - pause: {duration: 1m}
      - setWeight: 80
      - pause: {duration: 1m}
  revisionHistoryLimit: 2
  selector:
    matchLabels:
      app: demo-app
  template:
    metadata:
      labels:
        app: demo-app
    spec:
      containers:
      - name: demo-app
        image: nginx:1.21
        ports:
        - containerPort: 80

# 배포
kubectl apply -f rollout.yaml

# 대시보드 실행
kubectl argo rollouts dashboard

# 이미지 업데이트 (새 배포 시작)
kubectl argo rollouts set image demo-app demo-app=nginx:1.22

# 상태 확인
kubectl argo rollouts get rollout demo-app --watch

# 수동 승인
kubectl argo rollouts promote demo-app

# 롤백
kubectl argo rollouts undo demo-app

11. 모니터링 및 트러블슈팅

주요 확인 사항

Deployment

# 상태 확인
kubectl get deployments
kubectl describe deployment <deployment-name>

# 롤아웃 히스토리
kubectl rollout history deployment/<deployment-name>

# 롤백
kubectl rollout undo deployment/<deployment-name>

HPA

# HPA 상태
kubectl get hpa
kubectl describe hpa <hpa-name>

# 메트릭 확인
kubectl top pods
kubectl top nodes

Argo Rollouts

# Rollout 상태
kubectl argo rollouts get rollout <rollout-name>

# 라이브 로그
kubectl argo rollouts get rollout <rollout-name> --watch

# 일시 정지
kubectl argo rollouts pause <rollout-name>

# 재개
kubectl argo rollouts resume <rollout-name>

# 중단
kubectl argo rollouts abort <rollout-name>

일반적인 문제 해결

문제 1: HPA가 스케일링하지 않음

원인: Metrics Server 미설치 또는 리소스 requests 미설정

해결:
1. Metrics Server 설치 확인
   kubectl get deployment metrics-server -n kube-system

2. 파드의 resources.requests 설정 확인
   kubectl describe pod <pod-name>

문제 2: ArgoCD 동기화 실패

원인: Git 권한 없음, 잘못된 매니페스트

해결:
1. ArgoCD 로그 확인
   kubectl logs -n argocd deployment/argocd-application-controller

2. Git 연결 확인
   argocd repo list

3. 매니페스트 검증
   kubectl apply --dry-run=client -f <manifest>

문제 3: Rollout이 진행되지 않음

원인: 이전 단계 미완료, 메트릭 분석 실패

해결:
1. Rollout 상태 확인
   kubectl argo rollouts get rollout <name>

2. 수동 승인
   kubectl argo rollouts promote <name>

3. 롤백
   kubectl argo rollouts undo <name>

12. 베스트 프랙티스

Deployment

✅ DO

항상 리소스 requests/limits 설정
readinessProbe, livenessProbe 사용
적절한 롤링 업데이트 전략 설정 (maxSurge, maxUnavailable)
버전 태그 명시 (latest 태그 지양)

❌ DON’T

프로덕션에서 latest 태그 사용
리소스 제한 없이 배포
Health Check 생략

HPA

✅ DO

minReplicas를 트래픽 기준선보다 높게 설정
CPU와 메모리 메트릭 함께 사용
스케일 다운 쿨다운 충분히 설정
비용을 고려한 maxReplicas 설정

❌ DON’T

minReplicas를 1로 설정 (단일 장애 지점)
너무 공격적인 스케일링 (리소스 낭비)
메트릭 없이 HPA만 설정

ArgoCD

✅ DO

Git을 단일 진실 공급원으로 관리
환경별 디렉토리 분리 (dev, staging, prod)
PR 리뷰 프로세스 적용
자동 동기화 활성화 (syncPolicy.automated)

❌ DON’T

kubectl로 직접 리소스 수정
Git과 클러스터 상태 불일치 방치
프로덕션에서 selfHeal 없이 운영

Argo Rollouts

✅ DO

단계별 pause duration 충분히 설정
Analysis Template으로 자동 검증
중요 서비스는 수동 승인 단계 추가
알림 설정 (Slack, Email)

