소속팀: Developer팀 작성자: 유수영
프로그램을 올리는 일과 검색 서비스를 준비하는 일은 다릅니다.
처리 정책·모델·실행 환경까지 연결해야 같은 조건을 비교할 수 있습니다. 배포가 끝나도 기존 문서의 재처리와 검색 반영은 남을 수 있습니다. 검토한 구성이 실제 근거로 이어졌는지 확인한 뒤 운영 준비를 판단합니다.
1. 같은 프로그램인데 예외 조항이 사라졌습니다 💬
시범 서비스에서는 신청 기한의 예외 조건을 정확히 찾았습니다. 그런데 운영에 적용하자 같은 질문에서 예외 조항이 사라졌습니다. 프로그램은 같아도 분할 정책·임베딩 모델·조회한 서비스 버전은 다를 수 있습니다.
표의 제목을 보존하도록 분할을 개선했다고 가정해 보겠습니다. 운영 작업이 이전 정책을 쓰거나 기존 결과를 재사용하면 검색 근거는 그대로입니다. 새 프로그램의 전달만 확인해서는 이 차이를 설명하기 어렵습니다.
배포 담당자는 구성 반영을, 운영자는 실행 성공을 봅니다. 업무 담당자는 답변에서 최신 조건을 확인할 수 있는지 봅니다.
그림 1. 문서를 검색 준비 데이터로 옮기는 AI 생성 일러스트입니다. 실제 Databricks 화면은 아닙니다.
이 글은 서비스 설정으로 실행 작업을 생성하는 기존 프로젝트의 배포 구조를 살펴봅니다. 어떤 원문을 어떤 조건으로 처리했고, 어느 검색 경로에서 제공하는지 연결하는 이야기입니다. 코드와 구성값은 교육용 예시이며 실제 원격 배포 결과는 아닙니다.
2. 배포할 조건과 확인할 결과를 짝지어 둡니다 🧭
재현 가능성은 결과가 달라졌을 때 입력·설정·실행 환경을 대조할 수 있다는 뜻입니다. 모델 응답을 매번 문자 단위로 같게 만든다는 뜻은 아닙니다.

그림 2. 처리 조건을 재현하고 실제 검색 근거까지 확인합니다. 기존 개념도와 draw.io 원본을 유지했습니다.
| 관리 대상 | 달라졌을 때의 증상 | 운영에서 확인할 근거 |
|---|---|---|
| 프로그램·의존성 | 일부 문서 형식만 실패 | 실제 배포 식별과 실행 환경 |
| 처리 정책 | 표 제목이나 예외 누락 | 적용 정책과 대표 문서 결과 |
| 임베딩 모델 | 벡터 규격·검색 품질 변화 | 모델·차원·질문 측 호환성 |
| 원문 개정 | 이전 기한이 답변에 등장 | 원문과 게시 결과의 연결 |
| 실행 주체 | 수동은 되고 예약은 실패 | 운영 주체의 실제 접근 결과 |
| 자동 실행 조건 | 새 문서가 계속 대기 | 트리거 상태와 최근 실행 |
| 검색 연결 | 새 결과 대신 이전 근거 조회 | 조회 대상과 동기화 검증 |
Databricks의 Declarative Automation Bundles는 코드와 작업 등의 리소스 정의를 함께 관리합니다. 이전 명칭은 Databricks Asset Bundles이며, 이 글에서는 배포 묶음이라고 부르겠습니다. 구성 검증·배포·실행을 나누어 진행할 수 있습니다. 공식 배포 묶음 안내
3. 초기 준비와 서비스 작업 배포를 구분합니다 📦
현재 사례에는 소스만 전달하는 초기 준비와 서비스 설정을 포함한 작업 배포가 있습니다. 초기 준비는 이후 설정 작업에 쓸 재료를 전달하는 단계입니다. 수신·문서 처리·복구 작업까지 모두 생성됐다는 뜻으로 읽으면 안 됩니다.
서비스 작업 배포에서는 설정을 검증한 뒤 작업 정의를 생성합니다. 활성 버전·처리 정책·실행 자원·입력 연결 조건을 반영합니다. 생성한 정의를 적용 전에 이전 구성과 비교할 수 있어야 합니다.

그림 3. 구성 반영·실행 성공·사용자 제공 준비를 차례로 확인합니다. 점선은 검증 실패 시 복구를 검토하는 흐름입니다.
