클라우드 네이티브 성숙도 모델: CNMM과 BOSIO로 전환 단계 진단하기
CNMM(On-Premise~Cloud-Native) 4단계와 BOSIO(Build-Operate-Scale-Improve-Optimize) 5단계를 매핑해 클라우드 네이티브 전환의 기술·운영 성숙도를 진단하는 방법을 정리한다.
2026-08-13 · 최초 발행 2025-11-28
쿠버네티스와 CI/CD 파이프라인을 도입했다고 해서 조직이 클라우드 네이티브 단계에 도달한 것은 아니다. 기술 채택과 운영 역량은 같은 속도로 성숙하지 않는 경우가 많고, 이 간극을 진단하지 않으면 플랫폼만 앞서가고 운영은 여전히 티켓 중심에 머문다. 클라우드 네이티브 성숙도 모델(Cloud-Native Maturity Model, CNMM)과 BOSIO(Build–Operate–Scale–Improve–Optimize) 프레임을 함께 쓰는 이유가 여기에 있다.
CNMM 4단계와 BOSIO 5단계
CNMM은 기술 채택 수준을 넷으로 나눈다. **CNMM 0(On-Premise)**은 데이터센터 중심 아키텍처, 수동 프로비저닝, 변경 주기가 고비용인 구조다. **CNMM 1(Cloud-Enabled)**은 IaaS 기반 마이그레이션에 기본 자동화를 일부 도입하고 관리형 서비스를 부분적으로 쓰는 단계다. **CNMM 2(Cloud-Optimized)**는 컨테이너·IaC·관측성을 표준화하고 오토스케일·셀프힐링 체계를 구축한다. **CNMM 3(Cloud-Native)**은 마이크로서비스·서비스 메시·플랫폼 엔지니어링을 확립하고 제품형 운영과 SRE를 내재화한 상태다.
BOSIO는 운영 역량을 다섯 레벨로 나눈다. **Level 1(Build)**은 CI/CD를 기본화하고 컨테이너 빌드 체인·아티팩트 관리를 구축하는 단계다. **Level 2(Operate)**는 모니터링·알림·런북·릴리스 게이트를 도입하고 초기 SRE 관행을 적용한다. **Level 3(Scale)**은 멀티리전/멀티존, 오토스케일 표준화, 카나리아·블루그린 전개를 확립한다. **Level 4(Improve)**는 DORA/SLI·SLO 기반 개선 루프와 카오스 엔지니어링·사후검토를 체계화한다. **Level 5(Optimize)**는 FinOps·자원 효율화·지능형 스케줄링으로 비용·성능·신뢰성을 동시에 최적화한다.
두 모델은 CNMM 0→1 전환에서 BOSIO Level 1(Build)에 중점을 두고, CNMM 1이 정착하면 Level 2(Operate)를 강화하는 식으로 맞물린다. CNMM 1→2 확장은 Level 3(Scale) 추진과, CNMM 2 고도화는 Level 4(Improve) 내재화와, CNMM 2→3 최적화는 Level 5(Optimize) 완성과 짝을 이룬다. 원칙은 기술 채택(what)과 운영 역량(how)을 상호 동기화하며 성숙시키는 것이다.
성숙도를 구성하는 핵심 축
전략·거버넌스 — 제품 중심 팀 토폴로지로 전환하고 플랫폼 책임 범위를 정의한다. 표준 가드레일(보안, 규정준수, 비용 한도)을 코드화하고 정책 집행을 자동화한다.
플랫폼·아키텍처 — 컨테이너 오케스트레이션(Kubernetes) 기반 표준 플랫폼을 구축하고, 서비스 메시·API 게이트웨이·이벤트 버스 같은 공통 역량을 제공한다.
운영·SRE·관측성 — SLI/SLO·에러버짓·런북·사고관리 체계를 표준화하고, 수집→수정→예방으로 이어지는 피드백 루프를 자동화하며 카오스 실험을 주기화한다.
데이터·일관성·보안 — 데이터 계층의 고가용성과 복구목표(RPO/RTO)를 설계하고 일관성 수준을 명시한다. 제로트러스트·IAM·비밀관리·서플라이체인 보안을 통합한다.
비용·FinOps — 태그/라벨링을 표준화하고 단위 비용(서비스/트랜잭션)을 측정한다. 예산 예측, 권장사항 리코멘더, 스케줄링으로 자동 최적화한다.
