CI/CDDevOps 학습 로드맵 · 23/28편

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.

2026-09-1512 min read
#카나리 배포#블루그린 배포#Argo Rollouts#Prometheus#배포 전략
DevOps 학습 로드맵시리즈 목차
1채용공고 요구사항 6개 중 자신 있게 답할 수 있는 게 절반도 안 됐다2kubeadm으로 온프레미스 Kubernetes 클러스터를 처음부터 세우는 절차3FastAPI 서비스 골격, RabbitMQ DLQ, Harbor+Trivy, Jenkins→ArgoCD 파이프라인 구축 절차4Argo Rollouts로 카나리 배포와 Prometheus 메트릭 기반 자동 롤백 붙이기5yaml 복붙 관리의 드리프트 문제를 Kustomize overlay로 구조화하기6Terraform과 Ansible로 클러스터를 코드에서 다시 세울 수 있게 만드는 절차7Prometheus·Loki·OpenTelemetry로 세운 관측 스택 - 메트릭·로그·트레이스를 하나로8관측 스택이 진짜로 장애를 잡는가 - 노드 다운·OOMKill·디스크풀 직접 주입해보기9SLI/SLO/에러 버짓을 실제로 계산해서 배포 판단 기준으로 써보기10임계값 없이 - 통계 기반 이상탐지로 Datadog Watchdog 흉내내기11Grafana OnCall로 PagerDuty 없이 온콜·에스컬레이션 구현하기12자체 JWT 구현부터 취약점 실험, Keycloak 마이그레이션까지의 실제 절차13ISMS-P 인프라 영역 심사를 가정하고 내 클러스터의 증적을 만드는 절차14SealedSecret이 못 남기는 것 - OpenBao + External Secrets Operator로 감사 로그 확보하기15번외: 더미 워커를 실제 ONNX 추론으로, GPU 스케줄링까지 교체하는 절차16번외: 인터넷을 완전히 끊고도 클러스터가 돌아가는지 - 폐쇄망(에어갭) 시뮬레이션 절차17번외: 부하테스트로 관측 스택을 실전 검증하기 - k6 + HPA + MSA 파이프라인18번외: DORA 4대 지표를 Four Keys로 자동 집계해보기19실무와 다른 4가지를 채우려고 로드맵을 이렇게 짰다20OpenSearch·Loki·Datadog, 로그 스택은 왜 하나로 안 끝나는가21Control-Plane HA는 언제 정당한가 - etcd 쿼럼, kube-vip 페일오버, cordon/drain의 수학22OpenTelemetry는 무엇을 표준화하는가 - Prometheus·Grafana·Loki·Tempo가 실제로 맞물리는 지점23Helm은 템플릿 도구가 아니라 릴리스 버전 관리자다24카나리 배포와 블루그린 배포, 뭐가 다르고 언제 뭘 써야 하는가25SRE는 정확히 무엇을 하는 직군인가 - '운영을 소프트웨어 문제로 본다'는 말의 실체26온콜은 왜 필요하고, 어떻게 지속 가능하게 운영하는가27IaC는 한 계층이 아니다 - Terraform·Packer·Helm이 각각 다루는 것, 그리고 RKE2 vs kubeadm28SLI·SLO·에러 버짓과 온콜·에스컬레이션 - 숫자로 문제를 정의하고 사람에게 연결하기

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

카나리블루그린
트래픽 전환 방식점진적(5%→20%→50%→100%)즉각적(스위치 한 번)
신규 버전 초기 용량트래픽 비율만큼만풀 스케일 전체
피해 범위(문제 발생 시)그 시점 트래픽 비율만큼으로 제한스위치 전이면 0, 스위치 후면 전체
롤백 속도즉시(비중을 0으로)즉시(스위치를 원복)
실트래픽 검증 시점전환 도중 계속전환 이후부터
신규·기존 버전 동시 존재 기간김(단계별 대기 시간만큼)없음(스위치는 순간)
인프라 비용상대적으로 낮음순간적으로 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