아래 JSON은 개발과 운영이 함께 볼 검토용 배포 명세입니다. 실제 API 입력 규격은 아니며 모델 이름과 차원도 설명용입니다.
|
{ |
|---|
배포 식별은 변경을, 서비스 버전은 처리 구성을, 원문 개정은 문서의 시점을 구분합니다. 셋을 나누어야 코드 변경과 문서 내용 변경을 혼동하지 않습니다.
4. 버전과 정책의 연결을 실행 전에 확인합니다 🧩
새 버전을 추가하면서 처리 정책을 빠뜨릴 수 있습니다. 화면에 버전이 보여도 특정 문서 유형을 처리할 조건이 없으면 실행 중에 실패합니다.
현재 구현은 중복 없는 숫자형 버전과 문서 범주별 정책 등을 검증합니다. 아래는 버전 중복과 정책 연결만 보여 주는 작은 예제입니다. 인증·모델 연결·문서 형식별 처리 가능성은 별도로 확인해야 합니다.
|
import re VERSION = re.compile(r”(?:0|[1-9][0-9]*)(?:\.(?:0|[1-9][0-9]*))*”) def validate_versions(versions, policies): versions = validate_versions( |
|---|
새 정책의 효과는 동일한 문서와 질문으로 평가합니다. 이후 Python 예제는 앞의 함수를 재사용하며 외부 서비스를 호출하지 않습니다.
환경별 차이는 의도적으로 남깁니다
개발과 운영의 모든 값이 같아야 하는 것은 아닙니다. 원문 저장 위치·실행 주체·자원 규모는 달라도 비교할 정책과 모델 조건은 맞춰야 합니다. 허용할 차이를 먼저 정하면 운영으로 무엇을 옮길지 명확해집니다.
아래 YAML은 대상과 환경별 변수만 보여 주는 발췌입니다. 리소스와 인증 설정을 갖춘 완성형 배포 정의는 아닙니다. 세부 구성은 공식 배포 구성 설명을 참고합니다.
|
bundle: |
|---|
대상 이름이 prod라고 운영 모드나 다른 워크스페이스가 자동 선택되지는 않습니다. 접속 대상·실행 주체·리소스 정의·배포 모드를 함께 검토합니다. 사용자에게 중요한 것은 대상 이름보다 실제 운영 조건입니다.
5. 검토한 구성과 실제 실행값을 연결합니다 🔗
같은 배포 이름으로 내용이 달라질 수 있어 구성의 요약값을 남깁니다. 다음은 딕셔너리 키 순서가 달라도 같은 구성으로 판단하는 예제입니다.
|
import hashlib |
|---|
요약값은 포함한 데이터의 차이를 찾는 장치입니다. 배포자의 신원을 증명하는 서명은 아닙니다. 코드나 의존성 내용을 넣지 않았다면 그 차이도 감지하지 못합니다. 배포 식별과 실제 산출물의 검증 정보를 함께 보존하는 방식으로 확장합니다.
실행별 매개변수나 운영 화면의 변경으로 기본값과 실제 값이 달라질 수도 있습니다. Databricks는 실행과 복구 실행에서 Job 매개변수를 재정의할 수 있습니다. 전달 방식은 Task 유형별로 확인합니다. 작업 매개변수 안내
6. 서비스 버전마다 처리 흐름을 나눕니다 🌿
현재 내보내기 경로는 수신·문서 처리·실패 재처리를 별도 작업으로 구성합니다. 공통 문서 등록 뒤 버전별로 정제·게시·검색 동기화를 진행합니다.

그림 4. 두 버전을 동시에 처리할 수 있는 예시입니다. 마지막 점검은 종료 상태를 살피며 업무 품질 통과를 대신하지 않습니다.
동시에 처리할 버전 수에는 한도가 있습니다. 한 묶음의 버전들은 각자의 흐름을 진행하고, 다음 묶음은 앞 묶음의 검색 작업 성공을 기다립니다. 모든 버전이 매 계층마다 함께 기다리는 구조와는 다릅니다.
다음은 작업 의존성만 표현한 교육용 모형입니다. 실제 실행 대상·매개변수·실패 조건은 생략했습니다. 동시 처리 수는 이 사례의 상한인 8 이하로 제한합니다.
|
def make_graph(versions, concurrency): |
|---|
예제는 마지막 점검의 의존성만 표현하며 실행 조건은 담지 않았습니다. 현재 구현은 선행 작업의 성공 여부와 관계없이 종료 후 점검하도록 구성합니다. 점검이 실행됐다고 앞선 실패가 성공으로 바뀌지는 않습니다.
