Please enable JavaScript.

Coggle requires JavaScript to display documents.

CI/CD로 Github Actions를 사용한 이유는 무엇인가요? - Coggle Diagram

- - - - 코드가 통합될 때마다 자동으로 빌드 및 테스트를 수행하여 잠재적인 오류를 빠르게 발견하고 해결
  - - - Continuous Delivery는 수동 승인 후 배포
      - Continuous Deployment는 모든 단계를 자동화하여 코드가 메인 브랜치에 병합되면 자동으로 운영 환경에 배포
- - - - 서버리스(Serverless) 아키텍처
        
        CI/CD 작업을 위한 별도의 서버를 구축하고 관리할 필요가 없습니다.
        
        GitHub에서 제공하는 호스팅된 러너(Runner)를 사용하며, 사용한 만큼만 비용을 지불하는 방식
      - 유지보수 비용 절감
        
        서버 인프라 관리, OS 업데이트, 보안 패치 등 Jenkins와 같은 온프레미스(On-premise) 솔루션에서 발생하는 유지보수 비용과 시간을 절약할 수 있습니다.
      - 무료 사용량 제공
        
        오픈 소스 프로젝트나 개인 프로젝트의 경우 상당한 양의 무료 사용 시간을 제공
        
        이는 소규모 프로젝트나 학습용으로 매우 매력적
  - - - 쉬운 워크플로우 정의 (YAML)
        
        YAML 기반으로 워크플로우를 정의하며, 직관적이고 가독성이 높아 학습 곡선이 낮습니다.
        
        다양한 예제와 템플릿이 제공되어 빠르게 시작할 수 있습니다.
      - 커뮤니티 기반의 풍부한 액션 마켓플레이스
        
        다양한 개발자들이 공유하는 액션(Action)들을 마켓플레이스에서 찾아 재사용할 수 있습니다.
        
        이는 빌드, 테스트, 배포 등 복잡한 작업을 위한 스크립트 작성 시간을 절약하고, 개발자들이 핵심 비즈니스 로직에 집중할 수 있도록 돕습니다.
      - Git과의 완벽한 통합
        
        GitHub 저장소 내에서 직접 워크플로우를 관리하고 실행할 수 있어 컨텍스트 스위칭이 적습니다.
        
        Pull Request, Issue 등 GitHub의 다른 기능들과의 연동도 매우 유연합니다.
  - - - 병렬 실행 및 매트릭스 빌드
        
        여러 환경에서 동시에 테스트를 실행하거나, 다양한 버전의 의존성 조합으로 빌드 및 테스트를 수행하여 광범위한 검증을 가능하게 합니다.
      - 롤백 및 재시도 메커니즘
        
        실패한 워크플로우를 자동으로 재시도하거나, 문제가 발생했을 때 이전 성공적인 배포 버전으로 롤백하는 기능을 구현
      - 환경 설정 및 비밀 관리
        
        Environments, Secrets 기능을 통해 민감한 정보(API 키, 자격 증명)를 안전하게 관리
        
        특정 환경(예: Production)에 배포할 때 승인 절차를 강제
      - 워크플로우 가시성 및 모니터링
        
        GitHub UI에서 워크플로우의 실행 상태, 로그, 오류 등을 실시간으로 확인할 수 있어 문제 발생 시 빠른 진단 및 해결이 가능
- - - - 이를 호스팅할 서버 인프라(하드웨어, 클라우드 인스턴스) 비용과 운영 및 유지보수에 드는 인건비가 발생
        
        특히 트래픽이 많거나 복잡한 빌드 환경에서는 이러한 비용이 크게 증가할 수 있습니다.
  - - - 이러한 기능들을 직접 구성하고 관리해야 합니다.
        
        특히 보안 취약점 관리나 비밀 정보 관리는 사용자의 책임이 크며, 대규모 환경에서는 복잡도가 높아질 수 있습니다.
  - - - 플러그인 관리, 마스터-에이전트 구성, 서버 관리 등 초기 설정 및 유지보수에 많은 시간과 노력이 필요
        
        워크플로우 정의도 Groovy 스크립트 등으로 작성해야 하는 경우가 많아 상대적으로 러닝 커브가 높을 수 있습니다.