AWS CICD 방법 (2)

CodeStar

CodeStar는 모든 AWS의 CICD 서비스를 그룹화하는 통합 솔루션이다. 심지어 commit, build depoy까지 전부 관할하는 CodePipeline까지 한번에 볼 수 있다. 몇가지 클릭만으로 CICD가 적용된 EC2, 람다 프로젝트를 실행시킬 수 있다.

CodeStar에는 JIRA나 Github Issues 같은 도구로 문제 추적이 가능하다. 또한 Cloud9과 통합하면 웹 IDE에서 코딩을 통합할 수 있다. 웹 상에서 모든 컴포넌트를 볼 수 있도록 데시보드가 있으며 무료 서비스이고 CodeCommit이나 CodeBuild의 기본 사용량 만큼 요금이 부과된다.

사용시 주의 사항

CodeStar는 IAM 역할을 사용하므로 IAM Service Role을 생성해야한다.
애플리케이션 타입, 구동 플랫폼, 그리고 사용 언어에 따라 템플릿을 결정한다.
당연히 애플리케이션이기에 코드가 **소스(CodeCommit or GitHub)**에 저장되어야한다.
프로젝트기 때문에 사용자나 IAM 유저를 팀 멤버를 설정할 수 있다.
Pipeline 탭은 CodePipeline의 인터페이스를 확인할 수 있다. 여기서 커밋, 빌드, 테스트, 배포 내용을 확인할 수 있다.

AWS CodeArtifact

소프트웨어 패키지가 서로 의존하는 것은 코드 종속성이라한다. SW를 빌드할 때마다 SW를 레포지토리에 푸시하면 다른 소프트웨어가 이를 기반으로 빌드된다. 아티팩트 관리(artifacts management)는 코드 간 종속성을 저장 및 사용한다. CodeArtifact에는 일반적인 종속성 관리 도구들 (Gradlem, npm, yarn, pip,...)과 통합돼있다.

CodeArtifact를 사용하면 CodeBuild와 개발자가 클라우드 상에서 종속성을 검색할 수 있다. 이는 커스텀 라이브러리를 클라우드에서 관리하고 빌드할 때 사용할 수 있는 것이기도 하다. 개발자의 npm은 종속성이 필요한 것이 있을 때 먼저 CodeArtifact을 찾고 없다면 퍼블릭 아티팩트 레포지토리에 연결된다.

JS 개발자가 오직 CodeArtifact와만 상호작용하고 CodeArtifact 자체에 종속성이 캐시되기 때문에 퍼블릭의 상황과 무관하게 항상 빌드할 수 있는 장점이 있다. npm 뿐만 아니라 pip, Maven, NuGet 등등 많은 종속성 관리 툴에 적용된다. 또한 IT 리더가 패키지를 직접 배포 및 승인하여 CodeArtifact 내 다른 레포지토리로 푸시되도록 할 수 있다.

모든 코드가 VPC 내부의 CodeArtifact 관리 시스템 내에 패키지에 종속되게 된다. 그렇기 때문에 AWS CodeBuild가 퍼블릭 레포지토리 대신 CodeArtifact의 패키지를 fetch해서 가져올 수 있다.

CodeArtifact EventBridge

CodeArtifact가 관리하는 패키지의 생성, 수정 또는 제거가 일어날 때 Event가 생성되고 EventBridge에 전달된다. EventBridge에서는 람다, SNS, SQS 같은 서비스를 실행시킬 수 있다. 재밌는 점은 패키지가 업데이트될 때마다 CodePipeline을 트리거할 수 있다는 점이다. 그 이유는 프로젝트는 종속성에 의존하기 때문에 이 종속성에 변화가 있다면 새롭게 Commit하고 Build하며 ReDeploy하도록하여 최신의 코드가 배포될 수 있게하는 자동화 방식이다.

Resource Policy

다른 계정이나 그 역할이 CodeArtifact에 접근하려면 Resource Policy를 설정해서 권한을 부여할 수 있다. 주의할 점은 모든 레포지토리에 권한을 부여하거나 아무 권한도 부여하지 않아야한다. 크로스 계정 접근이 필요할 때마다 대부분 리소스 정책을 사용하게 된다.

Upstream repositories

한 CodeArtifact 내부에 특정 레포지토리가 다른 레포지토리를 Upstream할 수 있다. 이를 통해 개발자는 단 하나의 레포지토리에 연결함으로써 프라이빗 종속성에 액세스할 수 있고, 외부 연결을 통해 정의한 퍼블릭 종속성에도 액세스할 수 있는 장점이 있다. 하지만, 최대 10개까지 레포지토를 Upstream할 수 있고, 완벽한 캐싱 매커니즘을 위해 오직 하나의 외부 연결을 할 수 있다. 오직 하나의 외부 연결이 가능하기 때문에 외부 연결된 레포지토리를 다른 레포지토리가 Upstream하면 모든 레포지토리가 외부와 연결된 것과 동일한 효과를 얻는다.

