카나리 배포와 블루그린 배포, 뭐가 다르고 언제 뭘 써야 하는가
둘 다 '배포하다가 문제가 생기면 빠르게 되돌린다'는 같은 목표를 갖고 있지만 방식은 정반대다. 트래픽을 나눠서 흘리는 카나리와, 통째로 스위치하는 블루그린의 메커니즘 차이, 각각의 트레이드오프, 그리고 검증 로직은 왜 두 전략이 공유할 수 있는지까지 정리한다.
왜 이 둘을 같이 놓고 보게 됐나
"점진적 배포"를 이야기할 때 카나리와 블루그린을 같이 묶어 말하게 되는데, 막상 "둘이 정확히 뭐가 다른가요"라고 되물으면 "카나리는 나눠서, 블루그린은 한 번에"라는 한 줄 이상으로 설명하기가 생각보다 어렵다. 이 글은 그 둘을 메커니즘 레벨로 뜯어보고, 왜 두 전략이 같은 검증 로직(AnalysisTemplate)을 공유할 수 있는지까지 정리한 기록이다. 실제 구축 절차(Argo Rollouts 설치, YAML 작성)는 시리즈 4에 있으니, 이 글은 개념과 트레이드오프에 집중한다.
둘 다 같은 문제에서 출발한다
기본 Deployment 롤링 업데이트는 새 파드가 헬스체크(liveness/readiness)만 통과하면 옛 파드를 계속 줄이고 새 파드를 계속 늘린다. 문제는 "프로세스가 떠 있다"와 "이 버전이 제대로 동작한다"가 다른 질문이라는 것이다 - /healthz는 200을 반환하는데 특정 API의 에러율만 조용히 올라가는 배포는 롤링 업데이트가 절대 잡아내지 못한다.
카나리와 블루그린은 둘 다 이 문제 - "새 버전이 실제로 괜찮은지 트래픽을 태워보면서 확인하고, 문제가 있으면 빠르게 되돌린다" - 를 풀기 위한 전략이다. 다만 "트래픽을 어떻게 나눠서 태워보느냐"의 방식이 정반대다.
카나리(Canary) - 조금씩 늘려가며 확인한다
새 버전에 트래픽을 5% → 20% → 50% → 100%처럼 단계적으로 흘려보낸다. 각 단계마다 일정 시간 대기하거나, 메트릭 기준(에러율·레이턴시)을 자동으로 쿼리해서 통과해야 다음 단계로 넘어간다. 기준을 못 넘으면 그 자리에서 트래픽 비중을 0으로 되돌린다.
- 핵심 아이디어: 문제가 있는 버전이라도 피해 범위(blast radius)를 트래픽의 일부로 제한한 채로 발견한다. 5% 단계에서 에러율이 튀면, 나머지 95% 사용자는 영향을 받지 않은 채로 롤백된다.
- 필요 인프라: 신규/기존 버전을 동시에 띄워두고, 그 사이 트래픽 비율을 세밀하게 조절할 수 있는 라우팅 계층(Nginx Ingress 애노테이션, 서비스 메시, 또는 Argo Rollouts 같은 컨트롤러)이 필요하다.
- 적합한 경우: 사용자 수가 많고 트래픽이 꾸준히 유입되는 서비스. 단계마다 "실제 트래픽 표본"으로 검증할 수 있어야 의미가 있기 때문에, 트래픽이 거의 없는 서비스에서는 5% 단계 자체가 통계적으로 무의미해질 수 있다.
- 트레이드오프: 전체 전환까지 시간이 걸린다(단계별 대기 시간이 쌓이므로). 또한 신규·기존 버전이 동시에 떠 있는 동안 두 버전이 같은 DB 스키마·API 계약을 봐야 한다는 제약이 있다 - 하위 호환을 깨는 배포는 카나리로 점진 전환하는 도중에 양쪽 버전이 동시에 실패할 수 있다.
블루그린(Blue-Green) - 통째로 준비했다가 한 번에 스위치한다
새 버전(Green)을 기존 버전(Blue)과 별개로 완전히 통째로 띄워두고, 준비가 끝나면 트래픽을 라우팅 스위치 한 번으로 전부 새 버전으로 넘긴다. 문제가 생기면 스위치를 원래대로 되돌리기만 하면 되므로 롤백이 즉각적이다.
- 핵심 아이디어: 카나리처럼 "일부 트래픽으로 실험"하는 게 아니라, 사전 검증(smoke test, 수동 확인)을 충분히 마친 뒤 한 번에 전환하는 방식이다. 그래서 전환 자체는 순간적이고, 원복도 순간적이다.
- 필요 인프라: 신규 버전 전체를 운영 버전과 동일한 용량으로 미리 띄워둘 자원이 필요하다 - 즉 평소보다 순간적으로 2배의 컴퓨팅 자원이 필요하다는 뜻이다. 카나리는 새 버전을 트래픽 비율만큼만 작게 띄워도 되지만, 블루그린은 처음부터 풀 스케일로 띄워야 한다.
