Blog

이번 발표는 MSA 설계 및 구현에 대한 설명과 AI를 어떻게 접목할 수 있는 지에 대해 소개합니다.

투라인코드 김한수 이사는 MSA의 기본 구성 요소와 AI가 이 과정에서 어떻게 적용될 수 있는 지를 설명합니다.

MSA 설계 과정은 서비스 요구사항 정리, 이벤트 스토밍, 바운디드 컨텍스트 식별, 컨텍스트 맵 작성, 마이크로서비스 도출, 도메인 설계, 코드 설계 등의 단계로 구성됩니다.

• 투라인코드는 MSA 설계 및 구현에서 AI를 활용하는 방안을 소개하며, 회사의 클라우드 전문성과 개발 역량을 강조한다.
• 발표는 AI 기반 MSA의 개념 소개와 전략적 설계에서의 AI 활용 방안을 다루고, 마지막으로 회사 제품에 대한 소개로 마무리된다.

• MSA를 설계할 때 AI를 어떻게 접목할 수 있는지 및 글로벌 기업들의 구축 사례를 소개할 예정이다.
• AI MSA 설계 시 전략적으로 고려해야 할 사항에 대해 논의할 계획이다.
• MSA 구성에 엄청나게 많은 컴포넌트들이 활용된다는 점을 강조한다.
• 서비스 요구 사항을 정리하고 분석하여 개념을 식별하게 되며, 이 과정에서 바운디드 컨텍스트와 컨텍스트 맵을 생성한다.
• 설계된 도메인을 기반으로 기본 코드 설계가 이루어지며, 이를 위해 자동화된 코드와 다양한 아키텍처가 검토된다.

• 넷플릭스는 신규 서비스 배포 전, AI를 통해 기존 서비스 성능을 학습해 기대치에 미치지 못할 경우 롤백을 진행하여 배포 효율성을 향상시킨다.
• 구글은 카나리 배포 시 사용자 데이터를 실시간으로 분석하고 오류 패턴을 감지해 문제가 생기면 롤백하며, 안정성이 확보된 서비스만 대량 배포한다.
• 메타는 AI를 이용해 신규 서비스의 변경 내역을 기존 코드와 비교하여 필수 테스트만 우선 순위를 정해 수행하고 불필요한 테스트를 생략하여 배포 주기를 단축한다.
• 마이크로소프트는 배포 시간 예측과 잠재적 문제 분석을 통해 배포 프로세스를 개선하고 있다.

• MSA 서비스에서는 데이터를 분산 관리하며, 이에 따라 통합 및 동기화 전략이 필요하다.
• AI 모델은 고품질 데이터에 의존하므로, 데이터 정제 및 변화 로직의 정의가 서비스 단계에서 중요하다.
• 실시간 데이터 통신을 위해 HTTP 기반의 RESTful 방식보다는 gRPC나 웹소켓 같은 경량 프로토콜을 사용하는 것이 바람직하다.
• AI 모델의 높은 처리 시간을 고려하여 RabbitMQ나 Kafka와 같은 메시지 브로커를 활용해 비동기 통신 방식을 적용할 수 있다.
• AI 모델의 확장성을 고려해 AI 서비스 관련 마이크로서비스만 독립적으로 확장할 수 있도록 설계를 해야 한다.

• 투라코는 클라우드 네이티브환경으로 MSA 구축을 지원하는 솔루션으로, AI 기능을 통해 쉽고 빠른 재사용을 강조한다.
• 이 솔루션은 여섯 가지 기능을 제공하며, 온라인 기반 이벤트 스토밍과 UI 기반 디자인을 통해 MSA 설계를 직관적으로 지원한다.
• 클러스터 배포 리소스와 CCD 파이프라인 기능을 통해 설계된 MSA 아키텍처를 쉽게 코드로 변환하고 자동으로 배포한다.
• 투라코는 AI 기능을 이용해 도메인을 자동으로 생성하고 이를 기반으로 아키텍처 설계와 배포를 가능하게 한다.
• 마켓플레이스 기능을 통해 설계된 아키텍처를 공유할 수 있어 재사용성을 높이고 비용 절감의 장점을 제공한다.

이 발표를 통해 AI를 MSA 설계 및 구현에 접목시키는 방법과 그 과정에서 고려해야 할 사항들을 살펴 보았습니다.

• [투라인코드] AI를 활용한 MSA 설계 및 구현방안