버전 목록이나 동시 처리 수를 바꾸면 의존성도 달라집니다. 설정만 저장하고 원격 작업까지 바뀌었다고 가정하지 말고 배포된 그래프를 확인합니다. 분리된 버전이 공유하는 자원과 저장 대상도 함께 살펴봅니다.
7. 자동 실행을 켜기 전에 무엇이 준비됐는지 봅니다 🚦
배포됐는데 새 문서가 계속 대기할 수 있습니다. 이때 자동 실행 조건이 파일 도착인지 예약 시각인지부터 확인합니다. 현재 내보내기 경로는 수신과 문서 처리에 파일 도착 조건을 사용합니다.
실패 재처리는 별도 예약 시각을 사용합니다. 내보낸 구성은 두 종류의 자동 실행을 기본적으로 중지 상태에 둡니다.
직접 생성하는 기본 작업 정의는 활성 상태를 사용합니다. 따라서 배포 방식별 실제 적용값을 확인해야 합니다. 중지 상태로 내보냈다는 사실만으로 현재 운영도 중지됐다고 단정하지 않습니다.
그림 5. 근거를 대조하며 운영 준비를 확인하는 AI 생성 일러스트입니다. 실제 Databricks 검증 화면은 아닙니다.
다음은 실패 재처리의 예약 부분만 발췌한 예제입니다. Quartz 형식으로 한국시간 매일 오전 2시를 나타내며 중지 상태를 유지합니다. 완전한 작업 정의에 포함해서 쓰는 조각입니다.
|
schedule: |
|---|
예약에서는 시각과 시간대를 함께 확인합니다. 정밀한 실시간 타이머는 아니므로 처리 시간과 시작 지연도 계획에 포함합니다. 세부 동작은 Databricks 작업 예약 안내를 참고합니다.
| 상황 | 먼저 확인할 것 | 다음 조치 |
|---|---|---|
| 새 입력이 있지만 실행 없음 | 도착 대상과 중지 상태 | 입력 연결과 활성화 확인 |
| 복구 작업이 시작되지 않음 | 예약 시간대와 중지 상태 | 다음 예약과 실패 대상 확인 |
| 같은 자료가 중복 처리됨 | 구·신규 작업의 활성 상태 | 입력 소유 범위와 진행 기록 대조 |
| 수동 실행만 정상 | 실행 주체와 매개변수 차이 | 실제 운영 조건으로 확인 |
자동 실행을 중지해도 이미 진행 중인 작업은 별도로 확인해야 합니다. 전환할 때는 진행 중인 게시와 검색 동기화의 반영 범위를 살펴봅니다. 기존 진행 기록의 초기화와 새 배포 적용도 서로 다른 작업으로 계획합니다.
8. 배포 확인 화면에서는 대상과 변경 범위를 읽습니다 🖥️
화면 1. 어떤 리소스가 바뀌는지 확인합니다
이 화면은 개발 대상의 배포를 확인하는 공식 예시입니다. 바뀔 리소스의 수·이름·유형을 살펴볼 수 있습니다. 새 작업을 기대했는데 기존 작업만 갱신된다면 정의와 대상을 다시 대조합니다.
워크스페이스 UI에서는 대상을 고르고 검증 결과를 검토한 뒤 배포합니다. 화면의 CLI 버전과 이름은 샘플이며 권장값이나 실제 서비스 값은 아닙니다.
그림 6. 공식 문서의 개발 대상 배포 예시입니다. 출처: 워크스페이스에서 배포하고 실행하기, 확인일: 2026-11-16.
구성 검증 통과와 서비스 준비 완료를 구분합니다
다음은 배포 정의와 인증을 갖춘 환경에서 사용하는 CLI 예시입니다. 작성 과정에서 원격 검증이나 배포를 수행한 것은 아닙니다. 운영 대상의 접속 정보를 확인한 뒤 구성 검토에 사용할 수 있습니다.
|
databricks –version |
|---|
검증 통과는 도구가 확인한 구성 조건을 만족했다는 뜻입니다. 원문 접근·모든 형식의 변환·대표 질문의 정확성까지 증명하지는 않습니다.
