익숙하지 않은 클라우드 아키텍처를 이해하는 방법

1. 데이터 허브로 아키텍처 가져오기

Lucidscale의 왼쪽 패널로 이동하여 '데이터 가져오기'를 선택해서 클라우드 공급업체 메타데이터를 가져와 현 상태를 정확하게 확인합니다. Lucidscale은 AWS, Azure 및 GCP와 함께 작동합니다. 자세한 지침은 데이터를 가져오는 방법이 설명된 도움말 센터 문서를 확인하세요.

2. Lucidscale에서 새 모델 만들기

가져온 데이터에서 모델을 자동 생성합니다. Lucid 문서 메뉴에서 '+신규'를 선택하고 Lucidscale 위로 마우스 커서를 가져가 AWS, Azure 또는 GCP를 선택합니다. 그러면 데이터 소스를 선택하고 프롬프트로 표시되는 단계를 완료하여 모델을 만들 수 있습니다. 필터를 적용하고, 보기를 맞춤 설정하고, 연결된 리소스를 표시하는 등 다양한 기능을 사용할 수 있습니다.

3. 클라우드 인프라의 맞춤 보기 만들기

기존의 보기를 사용하거나 맞춤 보기를 만들어 클라우드 계정의 특정 리소스나 섹션을 필터링하세요. 그러면 팀이 특정한 리소스 유형에 중점을 두고, 토글하여 선을 표시하거나 없애고, 여러 리소스의 연결 관계를 파악할 수 있습니다.

4. 조건부 서식 지정

사용자는 Lucidscale의 조건부 서식 지정 기능을 이용하여 기반 메타데이터에 따른 특정 리소스를 강조 표시할 수 있습니다. 예를 들어, 사용자는 특정 크기를 초과하는 S3 버킷이나, 계정 내 여러 애플리케이션을 가리키는 애플리케이션 태그를 타게팅할 수 있습니다.  
 

Lucidscale을 통해 효율적으로 클라우드 아키텍처를 캡처하고, 관련 구성 요소를 필터링하고 이해관계자와 빠르게 공유할 수 있습니다. 예를 들어, 당사의 한 고객은 컨설턴트의 도움을 받아 클라우드 마이그레이션을 진행하고자 했습니다. 마이그레이션 전에 우수문서관리기준이 없었던 이 고객은 컨설턴트들에게 빌드한 모든 요소를 문서화해달라는 부탁을 하지 않았습니다. 때문에 마이그레이션이 완료된 후 이 고객은 컨설턴트들이 실제로 무엇을 빌드했는지 알 수가 없었습니다. 

실제로 컨설팅 회사가 전달한 계정을 수동으로 다이어그램화하기까지 몇 개월이나 소요되었습니다. 하지만 고객은 아키텍처가 자사의 보안 요구 사항을 준수하며 희망하는 대로 작동한다는 사실을 검증해야만 했습니다. 수동 문서화는 속도가 느리며, 사람이 오류를 범할 수 있습니다. 문서를 만든 직원들은 이전에 계정을 본 적이 없었으며 빌드에도 참여하지 않았으므로, 탐색이 극도로 어려운 클라우드 콘솔에서 찾아낸 사항만을 기반으로 문서를 만들었습니다.

때문에 그림 전체를 파악하지 못한다는 사실이 명확해지자, 이 고객은 Lucidscale을 사용해보기로 했습니다.

Lucidscale을 사용하여 문서를 자동 생성하기 시작한 후, 문서화 프로젝트에 투입된 한 직원이 1주일 걸릴 일이 반나절만에 해결된다고 이야기했습니다. 또한 Lucidscale에서 생성된 문서는 수동으로 만들어진 문서보다 더 정확했습니다.

따라서 팀은 문서를 만드는 일에서 해방되어 실제로 빌드된 요소를 분석하고 이해하는 데 시간과 리소스를 집중할 수 있었습니다.

클라우드 환경은 기업에게 놀라운 수준의 유연성과 자유를 선사하지만, 이 환경에 대한 이해가 부족한 경우 좌절감과 위험이 증가할 수 있습니다. 수동 문서화는 많은 비용이 소요되며, 클라우드를 제대로 알지 못하는 데서 기인하는 위험을 완화할 수도 없습니다.

가장 좋은 옵션은 필요할 때마다 모델을 빠르게 업데이트할 수 있는 자동화된 플랫폼을 통해 정확한 문서를 빌드하는 것입니다. Lucidscale은 현 상태를 나타내는 모델을 만듭니다. 이러한 모델은 손쉽게 맞춤 설정하고 공유하며 업데이트할 수 있어서 팀원들 및 기타 기여자들의 이해를 항상 일치시킬 수 있습니다.