왜 지금 Arm인가, 그리고 왜 BMW 사례를 봐야 하는가

솔직히 말해서 "Arm으로 옮기면 비용 절감된다"는 얘기는 이제 새롭지 않죠. 문제는 어떻게 안전하게, 서비스 중단 없이, 팀별 속도에 맞춰 옮기느냐입니다. BMW 커넥티드 컴퍼니(산하 2,450만 대 커넥티드카 서비스 운영)가 2024년부터 진행한 마이그레이션은 바로 그 "어떻게"에 대한 답을 줍니다.

이 글의 핵심은 세 가지예요.

  • Karpenter 기반 동적 노드 프로비저닝으로 아키텍처 전환의 발판을 먼저 만든다
  • 듀얼 빌드 파이프라인(x86 + Arm 동시 빌드)으로 팀이 각자 타이밍에 옮길 수 있게 한다
  • taint/toleration 기반 옵트인 스케줄링으로 사고를 원천 차단한다

일일 13만 건 이상의 빌드/배포가 돌아가는 플랫폼에서 이걸 해냈다는 점이 실무적으로 가장 참고할 만한 부분입니다.

Cloud architecture diagram showing mixed x86 and Arm Graviton node pools in EKS cluster for connected vehicle platform System Abstract Visual

핵심 메커니즘: 듀얼 아키텍처 이미지와 옵트인 스케줄링

1) 멀티아키 이미지: 태그 하나로 amd64/arm64 모두 커버

가장 먼저 부딪히는 벽은 "이미지가 두 아키텍처를 모두 지원해야 한다"는 점이에요. BMW 팀은 두 가지 빌드 방식을 병행했습니다.

  • 에뮬레이션 빌드: Docker Buildx + QEMU로 단일 러너에서 모든 아키텍처 빌드
  • 네이티브 빌드: Graviton 러너에서 arm64를 직접 빌드

두 방식 모두 **manifest list(OCI image index)**를 퍼블리시하면, 컨테이너 런타임이 노드 아키텍처에 맞는 variant를 자동 선택합니다. 즉 태그 하나로 끝.

# GitHub Actions 워크플로 예시 (주석: 아키텍처별 네이티브 빌드 + 인덱스 생성)
jobs:
  build-amd64:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Build & push amd64
        run: |
          docker buildx build \
            --platform linux/amd64 \
            -t ${{ env.REGISTRY }}/app:${{ github.sha }}-amd64 \
            --push .

  build-arm64:
    runs-on: [self-hosted, graviton, arm64]  # Graviton 러너 라벨
    steps:
      - uses: actions/checkout@v4
      - name: Build & push arm64
        run: |
          docker buildx build \
            --platform linux/arm64 \
            -t ${{ env.REGISTRY }}/app:${{ github.sha }}-arm64 \
            --push .

  create-manifest:
    needs: [build-amd64, build-arm64]
    runs-on: ubuntu-latest
    steps:
      - name: Create & push multi-arch manifest
        run: |
          docker manifest create ${{ env.REGISTRY }}/app:${{ github.sha }} \
            --amend ${{ env.REGISTRY }}/app:${{ github.sha }}-amd64 \
            --amend ${{ env.REGISTRY }}/app:${{ github.sha }}-arm64
          docker manifest push ${{ env.REGISTRY }}/app:${{ github.sha }}

실무 팁: 의존성 다운로드가 많거나 빌드 시간이 긴 프로젝트는 QEMU 에뮬레이션 오버헤드가 치명적입니다. 이 경우 반드시 네이티브 빌드 경로를 쓰세요. 반대로 단순한 Dockerfile은 에뮬레이션 경로로 러너 비용을 아끼는 게 낫습니다.

2) 프라이빗 레지스트리 미러링: Crane으로 아키텍처 필터링

퍼블릭 이미지를 Amazon ECR로 미러링할 때, Google Crane을 쓰면 필요한 플랫폼만 필터링해서 전송합니다. 불필요한 아키텍처 이미지가 스토리지를 낭비하는 걸 막아주죠.

# Crane으로 arm64/amd64만 필터링해 미러링
crane copy \
  --platform linux/amd64,linux/arm64 \
  public.ecr.aws/nginx/nginx:1.27 \
  $ECR_REPO/nginx:1.27

3) taint 기반 옵트인 스케줄링

가장 중요한 안전장치입니다. Graviton 노드풀에 taint를 걸어두고, 준비된 워크로드만 toleration + nodeSelector로 명시적으로 진입하게 합니다.

