본문으로 바로가기
DevOps 기초 1편
LinkedInGitHub
WORKSPACE

EXPLORER

157 POSTS
BLOG
면접질문
해야하는 거
AI 시대, 개발자는 사라지는가?
Python Counter, 빈도수를 쉽게 세는 방법
정렬
1. 투 포인터
DFS와 BFS
알고리즘 논리
코딩 테스트 핵심 알고리즘 정리파이썬 딕셔너리와 코딩 테스트 활용
예시로 살펴보는 AXAX 프로젝트, 문제 정의부터 확산까지AX 시대의 가치 정의와 현장 리딩
MSA
1. Singleton PatternSOLID
Kafka의 핵심 설계 원리Kafka 메시징 시스템의 구성과 동작 방식Kafka 기본 개념과 EC2 Docker 구성
쿠버네티스 입문
Modular Monolith1. MonolithMSA, 서비스 분리와 운영의 원리
Socket이란 무엇인가
네크워크 참조 모델
전체 데이터 구조REST API의 개념과 설계 원칙2. Field/ Parameter / Argument/ this
Actuator 란?EntityManagerJPA 연관관계 매핑JPA 트랜잭션(Transaction)입력값 검증Java의 AOP(Aspect Oriented Programming)Async : AsynchronousBeanJPA(Java Persistence API)Proxy 패턴Spring MVCdocker container1. Spirng 필요컴포넌트 스캔
Spring 컨테이너
application.yamlLombok
이번 강의는 무엇을 노리고 있을까?Spring AI를 배우기 전에 정리할 것23
1. 기술 스택
개발 문서를 읽기 위한 핵심 기술 용어
Docker를 이해하기 위한 운영체제 기초
sigterm
6. 설정과 저장소, 앱을 운영할 수 있는 상태로 만들기5. Service와 Ingress, 요청은 어디로 흐를까4. 직접 실험하는 Kubernetes, Pod 복구부터 롤백까지3. kubectl과 Pod, 상태에서 원인을 찾는 법2. 클러스터는 명령을 어떻게 Pod로 바꿀까1. 쿠버네티스, 원하는 상태와 컨테이너 이미지Calico쿠버네티스 입문, 원하는 상태를 유지하는 시스템
Psql JSONB, 행 잠금, 멱등성Psql 함수,프로시져,트리거
머신러닝 입문딥러닝 학습 기본 개념데이터 시각화기초 통계와 ML 파이프라인 연결분석 자동화와 파이프라인 설계
CNN 아키텍처 발전 과정이미지 세그멘테이션 모델과 핵심 개념객체 탐지 모델과 핵심 개념
딥러닝 데이터셋 엔지니어링
딥러닝 학습 문제 진단과 디버깅
도메인 적응 방법현대 LLM 워크플로의 패턴
Transformer에서 LoRA 적용 대상 정하기LoRA (Low-Rank Adaptation)
LLM 양자화와 QLoRA
분산 학습과 MLOps딥러닝 모델 경량화와 추론 최적화딥러닝 기본 학습 테크닉딥러닝 중급 학습 테크닉
Mixture of Experts(MoE) 핵심 개념멀티모달 파운데이션 모델 핵심 개념State Space Model과 MambaTransformer와 Vision Transformer
Latent Space
1Chunking?
DevOps 기초 1편
실습에서는?Agile 개요, 왜 필요한가?
CI/CD 기초 4편: 배포 전략과 운영CI/CD 기초 3편: Jenkins와 Argo CD를 이용한 GitOps 배포CI/CD 기초 2편: Docker 이미지와 배포 파이프라인CI/CD 기초 1편: 개념과 GitHub Actions
OCI: 컨테이너 이미지와 런타임의 공통 표준Docker 기초 13편: Compose Healthcheck와 실전 구성Docker 기초 12편: Compose 네트워크와 VolumeDocker 기초 11편: Compose 명령어와 환경 변수Docker 기초 10편: Compose 기본 구조와 이미지 빌드Docker 기초 9편: Docker 및 Kubernetes 네트워크Docker 기초 8편: 컨테이너 런타임과 격리Docker 기초 7편: 이미지 Layer와 tar 내부 구조Docker 기초 6편: 이미지 Layer와 빌드 최적화Docker 기초 5편: 컨테이너 기본 명령어와 VolumeDocker 기초 4편: 가상화와 컨테이너 이미지 생명주기Docker 기초 3편: CI/CD 연결과 배포 원칙Docker 기초 2편: Layer, Registry, Volume과 NetworkDocker 기초 1편: Dockerfile, Image와 Container
NginxNginx 로드 밸런싱과 HTTPSNginx 리버스 프록시와 Spring Boot 연결Nginx 기초와 동작 구조
05. Pinia 상태 관리: store 설계와 사용법04. Vue 컴포넌트 설계: props, emit, slot과 생명주기03. Vue Composition API 정리02. Vue 기초 문법 점검: JavaScript, 템플릿01. Vue.js 입문: 핵심 구조와 렌더링
Java 심화 Part 3: 함수형 프로그래밍과 LambdaJava 심화 Part 2: AnnotationJava 심화 Part 1: Reflection
Java 기초 Part 5: Stream APIJava 기초 Part 4: 제네릭Java 기초 Part 3: 제어문Java 기초 Part 2: 주석과 JavadocJava 기초 Part 1: 백엔드 배경과 Java 실행 구조
Java 디버깅 Part 1: 자주 헷갈리는 핵심 개념Java 디버깅 Part 2: VS Code 자동 컴파일과 프로젝트 구조
Java 실행과 JVM Part 3: ClassLoader와 JVM 메모리Java 실행과 JVM Part 2: 메모리와 데이터 흐름Java 실행과 JVM Part 1: Java와 Python 컴파일 비교
Java 객체지향 Part 5: static 메서드와 중첩 클래스Java 객체지향 Part 4: 상속과 인터페이스Java 객체지향 Part 3: 좋은 설계와 OOP 4대 특성Java 객체지향 Part 2: OOP 핵심 문법Java 객체지향 Part 1: 클래스, 객체, 필드와 생성자
Spring 기초 Part 11: Actuator와 애플리케이션 모니터링Spring 기초 Part 10: 비동기 처리와 @AsyncSpring 기초 Part 9: JPA 트랜잭션과 동시성 제어Spring 기초 Part 8: AOP와 공통 관심사 분리Spring 기초 Part 7: Proxy 패턴과 Spring ProxySpring 기초 Part 6: JPA 연관관계 매핑Spring 기초 Part 5: EntityManager와 영속성 컨텍스트Spring 기초 Part 4: JPA, Entity와 RepositorySpring 기초 Part 3: REST API 요청값과 입력값 검증Spring 기초 Part 2: Spring MVC 요청 처리 흐름Spring 기초 Part 1: IoC, Bean, DI와 주요 Annotation
DNS = Domain Name System
Spring Boot, WebSocket, Vue, Docker 로 Raspberry Pi 실시간 모니터링 프로젝트 만들기 - 1편1. Spring Boot 구현
1. GitHub Project 만들기
Python 코드 품질: 디버깅부터 테스트와 자동화까지Python 01. 실행 구조와 실무 기초
sLLM 핵심 기술과 전체 구조제한된 자원에서 sLLM 구축하기
시대 단상에 대한 주저리주저리
WORKSPACE