단계별로 무엇이 달라지는가
| 지표 | CNMM 0: On-Premise | CNMM 1: Cloud-Enabled | CNMM 2: Cloud-Optimized | CNMM 3: Cloud-Native |
|---|---|---|---|---|
| 성능 | 수직 확장 중심 | IaaS 크기 조정 | 오토스케일·캐싱·비동기 처리 적용 | 워크로드 인식 스케줄링·eBPF 최적화 |
| 확장성 | 수동 용량 증설 | 기본 오토스케일 제한적 | 수평 확장 표준화, HPA/VPA 활용 | 다중 리전·글로벌 트래픽 엔지니어링 |
| 일관성 | 수동 배포·환경 편차 큼 | IaC 부분 적용 | 풀 IaC·정책코드(OPA)·템플릿 일관성 | 플랫폼 API 기반 완전 일관성 |
| 안정성 | 단일 AZ/DR 미흡 | 스냅샷/백업 수준 DR | 멀티 AZ·실패 도메인 분리 | 리전 DR·카오스 실험·셀프힐링 완성 |
| 운영 편의 | 수동 운영·티켓 중심 | 대시보드·알림 기초화 | 관측성 통합·런북 자동화 | SRE 운영, 에러버짓 기반 의사결정 |
진단부터 최적화까지의 흐름
현행 자산/아키텍처 인벤토리, 규제·보안 요구, 비즈니스 KPI 정의를 입력으로 시작해, CNMM 성숙도 진단과 격차 분석을 거쳐 BOSIO 단계별 백로그를 수립한다. 플랫폼 패턴(IaC, 네트워크, 보안, 데이터)을 설계하고 점진적 릴리스 전략을 정한 뒤, 자동화 파이프라인·관측성·SLO·비용 가시화 체계를 구축한다. 출력으로는 단계별 KPI(리드타임, 실패율, 가용성, 단위 비용) 달성과 운영 표준 정립이 남는다.
규제 강도가 높으면 데이터 주권·키관리(BYOK)를 채택하고 리전·영역 설계를 강화한다. 레거시 종속이 크면 스트랭글러 패턴을 적용하고 이벤트 브로커로 분리한다. 배포가 실패하면 자동 롤백과 카나리아 중단 게이트를 쓰고 무과실 포스트모템 문화를 지킨다. 비용이 초과하면 예산 가드레일 알림 → 권장사항 적용 → 스케줄 조정을 자동화한다.
보안과 속도는 파이프라인에 SAST/DAST/SCA를 삽입하는 순간부터 긴장 관계다. 리드타임 증가와 취약점 대응 시간 단축을 맞바꾼다. 멀티클라우드와 락인 회피는 공통 추상화 설계로 이식성을 확보하는 대신 성능 최적화를 일부 포기할 수 있다는 뜻이다. 일관성과 가용성은 멀티리전 환경에서 데이터 일관성 수준을 비즈니스 요구에 맞춰 합의해야 하는 선택의 문제다.
적용 사례
레거시 모놀리식 애플리케이션 전환에는 Build→Operate→Scale 단계를 적용한다. 컨테이너화와 CI/CD를 구축하고 IaC로 네트워크·보안을 표준화한 뒤, 관측성을 통합하고 알림 임계치를 설정하며 카나리아 릴리스를 적용한다. 데이터 리드 리플리카를 도입하고 HPA 기반으로 수평 확장한다.
B2C 서비스의 글로벌 확장에는 Scale→Improve 단계를 적용한다. 멀티리전 트래픽 스티어링과 블루그린·지역별 점진 배포를 구성하고, SLI/SLO를 정립해 에러버짓 기반으로 릴리스 속도를 조절한다.
비용이 급증한 서비스의 최적화에는 Improve→Optimize 단계를 적용한다. 워크로드별 권장 인스턴스 타입과 예약/세이빙스 플랜을 적용하고, 비활성 시간 스케줄러·자동 정지·온디맨드→스팟 전환 정책을 도입하며, p95 지연 시간과 단위 비용을 동시에 최적화 목표로 삼는다.
결합 적용의 기대 효과
CNMM 단계와 BOSIO 운영 프레임을 함께 적용하면 배포 빈도가 35배 증가하고, 변경 실패율은 50% 이상 감소하며, MTTR은 3060% 단축된다. 가용성은 0.51.5퍼센트포인트 향상되고 리전 장애 대응 시간은 60% 단축된다. 단위 업무량 대비 인프라 비용은 2035% 절감되며 비즈니스 실험 속도가 빨라진다. 감사·규정준수가 자동화되면서 보안 사고 노출 면적도 줄어든다.
진단 → 표준화 → 확장 → 개선 → 최적화의 반복 루프를 KPI 중심으로 검증하고 가드레일을 자동화하는 것이 지속 가능한 전환의 조건이다.