# Graviton NodePool (Karpenter)
apiVersion: karpenter.sh/v1
kind: NodePool
metadata:
  name: graviton-pool
spec:
  template:
    spec:
      requirements:
        - key: kubernetes.io/arch
          operator: In
          values: ["arm64"]
        - key: karpenter.k8s.aws/instance-family
          operator: In
          values: ["m7g", "c7g", "r7g"]
      taints:
        - key: arch
          value: graviton
          effect: NoSchedule   # 준비 안 된 워크로드 차단
---
# 워크로드 측: 명시적 옵트인
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  template:
    spec:
      nodeSelector:
        kubernetes.io/arch: arm64
      tolerations:
        - key: arch
          value: graviton
          effect: NoSchedule

여기에 node affinity로 Arm을 "선호"하게 걸어두면, 문제 발생 시 x86으로 자연스럽게 폴백됩니다. ArgoCD 기반 GitOps라서 롤백은 Git revert 한 번이면 끝나고요.

Developer configuring multi-architecture container builds with Docker Buildx and GitHub Actions runners on terminal Software Concept Art

결과와 주의사항: 숫자로 보는 현실

성과 요약

항목Before (x86)After (Graviton)개선폭
NGINX 인그레스 CPU 사용량기준약 57% 감소↓ 57%
가격 대비 성능 (price-performance)기준약 40% 향상↑ 40%
연간 인프라 비용기준약 $600,000 절감↓ $600K
Graviton 적용 비율 (프로덕션)0%65%+—

주의할 점 (여기서 삽질 많이 합니다)

  • 에뮬레이션 빌드의 함정: QEMU는 만능이 아닙니다. 컴파일이 많은 워크로드(예: Go 바이너리, 네이티브 모듈 포함 Node)는 네이티브 빌드 대비 3~5배 느려질 수 있어요. CI 비용이 오히려 늘어날 수 있습니다.
  • CVE/불변성 관리: 퍼블릭 이미지 미러링 시 manifest 필터링을 안 하면 스토리지 비용이 조용히 늘어납니다. Crane 같은 도구로 플랫폼 지정은 필수.
  • 롤백 리스크: 듀얼 아키 이미지 + 듀얼 노드풀이 없으면 롤백 시 이미지 재빌드가 필요합니다. 이건 마이그레이션 초기에 반드시 세팅해두세요.
  • 국내 SI/엔터프라이즈 환경 맥락: 폐쇄망 환경에서는 Graviton 러너를 self-hosted로 직접 운영해야 하고, 사내 프록시/미러 레지스트리 정책과 Crane 필터링이 충돌할 수 있습니다. 또 레거시 네이티브 바이너리(특히 오래된 C 확장)가 arm64 빌드를 지원하지 않는 경우가 많아, 사전에 의존성 매트릭스를 뽑아두는 걸 권합니다.

다음 단계 학습 방향

  1. Karpenter 심화: NodePool/EC2NodeClass 설계, consolidation 정책으로 비용 최적화
  2. 크로스 컴파일: QEMU 대신 Go/Rust의 크로스 컴파일 또는 docker buildx의 --platform 최적화
  3. 관측성: Arm 노드에서의 성능 프로파일링(특히 JIT 기반 런타임) 차이 확인
  4. GitOps 롤백 자동화: ArgoCD Rollouts로 카나리 배포 + 자동 롤백 패턴 익히기

Connected vehicle fleet data visualization on dashboard highlighting 40 percent price-performance improvement after Arm migration Technical Structure Concept

정리: "한 번에 다 옮기지 마라"가 핵심

BMW 사례에서 배울 점은 기술 자체보다 전환 전략입니다.

  • 플랫폼 먼저: Karpenter, Prometheus 같은 코어 서비스로 먼저 검증하고 레퍼런스 모델을 만든다
  • 옵트인: taint/toleration으로 팀이 자기 타이밍에 옮기게 한다 (강제 마이그레이션은 사고를 부릅니다)
  • 듀얼 트랙: 이미지도, 노드풀도, 파이프라인도 두 아키텍처를 동시에 유지해 롤백 비용을 0에 가깝게

결과적으로 연 60만 달러 절감과 40% 가격 대비 성능 향상을 서비스 중단 없이 달성했습니다. 2,450만 대 커넥티드카를 굴리는 플랫폼에서요.

이 글의 원문은 AWS Architecture Blog의 근거자료에서 확인할 수 있습니다.

함께 보면 좋은 글

본 콘텐츠는 신뢰할 수 있는 출처를 바탕으로 AI 도구를 활용하여 초안이 작성되었으며, 편집자의 검토를 거쳐 발행되었습니다. 전문가의 조언을 대체하지 않습니다.