SEARCH

제목, 카테고리와 태그로 검색하세요.

VERSION CONTROL

SOURCE CONTROL

masterGitHub Pages
저장소 열기
BUILD STATUS

RUN AND DEBUG

게시물은 GitHub Actions에서 검증하고 정적 페이지로 빌드합니다.

Actions 열기
WORKSPACE

MANAGE

홈 열기전체 게시물태그 보기블로그 소개
DevOps 기초 1편●
workspace>posts>devops>Devops_1.md
DevOps2026.08.071 min read1 tags

DevOps 기초 1편

DevOps의 기본 개념과 Linux, 네트워크, Docker, CI/CD로 이어지는 학습 흐름을 정리한다.

DevOps 기초

1. DevOps란?

DevOps는 단순히 Docker나 Kubernetes 같은 기술을 사용하는 것을 의미하지 않는다.

Development + Operations

코드 작성
   ↓
테스트
   ↓
빌드
   ↓
배포
   ↓
운영
   ↓
모니터링
   ↓
문제 수정
   ↓
다시 배포

이 전체 과정을 빠르고 안정적으로 만드는 개발 및 운영 방식이라고 볼 수 있다.

DevOps의 핵심은 자동화와 재현성이다.

예를 들어,

"내 컴퓨터에서는 실행되는데 서버에서는 실행되지 않는다."

라는 상황이 반복된다면 안정적인 개발 및 운영 환경이라고 보기 어렵다.

DevOps에서는 가능한 한

  • 같은 실행 환경
  • 같은 테스트 과정
  • 같은 배포 방법
  • 같은 설정 관리 방식

을 사용하도록 만들어 이러한 문제를 줄인다.


2. 가장 먼저 알아야 할 것: Linux

DevOps에서 사용하는 서버 환경은 Linux 기반인 경우가 많다.