9. 실제 실행 환경과 운영값의 차이를 확인합니다 ⚙️
현재 서비스 작업은 기존 컴퓨트에서 소스 기반 작업을 실행합니다. 소스 전달만으로 라이브러리와 모델 자산까지 준비되지는 않습니다. 실행 자원과 의존성을 별도로 확인해야 합니다.
아래는 실제로 관측한 정보를 검토 조건과 비교하는 함수입니다. 환경을 자동 조회하지 않으므로 관측값은 해당 실행에서 수집해야 합니다.
|
def environment_gaps(expected, observed): |
|---|
예제에서는 모델 호출을 확인하지 못했습니다. 이 문제를 해결하고 실제 운영 주체로 대표 문서를 끝까지 처리해 봅니다. 원문 읽기·결과 쓰기·모델 호출은 각각 다른 권한과 연결 조건을 쓸 수 있습니다.
운영 화면에서 바꾼 값도 다음 배포와 연결합니다
장애 대응 중 재시도 횟수나 자원을 바꿀 수 있습니다. 검토한 정의에 반영하지 않으면 다음 배포에서 이전 값이 다시 적용될 수 있습니다.
|
def configuration_changes(expected, observed, keys): |
|---|
실제 API 값에는 숫자·문자열 등의 표현 차이가 있으므로 정규화도 필요합니다. 시각과 상태 등 변동하는 응답 전체를 통째로 비교하지 않습니다.
차이를 찾았다고 곧바로 기대값으로 덮어쓰지는 않습니다. 긴급 변경인지 검토에서 빠진 변경인지 판단하고, 합의한 조건을 배포 정의에도 반영합니다.
10. 배포한 그래프와 실제 실행 결과를 대조합니다 🔍
화면 2. 버전별 분기와 실패 지점을 확인합니다
Graph 화면은 Task 의존성과 실행 상태를 보여 줍니다. 배포한 버전의 분기가 있는지, 정제·게시·검색 순서를 따르는지 확인합니다. 첨부한 공식 예시에서는 한 분기가 실패하고 다른 분기는 성공했습니다.
실제 적용 버전은 작업 이름만 믿지 않습니다. 해당 실행의 매개변수와 결과에서도 대조합니다. 화면은 본문의 문서 처리 그래프를 촬영한 것이 아닙니다.
전체 작업의 표시만으로 문서별 결과를 판단하지 않습니다. 마지막 점검이 실행돼도 개별 실패나 검색 미반영이 남을 수 있습니다.
그림 7. 공식 문서의 실행 그래프 예시입니다. 출처: Lakeflow Jobs 실행 모니터링, 확인일: 2026-11-16.
11. 새 배포와 기존 자료의 재처리 범위를 나눕니다 🔄
프로그램을 바꿔도 이미 저장된 조각과 벡터가 자동 교체되지는 않습니다. 기존 결과를 재사용할지, 새 정책으로 다시 만들지 판단해야 합니다. 가장 이른 영향 단계부터 후속 결과를 확인하는 방식으로 범위를 정리합니다.
| 변경 조건 | 재처리 판단의 출발점 | 후속 확인 |
|---|---|---|
| 원문 해석 방식 | 본문 추출 | 분할·임베딩·게시·검색 |
| 분할 정책 | 검색 조각 생성 | 임베딩·게시·검색 |
| 임베딩 모델 | 벡터 생성 | 인덱스 호환성·질문 측 모델 |
| 검색 설정 | 기존 게시 결과의 재사용 판단 | 동기화 또는 인덱스 재구성 |
| 예약 시각 | 보통 문서 재처리와 무관 | 다음 실행과 적체 해소 |
다음은 변경의 영향을 빠뜨리지 않기 위한 검토 보조 함수입니다. 실제 재처리나 인덱스 이관을 실행하지 않습니다. 여러 변경이 겹치면 가장 앞선 영향 단계를 반환합니다.
|
def reprocessing_start(changes): |
|---|
효과를 비교할 때는 원문 개정과 대표 질문을 고정합니다. 중간에 새 개정이 들어오면 다른 개정의 결과가 섞이지 않도록 구분합니다. 평가 문서만 통과한 상태와 전체 제공 대상의 처리가 끝난 상태도 나눕니다.