❌ DON’T

메트릭 분석 없이 자동 진행
너무 빠른 단계 전환
롤백 계획 없이 배포

Flagger

✅ DO

적절한 메트릭 임계값 설정
충분한 분석 간격 (interval)
점진적인 stepWeight 설정
알림 채널 구성

❌ DON’T

너무 짧은 분석 간격 (부정확한 판단)
임계값을 너무 엄격하게 설정
maxWeight 100% 설정 (위험)

결론

Kubernetes 배포는 단순히 애플리케이션을 실행하는 것을 넘어, 안전하고 효율적인 배포 전략이 필요하다.

핵심 요약

개념	한 줄 요약
Deployment	Kubernetes 기본 배포 단위, 롤링 업데이트 제공
Canary	일부에게만 먼저 배포하여 위험 최소화
HPA	부하에 따라 자동으로 파드 개수 조절
ArgoCD	Git을 기준으로 클러스터 상태를 자동 동기화
Argo Rollouts	Blue/Green, Canary 등 고급 배포 전략 제공
Flagger	메트릭 기반으로 배포를 자동 진행하거나 롤백

시작 로드맵

1주차: Deployment + HPA
  └─ 기본 배포와 자동 스케일링 익히기

2주차: ArgoCD
  └─ GitOps 워크플로우 구축

3주차: Argo Rollouts
  └─ Canary 배포 전략 적용

4주차: Flagger (선택)
  └─ 완전 자동화 배포 파이프라인

마지막 조언

작게 시작하기: Deployment부터 시작하여 점진적으로 복잡도 높이기
메트릭이 핵심: HPA든 Flagger든 정확한 메트릭이 있어야 제대로 동작
GitOps 권장: ArgoCD를 사용하면 배포 이력 관리와 협업이 훨씬 쉬워짐
자동화는 신중히: 완전 자동화 전에 충분한 테스트와 모니터링 구축

안전하고 효율적인 Kubernetes 배포로 서비스의 안정성과 개발 생산성을 모두 높여보자!

참고 자료

Twitter Facebook LinkedIn

Tony Jun

들어가며

1. Deployment - 기본 배포 단위

개념

비유로 이해하기

주요 특징

예시

2. Canary Deployment - 카나리 배포

개념

비유로 이해하기

배포 흐름

장점

단점

3. HPA - 자동 확장

개념

비유로 이해하기

동작 원리

예시

주요 특징

4. ArgoCD - GitOps 배포 도구

개념

비유로 이해하기

GitOps 워크플로우

주요 특징

장점

5. Argo Rollouts - 고급 배포 전략

개념

비유로 이해하기

Deployment vs Rollout

Canary 배포 예시

주요 기능

1. 트래픽 관리

2. Analysis (분석)

3. Blue/Green 배포

6. Flagger - 자동화된 카나리 배포

개념

비유로 이해하기

동작 흐름

주요 특징

1. 자동 진행

2. 자동 롤백

3. A/B 테스팅

예시

7. 전체 비교표

개념별 요약

배포 전략 비교

도구별 조합

8. 실전 아키텍처 예시

시나리오: 대규모 서비스 배포

9. 언제 무엇을 사용할까?

상황별 선택 가이드

소규모 프로젝트 / 스타트업

중규모 프로젝트

대규모 프로젝트 / 엔터프라이즈

Mission Critical 서비스

의사결정 플로우

10. 실습 가이드

1단계: 기본 Deployment + HPA

2단계: ArgoCD 설치 및 연동

3단계: Argo Rollouts 적용

11. 모니터링 및 트러블슈팅

주요 확인 사항

Deployment

HPA

Argo Rollouts

일반적인 문제 해결

문제 1: HPA가 스케일링하지 않음

문제 2: ArgoCD 동기화 실패

문제 3: Rollout이 진행되지 않음

12. 베스트 프랙티스

Deployment

HPA

ArgoCD

Argo Rollouts

Flagger

결론

핵심 요약

시작 로드맵

마지막 조언

참고 자료