따라서 Docker나 AWS를 배우기 전에 기본적인 Linux 명령어와 터미널 사용법을 익혀두는 것이 좋다.

참 쉽죠?

기본적으로 다음 정도는 알아두자.

pwd
ls
cd
mkdir
cp
mv
rm

cat
less
grep

ps
top
kill

chmod
chown

curl

ssh

예를 들어 현재 실행 중인 프로세스를 확인하려면 다음과 같이 사용할 수 있다.

ps aux

PID가 1234인 프로세스를 종료하려면 다음과 같이 실행한다.

kill 1234

서버가 정상적으로 HTTP 응답을 보내는지 확인할 때는 curl을 사용할 수 있다.

curl http://localhost:8000

왜 필요한가?

실제 서버에서 문제가 발생했을 때 GUI 환경이 없는 경우가 많다.

결국 터미널에서 직접

  • 프로세스가 실행되고 있는가?
  • 포트가 열려 있는가?
  • 파일 권한은 정상인가?
  • 서버가 요청에 응답하는가?
  • 로그에는 어떤 오류가 기록되었는가?

등을 확인해야 한다.


3. Shell과 환경변수

서버에서는 명령어를 반복해서 실행해야 하는 일이 많다.

이때 Bash와 같은 Shell을 사용한다.

예를 들어 Python 프로그램을 실행하려면 다음과 같이 입력한다.

python app.py

환경변수는 다음과 같이 설정할 수 있다.

export API_KEY="secret"

Python에서는 os.getenv()를 이용해 환경변수를 가져올 수 있다.

import os

api_key = os.getenv("API_KEY")

왜 필요한가?

API Key나 DB Password 같은 민감한 정보를 코드에 직접 작성하면 안 된다.

예를 들어 다음과 같이 작성하는 것은 좋지 않다.

API_KEY = "abcdef123456"

대신

코드
+
환경변수

를 분리해서 관리한다.

이 개념은 이후 배우게 될

  • Docker
  • GitHub Actions
  • AWS
  • Kubernetes

에서도 계속 등장한다.


4. Git과 GitHub

DevOps 자동화는 대부분 Git을 기반으로 시작한다.

기본적인 흐름은 다음과 같다.

코드 수정
   ↓
git add
   ↓
git commit
   ↓
git push
   ↓
GitHub

필수적으로 알아두어야 할 개념은 다음과 같다.

  • Repository
  • Commit
  • Branch
  • Merge
  • Pull Request
  • Conflict
  • .gitignore

특히 .gitignore는 중요하다.

예를 들어 Python 프로젝트에서는 다음과 같은 파일을 Git에서 제외할 수 있다.

.env
.venv/
__pycache__/

API Key가 저장된 .env 파일이나 로컬 가상환경 같은 파일은 Git 저장소에 올리지 않는 것이 기본이다.


5. 네트워크 기초

DevOps를 배우면서 의외로 자주 막히는 부분이 네트워크다.

기본적으로 다음 개념은 알아둘 필요가 있다.

  • IP
  • Port
  • DNS
  • HTTP / HTTPS
  • TCP
  • localhost
  • 127.0.0.1
  • 0.0.0.0
  • Firewall

예를 들어 FastAPI 서버를 다음과 같이 실행한다고 하자.

uvicorn main:app --host 127.0.0.1 --port 8000

127.0.0.1에 바인딩하면 기본적으로 현재 컴퓨터 내부에서만 접근할 수 있다.

반면

uvicorn main:app --host 0.0.0.0 --port 8000

으로 실행하면 서버가 모든 네트워크 인터페이스에서 들어오는 요청을 받을 수 있도록 바인딩된다.

다만 실제 외부 접근 가능 여부는 방화벽, 공유기, 클라우드 보안 설정 등에 따라서도 달라진다.

이런 차이를 이해해야 Docker나 Cloud 환경에서 서버를 배포할 때 발생하는 문제를 쉽게 파악할 수 있다.


6. 패키지와 실행 환경 관리

DevOps에서 중요한 원칙 중 하나는 다음과 같다.

내가 아니더라도 다른 사람이 같은 실행 환경을 재현할 수 있어야 한다.

개발하면서 자주 발생하는 문제가 있다.

"내 컴퓨터에서는 되는데?"

실제로는 다음과 같은 차이가 원인일 수 있다.

Python 3.11
Python 3.12

Pydantic 1.x
Pydantic 2.x

NumPy 버전 차이

따라서 프로젝트에서 사용하는 의존성을 기록한다.

