Earticle

초록

영어

This study designed a DevOps practice environment that automates the entire process of cloud infrastructure and application deployment by integrating Terraform and Ansible, and verified its effectiveness in enhancing practical capabilities when applied in educational settings. The practical setup involved declaratively defining infrastructure resources such as VPC, Subnet, EC2, and RDS on AWS using Terraform, and implementing automated deployment of a Flask-based artificial intelligence application (integrated with Gemini API) via Ansible. Specifically, Ansible, as a configuration management tool, was introduced to address the limitations of EC2 user_data-based automation, thereby ensuring the reliability and scalability of application installation. Furthermore, quantitative assessments of learners confirmed the educational validity of the automation-based practice environment, which allows for repeatable and less error-prone operations. Particularly, security was simultaneously ensured in DevOps practices through infrastructure design that considered fundamental cloud security elements, such as subnet separation and security group configurations. This research presents the applicability of a DevOps practice model that integrates declarative IaC (Infrastructure as Code) and configuration management tools, thereby providing a design framework that can be effectively utilized in future cloud-native practical education.

한국어

본 연구는 Terraform과 Ansible을 연계하여 클라우드 인프라 및 애플리케이션 배포 전 과정을 자동화하는 DevOps 실습 환경을 설계하고, 이를 교육 현장에 적용하여 실무형 역량 향상에 미치는 효과를 검증하였다. 실습 구성은 AWS 기반의 VPC, Subnet, EC2, RDS 등 인프라 자원을 Terraform으로 선언적으로 정의하고, Flask 기반의 인공지능 애플리케이션(Gemini API 연동)은 Ansible을 통해 자동 배포하는 방식으로 구현되었다. 특히 EC2 user_data 기반 자동화의 한계를 보완하기 위해 구성 관리 도구인 Ansible을 도입하여 애플리케이션 설치의 신뢰성과 확장성을 확보하였다. 또한 동료 전문가 대상의 정량적 설문 평가를 통해 반복 가능하고 오류 발생이 적은 자동화 기반 실습 환경의 교육적 유효성을 확인하였다. 특히 서브넷 분리와 보 안 그룹 설정 등 기본적인 클라우드 보안 요소를 고려한 인프라 설계를 통해 DevOps 실습에서의 보안성을 동시에 확보하였 다. 본 연구는 선언형 IaC와 구성 관리 도구를 통합한 DevOps 실습 모델의 교육 적용 가능성을 제시함으로써, 향후 클라우드 네이티브 기반 실무 교육에 효과적으로 활용될 수 있는 설계 프레임워크를 제공한다.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
2.1 DevOps와 인프라 자동화 관련 연구
2.2 Terraform과 Ansible의 기술 개요 및 비교
2.3 인공지능 서비스의 클라우드 인프라 요구사항
2.4 기존 교육 및 실습 사례 분석
3. 실습 환경 및 아키텍처 설계
3.1 전체 시스템 구성 개요
3.2 서비스 구조: Flask 기반 인공지능 API 연동 및 데이터 저장 구조
3.3 AWS 인프라 구성 요소 (VPC, Subnet, EC2, ALB, RDS 등) 및 보안 고려사항
3.4 실습 구성 흐름도 및 자동화 연계 구조
4. 인프라 자동화 구현
4.1 Terraform 설치 및 환경 구성
4.2 AWS Provider 설정 및 변수 관리
4.3 VPC 및 서브넷 구성 및 보안고려
4.4 EC2 인스턴스 및 키 페어 구성
4.5 ALB, Target Group, Listener 구성 및 보안고려
4.6 RDS(MySQL) 인스턴스 구성 및 보안고려
4.7 Output 구성 전략
5. 애플리케이션 자동 배포 구현
5.1 Ansible 인벤토리 및 Role 기반 구성
5.2 Flask 앱 자동 배포 및 RDS 연동
5.3 Gemini API를 활용한 AI 서비스 구현
5.4 배포 자동화 검증: 로그 확인, 웹 응답 테스트
6. 실습 효과 분석 및 교육적 시사점
6.1 실습 구성의 교육 효과
6.2 동료 전문가 대상 설문을 통한 실습 난이도 및 교육 효과 평가
6.3 교육용 DevOps 실습의 한계점 및 확장
6.4 보안을 내재한 클라우드-AI 앱 통합 교육의 실천적 가치
7. 결론 및 향후 연구
참고문헌

키워드

저자

• 허준 [ Heo Jun | 한국인터넷진흥원/연구위원 ] 주저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  융합보안논문지 [Jouranl of Information and Security]

• 간기

  연5회

• pISSN

  1598-7329

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 005 DDC 005