데이터 애플리케이션 참조 패턴
데이터 애플리케이션을 데이터 랜딩 존에 온보딩할 때 팀은 전용 리소스 그룹, 서브넷, 공유 리소스에 대한 액세스 권한을 부여합니다. 이 시점부터 환경의 소유권은 각각 데이터 애플리케이션 팀에 전달됩니다. 이러한 팀은 엔드투엔드 구현 및 비용 소유권에 대한 책임을 져야 합니다.
시작 방법을 간소화하고 리드 타임을 줄여 특정 사용 사례에 대한 환경을 만들려면 조직 내부적으로 참조 패턴을 제공할 수 있습니다. 이러한 참조 구현은 데이터 일괄 처리, 스트리밍 데이터 처리 또는 데이터 과학과 같은 특정 사용 사례에 대한 서비스 집합을 만들고 성공 경로를 보여주기 위한 IaC(Infrastructure as Code) 정의로 구성됩니다. 잠재적으로 이러한 패턴에는 데이터 솔루션을 구현할 때 기준으로 사용할 수 있는 제네릭 애플리케이션 코드도 포함됩니다. 데이터 애플리케이션 참조 패턴은 조직마다 다를 수 있으며, 데이터 랜딩 존에서 자주 사용되며 반복적으로 사용되는 데이터 구현 패턴과 활용 도구에 따라 크게 달라질 수 있습니다. 클라우드 규모 분석은 또한 기준으로 사용할 수 있고 요구 사항에 따라 기업에서 더욱 향상될 수 있는 큐레이팅된 데이터 애플리케이션 참조 디자인 집합을 제공합니다. 해당 사례는 다음에서 찾을 수 있습니다.
다른 자동화를 사용하여 잠재적인 마찰 지점을 더욱 줄이고 데이터 애플리케이션 팀을 위해 초기 패턴 배포도 자동화할 수 있습니다. 자세한 내용은 클라우드 규모 분석을 위한 플랫폼 자동화 및 DevOps를 살펴보세요.
궁극적인 목표는 솔루션의 전체 코드베이스를 소유해야 하므로 이러한 참조 구현을 데이터 애플리케이션 팀에 넘겨주는 것입니다. Azure 템플릿 사양과 같은 추가 추상화 계층도 선택 가능하지만, 이러한 리소스를 소유하고 유지 관리하는 중앙 팀에서 필요한 변경 내용을 다시 요청해야 하므로 마찰 지점 수가 늘어날 수 있습니다. 그런 다음, 중앙 팀은 변경 내용을 테스트하고 릴리스하기 위한 조치를 취해야 합니다. 또한 다른 템플릿 사양 소비자에게 영향을 주지 않도록 보다 복잡한 릴리스 관리 프로세스가 필요할 수 있습니다. 마지막으로 각 팀이 템플릿 내에서 특정 변경 내용을 적용하기 위해 다른 매개 변수를 노출해야 할 수 있으므로 시간이 지남에 따라 템플릿이 더 복잡해질 수 있습니다. 따라서 데이터 애플리케이션 팀이 필요한 경우 필요한 변경을 수행할 수 있으므로 참조 패턴을 전달하는 것이 가장 쉽고 효과적인 솔루션입니다. 이러한 팀을 IaC 개념에 노출하는 것은 시간이 걸릴 수 있지만 궁극적으로는 데이터 플랫폼에서 더 나은 엔지니어링 사례를 만드는 좋은 방법입니다.
자세한 내용은 클라우드 규모 분석 크기 조정을 참조하세요.