만약 요구된 패키지 버전이 Upstream artifacts에 저장되어있다면 모든 downstream 레포지토리는 이 패키지를 사용할 수 있다. 하지만 모든 레포지토리에 요구 패키지가 없다면 퍼블릭 레포지토리에서 패키지를 가져오고 개발자 머신과 가장 가까운 레포지토리에 저장하고 퍼블릭 레포지토리와 가장 가까운 레포지토리에도 패키지를 저장한다. 개발자와 가까운 것과 외부 레포지토리와 가까운 것 두 곳에 저장하게된다. 중간 리포지토리에는 외부에서 가져온 패키지가 저장되지 않는다.

Domains

Upstream repositories와 연결하면서 외부 패키지를 캐싱하는 과정에서 한 패키지가 여러 레포지토리에 중복되어 저장되는 경우가 있다. 이때 여러 레포지토리를 하나의 Domain으로 묶어서 패키지를 통합으로 관리하여 패키지 중복을 제거하고 레포지토리는 Domain Stroage에 패키지 참조만 가지게된다. 물론 Upstream 연결은 그대로 사용할 수 있다. 또한 Upstream 레포지토리 종속성을 풀링하면 패키지 참조를 복사하기 때문에 레포지토리 간 복사가 빨라진다.

동일한 KMS 키로 모든 내용을 암호화하기 때문에 여러 팀에서 동일한 Domain을 접근할 수 있다. 그리고 레포지토리 액세스 정책을 정의하고 싶을 때 도메인 리소스 기반 정책을 정의하면 도메인 내의 모든 계정과 모든 레포지토리에 적용된다. 누가 외부연결을 설정하고 수정하는 권한을 가질지 등 고급 규칙을 정의할 수 있다.

CodeGuru

머신러닝 기반의 서비스로 자동화된 코드 검토와 애플리케이션 성능 권장 사항을 제공한다. 보통 개발자가 코드를 작성하면 다른 개발자가 코드리뷰를 진행하고, 배포 후 상태를 모니터링해야하는데 CodeGuru가 그런 역할을 수행한다. Github이나 CodeCommit에 코드를 푸시하면 CodeGuru Reviewer에서 정적 코드 분석으로 자동으로 코드를 분석하고 버그나 메모리 누수를 확인하고 실행 가능한 권장 사항을 제안한다. CodeGuru Profiler는 런타임 또는 프로덕션 중에 애플리케이션에 관한 가시성 또는 권장 사항을 제공한다. 따라서 Build&Test 시 CodeGuru Profiler가 비용이 높은 코드 줄을 감지하고 최적화하며 배포하고 애플리케이션의 성능과 비용 개선 사항을 식별해 코드에 직접 권장 사항을 제공한다.

머신 러닝 기반의 자동 추론으로 CodeGuru Reviewer는 Commit을 보고 잘못된 코드 줄(버그나 보안 취약점, 메모리 누수, 입력값 검증 )을 알려준다. CodeGuru Profiler는 런타임에서 애플리케이션을 모니터링한다. 예를 들어 로깅 루틴에서 CPU를 과도하게 사용하는 이유를 확인한다. 런타임 분석을 통해 고드 비효율성을 식별 및 삭제하고 컴퓨팅 비용을 낮추고 어떤 객체가 메모리 공간을 많이 차지하는지 식별한다.

CodeGuru Agent

CodeGuru Profiler는 agent로 작동한다. 이 agent의 설정으로 프로파일러를 미세 조정할 수 있다. 자주 더 많이 agent가 코드를 분석하고 보고서를 작성하면 그 만큼 서버의 부하에 영향을 주기 때문에 서버 성능에 맞게 필요한 만큼 설정해야한다.

MaxStackDepth : profile에서 표시될 최대 함수 길이, 예를 들어 메서드 A가 B를 호출하고 B가 C를 호출할 때 총 깊이는 3이고, MaxStackDepth를 2로 설정하면 메서드 A와 B만 평가한다.
MemoryUsageLimitPercent : agent가 메모리를 몇 퍼센트까지 사용할 수 있는지
MinimumTimeForReportingInMilliseconds : 보고서 전송 간 최소 시간
RepotingIntervalInMililiseconds : profiling 완료에 관한 보고 빈도를 설정
SamplingIntervalInMilliseconds : 샘플을 profiling하는 데 사용되는 샘플링 간격, 이 값을 낮게하면 더 많은 샘플링을 얻게 되므로 호출되는 함수나 메서드를 더 많이 포착할 수 있다.

Cloud9

클라우드 기반의 IDE, 브라우저에서 코드 편집기와 디버거 그리고 터미널까지 얻음. 세계 어디에서든 인터넷만 연결되면 작업할 수 있게한다. 또한 팀원들에게 개발환경을 공유(페어 프로그래밍)할 수 있다. AWS SAM, Lambda와 통합하여 애플리케이션을 쉽게 빌드할 수 있다.

목차