대표적인 방법이 requirements.txt이다.

fastapi
uvicorn
pydantic
httpx
pytest
ruff

예를 들어 다음 명령어로 설치할 수 있다.

pip install -r requirements.txt

최근 Python 프로젝트에서는 pyproject.toml을 중심으로 프로젝트 설정과 의존성을 관리하는 방식도 많이 사용한다.

결국 중요한 것은

누가 실행하더라도 동일한 환경을 최대한 재현할 수 있도록 만드는 것

이다.


7. 코드 품질 검사

여기서 앞에서 배운 Ruff가 연결된다.

코드 문제를 검사하려면 다음과 같이 실행한다.

ruff check .

자동으로 수정 가능한 문제를 고치려면 다음과 같이 사용할 수 있다.

ruff check . --fix

코드 포맷을 정리하려면 다음과 같이 실행한다.

ruff format .

DevOps에서는 이러한 코드 품질 검사를 사람이 매번 직접 수행하는 것이 아니라 자동화된 파이프라인에 포함시키는 것이 중요하다.

Developer
   ↓
Ruff
   ↓
문제 없음
   ↓
다음 단계

문제가 발견되면 다음 단계로 넘어가지 않도록 만들 수도 있다.


8. 자동 테스트

그다음 연결되는 것이 pytest이다.

pytest

예를 들어 다음과 같은 함수가 있다고 하자.

def add(a, b):
    return a + b

테스트 코드는 다음과 같이 작성할 수 있다.

def test_add():
    assert add(1, 2) == 3

코드를 수정할 때마다 사람이 모든 기능을 직접 확인하는 대신 테스트 프로그램이 코드의 동작을 자동으로 검사한다.

코드 변경
   ↓
pytest
   ↓
PASS / FAIL

기능이 많아질수록 자동 테스트의 중요성은 더욱 커진다.


9. CI - Continuous Integration

여기서 GitHub Actions가 등장한다.

CI(Continuous Integration)는 간단하게 말하면

코드가 저장소에 올라왔을 때 자동으로 검사하고 검증하는 과정

이라고 이해할 수 있다.

예를 들어 다음과 같은 Pipeline을 구성할 수 있다.

git push
   ↓
GitHub Actions
   ↓
Ruff
   ↓
pytest
   ↓
Build

즉 개발자가 코드를 Push하거나 Pull Request를 생성하면 GitHub Actions가 자동으로 코드 품질과 테스트 결과를 검사한다.

.github/workflows/ci.yml

name: CI

on:
  push:
  pull_request:

jobs:
  test:
    runs-on: ubuntu-latest

    steps:
      - uses: actions/checkout@v4

      - uses: actions/setup-python@v5
        with:
          python-version: "3.11"

      - run: pip install -r requirements.txt

      - run: ruff check .

      - run: pytest

이렇게 설정해두면 코드가 GitHub에 올라올 때마다 자동으로

  1. Repository의 코드를 가져오고
  2. Python 3.11 환경을 구성하고
  3. 필요한 패키지를 설치하고
  4. Ruff로 코드 품질을 검사하고
  5. pytest로 테스트를 수행한다.

하나라도 실패하면 CI 역시 실패한다.

신기한데?

개발자 코드 작성
       ↓
    git push
       ↓
 GitHub Actions
       ↓
 ┌───────────────┐
 │               │
Ruff            pytest
 │               │
 └───────┬───────┘
         ↓
     PASS / FAIL

결국 DevOps의 시작은 Docker, Kubernetes가 아니라,

코드를 작성하고 → 검사하고 → 테스트하고 → 동일한 방법으로 실행하는 과정을 자동화하는 것

부터 시작한다

TAGS#DevOps
PREVIOUSPython 코드 품질: 디버깅부터 테스트와 자동화까지NEXTAI 시대, 개발자는 사라지는가?
DISCUSSION

COMMENTS

GitHub 계정으로 로그인하여 댓글을 남길 수 있습니다. 댓글은 GitHub Discussions에 공개 저장되며, 작성 내용과 GitHub 프로필 정보가 다른 방문자에게 보일 수 있습니다.

GitHub 로그인 후 댓글 쓰기Discussion 열기
DOCUMENT STRUCTURE

이 문서에는 목차가 없습니다.

DOCUMENT INFO
TYPE
Markdown
DATE
2026.08.07
READ
1 min read
WORDS
0
CATEGORY
DevOps
RELATED DOCUMENTS
Nginx 로드 밸런싱과 HTTPSNginx 리버스 프록시와 Spring Boot 연결Nginx 기초와 동작 구조실습에서는?Agile 개요, 왜 필요한가?Nginx
main DevOps
1 min readUTF-8Markdown
본문 글씨 크기
RECENTLY OPENED1
DevOps 기초 1편recently opened