- 적합한 경우: 전환 시점을 명확히 통제하고 싶은 서비스, 또는 카나리처럼 신규·기존 버전이 오래 동시에 떠 있는 걸 피하고 싶은 서비스(예: 스키마 마이그레이션이 걸려서 두 버전이 오래 공존하면 위험한 경우).
- 트레이드오프: 인프라 비용(순간 2배 자원)과, "일부 실사용자 트래픽으로 미리 검증"하는 단계가 없다는 점 - 스위치 이후에야 실트래픽을 받기 때문에, 카나리보다 실사용 조건에서의 검증은 늦게 이뤄진다.
표로 정리하면
| 카나리 | 블루그린 | |
|---|---|---|
| 트래픽 전환 방식 | 점진적(5%→20%→50%→100%) | 즉각적(스위치 한 번) |
| 신규 버전 초기 용량 | 트래픽 비율만큼만 | 풀 스케일 전체 |
| 피해 범위(문제 발생 시) | 그 시점 트래픽 비율만큼으로 제한 | 스위치 전이면 0, 스위치 후면 전체 |
| 롤백 속도 | 즉시(비중을 0으로) | 즉시(스위치를 원복) |
| 실트래픽 검증 시점 | 전환 도중 계속 | 전환 이후부터 |
| 신규·기존 버전 동시 존재 기간 | 김(단계별 대기 시간만큼) | 없음(스위치는 순간) |
| 인프라 비용 | 상대적으로 낮음 | 순간적으로 2배 |
왜 두 전략이 같은 검증 로직을 공유할 수 있는가
Argo Rollouts 기준으로 보면 카나리(strategy.canary)와 블루그린(strategy.blueGreen) 둘 다 AnalysisTemplate이라는 같은 메커니즘을 쓸 수 있다 - Prometheus에 에러율·레이턴시를 쿼리해서 기준을 통과하는지 확인하는 로직 자체는 동일하고, 그 결과를 언제(카나리는 각 단계 사이, 블루그린은 전환 직전 prePromotionAnalysis) 쓰느냐만 다르다.
즉 두 전략의 차이는 "무엇으로 검증하는가"가 아니라 "트래픽을 어떤 모양으로 흘려보내는가" 에 있다. 검증 기준(어떤 메트릭이 얼마나 나쁘면 실패로 볼 것인가)은 완전히 별개의 문제고, 같은 기준을 두 전략 모두에 재사용할 수 있다는 게 Argo Rollouts 같은 도구가 두 전략을 같은 CRD 안에서 strategy 필드 하나로 스위치 가능하게 만든 이유다.
실무 vs 개인 프로젝트 - 어디까지가 실제 경험인가
이 주제를 다룰 때 정직하게 구분해야 하는 지점이 있다.
- 실무에서 한 것: Prometheus 메트릭으로 상태를 확인하면서 신규 버전에 트래픽을 점진적으로 확대하는 카나리 배포. 이건 실제 운영 환경에서 표준으로 썼던 방식이다.
- 개인 프로젝트에서 더 깊게 판 것: Argo Rollouts CRD로 5%→20%→50%→100% 단계를 코드로 명시하고,
AnalysisTemplate으로 Prometheus 에러율을 자동 쿼리해 기준을 넘으면 사람 개입 없이 즉시 롤백되는 구조, 그리고 같은 검증 로직을 재사용하는 블루그린 옵션까지 - 이건 실무에서 정확히 이 툴체인·설정값을 썼는지와는 별개로, 개인 프로젝트에서 직접 구성하고 의도적으로 에러율 높은 이미지를 배포해 자동 롤백이 실제로 동작하는지까지 검증해본 것이다.
카나리 배포 자체를 해봤다는 것과, 그 배포를 자동 롤백까지 딸린 완전한 시스템으로 구성해봤다는 것은 별개의 주장이다 - 이 둘을 구분해서 말하는 게 오히려 더 신뢰가 가는 답변이 된다.
체크리스트
- 카나리와 블루그린이 "무엇을 검증하느냐"가 아니라 "트래픽을 어떤 모양으로 흘리느냐"에서 갈린다는 것을 설명할 수 있는가
- 카나리의 피해 범위 제한 메커니즘과, 신규·기존 버전이 오래 공존할 때의 하위 호환 리스크를 설명할 수 있는가
- 블루그린이 순간적으로 2배 자원이 필요한 이유와, 실트래픽 검증이 스위치 이후에야 시작된다는 한계를 설명할 수 있는가
- Argo Rollouts에서 두 전략이 같은 AnalysisTemplate(검증 로직)을 공유할 수 있는 이유를 설명할 수 있는가
- 실무 카나리 경험과 개인 프로젝트에서 구성한 자동 롤백·블루그린 옵션을 구분해서 말할 수 있는가