테스트 자동화 환경 개선과 Master Jenkins 구축

```html

29CM QA팀은 테스트 자동화 환경을 효과적으로 개선하기 위해 여러 가지 구조적 변화를 시도했습니다. 그 결과, Master Jenkins를 통해 모든 자동화 작업을 중앙에서 관리할 수 있는 환경을 구축하게 되었습니다. 이번 포스트에서는 이러한 개선 과정과 성공적인 통합을 이룬 비결에 대해 자세히 살펴보겠습니다.

테스트 자동화 환경 개선을 위한 구조적 변화

29CM QA팀은 초기 테스트 자동화 환경을 설정할 때 Mac Mini 한 대를 사용하여 iOS 및 Android 기기에서 자동화를 시작했습니다. 그러나 자동화 시나리오의 증가와 함께 전체 테스트 시간이 길어지는 문제를 겪으면서, 팀 내에서 정해진 20분 이내의 테스트 완료 기준을 맞추기 위한 환경 개선이 절실해졌습니다. 이러한 배경 속에서 QA팀은 여러 가지 대응책을 마련하게 되었는데, 그 중 첫 번째로 기기를 두 대씩 병렬로 연결하여 수행시간을 최적화하는 구조로 변경했습니다.

또한, 개인정보 유출 문제를 해결하기 위해 테스트용 API 서버를 구축하고, 이를 통해 API 요청으로 계정을 안전하게 관리할 수 있는 환경을 마련했습니다. 원격 근무가 잦아진 상황에서는 STF(Smartphone Test Farm)를 활용해 테스트 기기를 원격에서 조작할 수 있도록 하였으며, 마지막으로 Postgresql과 Grafana를 통한 데이터베이스화 및 대시보드를 구축하여 테스트 결과를 시각화하고 추적할 수 있게 되었습니다. 이러한 다각적인 환경 개선 노력으로 QA팀은 보다 빠르고 안전한 테스트 자동화가 가능하게 되었습니다.


Master Jenkins 구축을 통한 운영 효율성 향상

자동화 환경 개선에도 불구하고, QA팀은 여전히 Mac Mini와 Mac Studio에서 발생하는 퍼포먼스 저하 문제를 겪고 있었습니다. 이에 따라 새로운 자동화 머신을 도입하기로 결정했으며, Mac Studio를 활용하여 기존 Mac Mini와의 겹치는 환경을 최소화하는 작업을 진행했습니다. 이 과정에서 QA팀은 Master Jenkins 구성에 대한 필요성을 느끼게 되었고, 모든 자동화 작업을 중앙에서 통합 관리할 수 있는 구조를 마련하기로 하였습니다.

Master Jenkins는 AWS EC2에 구축되었고, 이를 통해 Mac Mini와 Mac Studio에 설치된 Jenkins를 유기적으로 제어할 수 있는 방식을 채택했습니다. 이렇게 함으로써, 자동화 머신의 IP 주소 변경에 따른 의존성 문제를 해결하고, 중앙에서 통합 모니터링이 가능하게 되었죠. 새로운 접근 방식을 통해 QA팀은 각 머신에 분산되어 있던 설정을 중앙에서 관리하게 되어 운영 효율성이 크게 향상되었습니다. 이 점은 특히 개별 에이전트의 장애나 IP 변경이 다른 시스템에 미치는 영향을 최소화하며, 전체 테스트 자동화 프로세스를 더욱 안정적으로 운영할 수 있는 기반이 되었습니다.


미래 지향의 자동화 환경을 향한 발걸음

최종적으로 29CM QA팀은 Master Jenkins와 노드를 구성하여 깨끗하고 효율적인 자동화 환경을 완성하게 되었습니다. 새롭게 구축된 자동화 아키텍처에서는 API 서버, Slack Bolt, 테스트 결과 DB 등 모든 서비스가 EC2에서 운영되며, Mac 머신은 오로지 테스트 실행에 집중할 수 있게 배열되었습니다. 이러한 변화는 단순한 기술적 개선을 넘어, 팀 전체의 작업 효율과 성과에 많은 긍정적인 영향을 미치고 있습니다.

QA팀은 앞으로도 자동화 프레임워크나 환경을 지속적으로 발전시켜 나갈 것이며, 그 과정에서 더 많은 혁신을 이루기 위해 노력할 것입니다. 또한, 자동화 환경의 나아갈 방향에 대해 끊임없이 고민하고 있으며, 목표는 미래의 더 향상된 V3 환경으로 발전하는 것입니다. 이러한 비전을 지향하며, QA팀은 앞으로의 여정에서도 지속적인 발전을 위해 최선을 다하겠습니다.

