개발 속도가 한 단계 업그레이드되면 데이터베이스 에스테이트가 준비될 것인가?

AI를 지원하는 도구는 코드를 생성하고 비용을 줄이는 속도를 높였습니다. 그러나 비즈니스 리더들은 이러한 효율성이为什么 혁신과 시장 출시 시간을 더 빠르게 하지 않는지 질문하고 있습니다. 전체 배달 주기를 가속화하는 대신, 이 속도의 급증은 기존 데이터베이스 변경 프로세스의 취약성을暴露시켰습니다.

過去 10년 동안 “우리는 어떻게 더 빠르게 이동할 수 있습니까?”라는 질문에 대한 대답은 더 좋은 파이프라인을 구축하고, CI/CD에 투자하고, 테스트를左側로 이동하는 것이었습니다. 이러한 투자들은 성과를 냈으며, 성숙한 엔지니어링 조직에서는 응용 프로그램 코드가 놀라운 속도로 이동했습니다. 그러나 이러한 이익은 기술 스택 전체에 균등하게 분배되지 않았습니다. 데이터베이스는 종종 특별한 경우로 취급되어 더 느린 프로세스와 수동 감독이 필요했습니다. 이러한 패턴이 개발된 이유는 데이터베이스가 비즈니스에서 실행되는 데이터를 포함하고 있기 때문에 실수가 치명적일 수 있기 때문입니다. 그러나 이러한 주의의 비용은 변경되었습니다. 개발자가 코드를 작성할 수 있는 속도와 동일한 속도로 데이터베이스를 변경하도록 DBA와 운영 팀에 압력을 가해 데이터베이스가 병목 현상을 일으키고 있습니다. 이러한 팀은 따라갈 수 없으며, 데이터베이스 변경은 AI 지원 도구가 제공하는 속도优势을 죽입니다. 하나의 제약을 해결한 코드 작성 시간은 프로세스의 다음 병목 현상을 강조했습니다. 이것은 시스템 사고를 실현한 것입니다. 그 결과 마찰은 기업에 점점 더 고통스럽게 느껴집니다.

속도와 제어는 반대되는 것이 아닙니다. 그러나 대부분의 조직은 데이터베이스 변경을 관리하는 방식이 그렇습니다.

전통적인 데이터베이스 거버넌스 모델은 분기별 릴리스 세계를 위해 설계되었습니다. 변경 요청, 승인위원회, 수동 검토 주기, 배포 전 롤백 계획이 작성되었습니다. 이것은 본질적으로 잘못된 것이 아닙니다. 그것은 배포 사이의 시간에 맞춰 자란 위험 관리였습니다. 문제는 배포 카덴스가 변경되었지만 대부분의 조직의 거버넌스 접근 방식은 따라가지 못했다는 것입니다. 팀은 지속적으로 출하하도록 예상되지만 여전히 데이터베이스 변경을 다른 시대에 구축된 프로세스를 통해 라우팅합니다. 결과는 안전이 아닙니다. 결과는 마찰, 작업-around, 및 거버넌스를 완전히 우회하는 “작은” 데이터베이스 변경의 증가하는 클래스입니다. 거버넌스가 너무 느리기 때문에 실제로 사용할 수 없습니다.

파이프라인을 느리게 하는 것이 아니라 거버넌스를 내부로 이동하는 것이 답입니다.

이 문제를 해결한 조직은 표준을 완화하지 않고 거버넌스를 빠르게 만드는 더 어려운 작업을 수행했습니다. 버전 제어된 스키마 변경, 자동 드리프트 감지, 결정론적 정책 검사가 파이프라인에 내장되어 있습니다. AI 기반 도구는 확률적이지만 거버넌스는 결정론적이어야 합니다. 예측 가능하고 반복 가능한 검사를 사용하여 모든 변경 사항이 감사 가능하고 안전 표준을 충족하는지 확인합니다. 승인은 여전히 발생합니다. 감사 트레이스는 여전히 존재합니다. 그러나 그것은 별도의 느린 프로세스로 발생하는 것이 아니라 모든 것의 흐름에서 발생합니다.
이것은 개발자 생산성 이상의 이유로 중요합니다. 규제 요구 사항은 더 가벼워지지 않습니다. GDPR, DORA(EU 디지털 운영 복원력 법), 및 다양한 산업별 규제의 조합은 데이터베이스 거버넌스가 운영적인 질문 이상의 법적 및 규제 질문이 되고 있음을 의미합니다. 추적 가능한 감사 기록을 보여줄 수 없는 조직은 물질적으로 노출됩니다. 파이프라인에 거버넌스를 내장하는 주장은 배달을 더 빠르게 만드는 것이 아니라 규모에서 추적 가능한 컴플라이언스를 만드는 것입니다.

