비브로스 기술 블로그 · 2025. 05. 25.
DevLake를 활용한 DORA Metrics 지표 수집 및 시각화 도입기
AI 엔지니어링 브리핑
이 글은 Apache DevLake와 Grafana를 이용해 개발·배포 성과와 장애 대응 시간을 객관적으로 측정하고, 조직의 실제 운영 방식에 맞게 지표를 조정한 과정을 소개합니다.
문제 & 배경
- 문제 & 배경: CI/CD 자동화의 성과와 AI 도입이 생산성 및 안정성에 어떤 영향을 주었는지 확인하려면 객관적인 지표가 필요했지만, 기존 도구만으로는 서비스별 장애와 배포 결과를 정확히 구분하기 어려웠습니다.
기술 & 해결책
- 기술 & 해결책: GitHub·Jira 등의 데이터를 DevLake가 원본 데이터부터 공통 형태까지 단계적으로 수집하도록 구성하고 Grafana로 시각화했으며, Jira의 커스텀 필드를 Domain Layer로 옮기고 운영 기준에 맞게 DORA 지표 계산 쿼리도 수정했습니다.
교훈 & 주의점
- 교훈 & 주의점: 도구의 기본 지표를 그대로 사용하기보다 실제 배포 흐름과 장애 처리 방식을 먼저 정의해야 하며, API 호출 제한과 데이터 분류 기준을 고려하고 필요하면 원본 데이터와 사용자 정의 필드를 활용해 지표의 정확성을 높여야 합니다.
함께 읽을 글
내용이 비슷해요내용이 비슷한 글을 먼저 보여드려요. 같은 문제나 해결책을 다룬다는 뜻은 아니에요.