```

이 블로그의 인기 게시물

국제협력 촉진을 위한 AI 안전 정상회의

이미지
AI 안전과 국제 협력의 필요성 인공지능(AI)의 급격한 발전은 세계 모든 국가가 공유해야 할 새로운 과제를 던지고 있습니다. 이제 AI의 안전은 기술 경쟁이 아닌 인류 생존의 문제로 확장되었습니다. 저는 이번 서울·프랑스 정상회의의 가장 큰 의미가 “경쟁에서 협력으로의 전환”에 있다고 봅니다. 첫째, AI는 국경을 넘는 기술이기에 그 부작용 또한 전 지구적입니다. 한 나라의 AI 정책이나 오류가 다른 나라의 사회·경제 시스템에 직접 영향을 미칠 수 있습니다. 따라서 AI 안전은 특정 국가의 책임이 아닌, 국제적 공동 관리의 영역이 되어야 합니다. 둘째, 이미 인공지능의 윤리 문제는 현실화되고 있습니다. 인종·성별 편향, 개인정보 침해, 자동화로 인한 고용 불안 등은 기술 발전의 그늘이 되어가고 있습니다. 저는 이러한 문제를 해결하려면 ‘기술적 규제’보다 ‘문화적 공감’이 먼저 필요하다고 생각합니다. 각국의 가치관과 사회 시스템이 다르기 때문에, 윤리적 기준 역시 일률적일 수 없습니다. 셋째, 글로벌 협력의 핵심은 신뢰 구축입니다. AI의 안전 프레임워크는 단지 기술적 장치로 해결되지 않습니다. 정부, 기업, 연구기관 간의 투명한 데이터 공유와 정보 공개가 필수입니다. 하지만 현실적으로는 국가 간 기술 경쟁이 여전히 심화되고 있습니다. 저는 이번 회의가 그런 ‘불신의 구조’를 허무는 첫 걸음이 되어야 한다고 봅니다. 정상회의의 성과와 지속 가능한 목표 서울과 프랑스에서 열린 이번 정상회의는 AI 안전을 논의하는 역사적 분기점이었습니다. 참가국들은 공통의 원칙 아래 협력 프레임워크를 구축하고, 윤리적 AI 개발을 위한 구체적 방향을 제시했습니다. 첫 번째 성과는 **국제적 합의의 기반 마련**입니다. 주요국들이 “AI 안전 헌장” 형...
자세한 내용 보기

비디오 픽셀과 텍스트로 만드는 사운드트랙

이미지
비디오 픽셀의 시각적 요소와 사운드의 조화 인공지능은 이제 ‘보는 음악’을 만들고 있습니다. 비디오 픽셀을 통해 얻은 색상, 명도, 움직임 데이터가 사운드로 번역되는 순간, 시각적 정보는 새로운 형태의 청각적 감정으로 재탄생합니다. 저는 이 기술이 단순한 데이터 분석이 아니라 ‘감각의 교차점’을 탐구하는 예술적 시도라고 생각합니다. 픽셀의 색감이 따뜻할수록 부드러운 현악이, 빠른 움직임이 감지될수록 긴박한 타악기가 울립니다. 예를 들어, 붉은 색조가 강한 장면에서는 중저음의 리듬이 강조되고, 푸른 화면에서는 서정적인 피아노 선율이 흐르는 식입니다. 이는 감독이 미처 표현하지 못한 ‘감정의 음영’을 보완해주며, 관객에게는 장면을 ‘듣는’ 새로운 몰입 경험을 제공합니다. 물론 한계도 존재합니다. 픽셀 데이터만으로 인간의 미묘한 감정을 완벽히 포착하기는 어렵습니다. 인간은 색을 볼 때 단순히 빛의 조합이 아니라 문화적 맥락과 경험을 함께 읽어내기 때문입니다. 저는 이 지점에서 AI가 예술을 완전히 대체할 수 없다고 봅니다. 하지만 AI는 예술가의 도구로서, 감정의 스펙트럼을 넓혀주는 강력한 협력자임은 분명합니다. 텍스트 프롬프트와 감정적 뉘앙스의 표현 텍스트 프롬프트는 음악 생성의 ‘언어적 감성 키’ 역할을 합니다. AI는 문장에서 감정적 의미를 추출하고, 이를 음색과 리듬으로 변환합니다. 예를 들어 “희망”이라는 단어가 입력되면, AI는 밝은 장조의 멜로디와 상승하는 음선을 선택합니다. 반면 “불안”이라는 단어에는 긴장감 있는 현악과 불협화음이 사용됩니다. 이러한 시스템은 인간 작곡가의 ‘감정적 의도’를 이해하려는 시도로서 의미가 큽니다. 특히 영상 자막이나 내레이션 텍스트를 실시간으로 분석해 그 감정과 동기화된 음악을 생성하는 기술은 영상 예술의 몰입감...
자세한 내용 보기