AI는 긴급성을 가중시키고 있습니다.

현재의 AI 지원 개발 물결은 이 문제를 더 심각하게 만들고 있습니다. 개발자가 이전보다 훨씬 빠르게 응용 프로그램 코드를 생성하고 반복할 수 있을 때, 데이터베이스는 모든 것 주변에 비교하여 더 명백한 병목 현상이 됩니다. 그러나 두 번째 질서는 더 널리 논의되지 않습니다. AI 도구는 응용 프로그램 논리를 생성하는 데 매우 좋지만, 성숙한 거버넌스 없이 복잡한 라이브 프로덕션 데이터베이스의 스키마 변경의 장기적인 결과를 이해하는 데는 덜 좋습니다. 응용 프로그램 개발 속도와 AI 생성 스키마 제안의 조합은 압력을 생성하여 실수를 더 빠르게 만듭니다. 구조적인 가드레일 없이 속도는 실수를 더 빠르게 만드는 조건을 생성합니다.
이 문제를 잘 해결할 조직은 데이터베이스 거버넌스를 첫 번째 클래스 엔지니어링 문제로 취급할 것입니다. 즉, 데이터베이스 스키마에 대한 버전 제어가 mặc định이고 자동 테스트가 루틴 검사를 처리하여 수동 감독이 고위험, 고판단 변경에 집중할 수 있습니다. 마지막으로, 그것은 이전에 발생하기 전에 분기를 식별하는 드리프트 감지를 의미합니다.

대부분의 엔터프라이즈 에스테이트는 이것을 더 어렵게 만듭니다.

대부분의 이러한 관찰과 함께 있는 현실은 복합적입니다. 대부분의 엔터프라이즈 데이터베이스 에스테이트는 녹색 필드가 아닙니다. 그것은 수십 년 동안 축적된 스키마 변경, 여러 DBMS 플랫폼, 일부 온프레미스 및 일부 클라우드, 다양한 문서 및 부족한 지식이 여러 번 전환된 팀에 걸쳐 있습니다. 현대화 대화는 대부분의 조직이 없는 깨끗한 시작점을 가정합니다. 이것은 실제로 가장 어려운 곳입니다. 목표는 혁신을 지원하는 것인지, 데이터를 청소하고 마이그레이션하는 것인지, 또는 운영 복원력을 향상시키는 것인지에 관계없이, 모두 동일한 문제로 돌아옵니다. 질문은 완벽한 데이터베이스 DevOps 관행을 새로운 시스템에서 구축하는 방법이 아닙니다. 질문은 복잡한 레거시 에스테이트에서 의미 있는 거버넌스를 도입하는 방법입니다.

파이프라인에 내장된 점진적인 거버넌스는 이 질문에 대한 유일한 실제적인 답입니다. 전체 에스테이트를 재플랫폼화할 필요가 없습니다. Redgate Flyway와 같은 최신 도구는 데이터베이스를 병목 현상으로 완화하고 현재 파이프라인에서 발생하는 변경 사항을 시작하여 구축합니다.

다음 5년 동안 성장에서 승리할 조직은 가장 깨끗한 에스테이트를 가진 것이 아닙니다. 비즈니스에 필요한 속도에서 변경 사항을 신뢰할 수 있게 만든 조직, 실제 에스테이트에서 그렇게 하는 것입니다.

그것이 해결해야 할 문제입니다. 그리고 그것은 해결 가능합니다.