‘X’옵스를 정확히 이해하기 위해 데브옵스부터 간단히 살펴보자. 데브옵스의 사전적 정의는 소프트웨어 개발(Development)과 IT 운영(Operations)의 합성어로, 소프트웨어 개발자와 정보기술 전문가 간의 협업과 소통, 통합을 강조하는 개발 환경 또는 문화이다. 즉, 뫼비우스의 띠처럼 기획과 개발, QA테스트, 모니터링, 운영이 유기적으로 연결된 방법론이라고 할 수 있다.

데브옵스의 궁극적 목표는 시시각각 변하는 고객의 요구를 반영해 더 나은 서비스를 제공하는 것이다. 개발과 운영이 분리된 환경에서는 개발이 지연되거나 배포 후 문제가 많이 발생하지만, 데브옵스는 개발자와 운영자가 책임을 공유함으로써 개발 수명 주기가 단축되고, 오류를 줄여 비용을 절감할 수 있다는 장점이 있다. 또, 문제가 발생하더라도 즉시 처리할 수 있다.


알아 두면 좋은 'X'옵스 4가지

'X'옵스가 가트너 10대 데이터 및 분석 트렌드(Gartner’s Top 10 Trends list for data and analytics)에 포함되면서, 많은 기업이 'X'옵스 도입을 검토하기 시작했다. 또한, 데이터 담당자가 디지털 트렌스포메이션 이니셔티브에 직접적으로 관여함에 따라 'X'옵스는 AI 및 분석과 관련한 수많은 디지털 트렌스포메이션 프로세스에서 중요한 요소로 자리잡고 있다.

'X'옵스는 자동화를 지원하고 기술 및 프로세스의 중복을 줄이는 엔터프라이즈 기술 스택을 구축하는 것을 목표로 한다. 시스템 개발 주기를 단축하고, 품질 좋은 소프트웨어를 지속적으로 제공하기 위함이다. 'X'옵스는 데브옵스 외에도 데이터옵스(DataOps), 데브섹옵스(DevSecOps), 모델옵스(ModelOps), AI옵스(AIOps) 등이 있다.



1. 데이터옵스

데이터 업계에 필요한 툴과 프로세스, 조직 구조를 제공하기 위해 데브옵스, 데이터 엔지니어, 데이터 과학자 역할을 결합한 데이터옵스가 등장했다. 분석을 통한 인사이트를 지속적으로 제공하는 데 중점을 두는 데이터옵스는 조직이 IT와 운영 기술을 사용해 적정한 수준의 거버넌스로 데이터 전달을 위한 설계 및 배포, 관리를 자동화하고, 메타데이터를 사용해 동적 환경에서 데이터의 유용성과 가치를 개선하도록 지원한다.


2. 데브섹옵스

개발과 운영 통합의 필요성은 커졌지만, 보안은 아직 최종 단계에서 보안 팀이 해야 할 일로 인식되고 있다. 하지만 보안이 유기적으로 결합되지 않으면 심각한 취약점이 발견될 경우 모든 개발 소스를 다시 작성해야 한다는 위험성이 있다. 보안 결함을 줄이고 프로그램을 수정하는 데 소요되는 시간을 단축하기 위해 등장한 것이 바로 데브섹옵스이다. 데브섹옵스는 IT 및 데브옵스 개발에 보안을 최대한 원활하게, 투명성이 보장되도록 통합한다는 방법론이다. 데브섹옵스를 도입하면 보안 팀은 데브옵스의 자동화된 개발 수명 주기에 따라 보안 기능을 수행하고, 정책을 자유롭게 설정할 수 있어 보안 사고를 방지할 수 있다.


3. 모델옵스

모델옵스는 기계 학습(ML), 지식 그래프, 규칙, 최적화, 자연어 기술, 에이전트 기반 모델 등 운영화된 다양한 인공지능(AI) 및 의사결정 모델의 거버넌스, 개발 수명 주기 관리에 중점을 둔 기능의 집합이다. 다시 말해, AI를 전사적으로 운영하기 위한 프레임워크를 제공하는 툴이다. 모델옵스는 AI 모델의 개발과 검증, 구축, 거버넌스, 유지보수 등을 자동화하고, 기업 관점에서 어떤 데이터와 알고리즘을 사용해 모델을 학습했고 모델을 승인한 주체가 누구인지 등을 모니터링할 수 있다는 장점이 있다. 즉, 기업 및 모델 중심적이라는 점에서 ML옵스의 진화된 버전이라고 할 수 있다. ML옵스는 AI 기술 도입 및 운영 상의 어려움을 극복하고자 데브옵스에 AI를 적용한 방법론이다.


4. AI옵스

빅데이터와 머신러닝(ML), 다른 고급 분석 기능을 결합해 이벤트 상관분석, 이상 탐지, 인과관계 결정 등 IT 운영을 자동화하기 위한 기술 및 전략이다. 가트너는 AI옵스를 IT 운영 및 모니터링 전반에 걸쳐 지속적인 인사이트를 확보할 수 있도록 사일로화된 데이터 소스를 빅데이터로 통합하는데 도움이 되는 툴로 정의한다. AI옵스는 오류를 줄이고 문제 해결에 필요한 절차를 간소화하며, 성능에 영향을 주는 운영 추세를 식별하는 등 IT 환경을 전체적으로 파악할 수 있도록 지원한다. 정리하면, AI옵스는 시스템 및 애플리케이션 오류에 대한 모니터링 툴 환경을 단순화하고, 복잡한 IT 운영 워크플로우를 원활하게 처리하는 데 유용하다.


[출처 : 안랩(www.ahnlab.com)]