새 작업을 만든다는 이유로 기존 수신 진행 위치와 이력을 초기화하지 않습니다. 재수신 범위와 중복 처리에 영향을 줄 수 있으므로 필요하다면 별도 이관 계획을 세웁니다. 어느 단계가 진행 기록을 소유하는지도 먼저 확인합니다.
12. 운영 준비는 대표 문서와 검색 근거로 판단합니다 ✅
배포 뒤에는 운영 주체로 대표 문서를 끝까지 처리합니다. 수신·등록·본문 정리·분할·벡터 생성·게시·검색 반영을 차례로 대조합니다. 아래는 그 결과를 배포와 연결하는 가상 기록입니다.
|
{ |
|---|
문서 한 건의 통과가 전체 자료의 준비 완료를 뜻하지는 않습니다. 배포 식별·서비스 버전·원문 개정·검색 검증을 함께 읽는 데 목적이 있습니다. 예외 조건과 적용 대상, 원문 근거를 확인하고 이전에 잘 찾던 질문도 비교합니다.
다음 함수는 정해진 확인 항목 중 무엇이 남았는지 보여 줍니다. 증거를 수집하거나 검색 품질을 자동 평가하는 기능은 아닙니다.
|
REQUIRED_CHECKS = ( |
|---|
13. 복귀할 때는 코드와 데이터, 조회 경로를 함께 봅니다 🛠️
이전 프로그램을 다시 배포해도 새 정책으로 게시한 결과는 남을 수 있습니다. 같은 인덱스를 갱신하는 구조라면 마지막 성공 기록이 이전 검색 데이터의 사본도 아닙니다. 복구 계획에는 실행 구성·저장 결과·조회 경로를 각각 포함합니다.
| 관측한 문제 | 우선 확인 | 복구 검토 범위 |
|---|---|---|
| 새 실행의 의존성 오류 | 환경과 적용 배포 | 코드·의존성 복구 후 재실행 |
| 새 분할에서 근거 누락 | 동일 원문의 버전별 결과 | 이전 정책으로 재처리·게시 |
| 벡터 규격 불일치 | 모델·차원·검색 규칙 | 호환되는 벡터와 인덱스 |
| 새 게시 뒤 검색 이상 | 동기화 범위와 조회 대상 | 게시·검색 반영 재검증 |
| 구·신규 작업 중복 실행 | 입력 범위와 진행 중 실행 | 자동 실행 조정·이력 대조 |
이전 결과와 별도 검색 리소스를 복귀에 쓰려면 조회 전환 기능과 결과 호환성이 준비되어야 합니다. 서비스 버전을 만들었다고 원자적인 전환이나 자동 롤백이 제공되지는 않습니다.
복구 후에는 처음 문제가 된 질문과 예외 조건을 다시 검증합니다.
보고도 ‘이전 버전 배포 완료’에서 끝내지 않습니다. 어떤 개정이 어떤 처리 조건으로 제공되는지와 검색에서 확인한 범위를 적습니다. 남은 실패 문서는 정상 제공 범위와 구분해 후속 조치로 연결합니다.
14. 표의 예외를 보존하는 새 정책을 적용한다면 💡
가상의 안내문 서비스에서 표 제목이 잘려 예외 대상을 찾기 어렵다는 의견이 들어왔습니다. 버전 1.0은 유지하고 제목과 본문을 함께 묶는 정책을 2.0에 연결합니다. 같은 개정의 문서와 신청 기한·예외 질문으로 비교합니다.
정책과 모델 조건을 검증한 뒤 생성된 그래프를 검토합니다. 중지 상태로 배포하고 대표 문서의 게시와 검색 근거를 확인합니다. 코드 전달·문서 재처리·검색 반영은 다른 완료 항목으로 기록합니다.
평가 후에는 전체 처리 범위와 자동 실행 상태를 정합니다. 사용자 조회가 새 버전 결과를 가리키는지 확인하고 운영 제공을 결정합니다. 이전 결과의 보존 기간과 복구에 필요한 처리 범위도 함께 준비합니다.
| 담당자 | 인계할 내용 | 상대가 판단할 수 있는 것 |
|---|---|---|
| 개발 | 변경 목적과 처리 조건 | 어떤 결과가 달라져야 하나 |
| 배포 | 대상·변경 리소스·배포 식별 | 검토한 구성이 반영됐나 |
| 운영 | 실제 실행값·진행 범위·실패 대상 | 자동 처리를 계속할 수 있나 |
| 품질 | 질문·원문 개정·검색 근거 | 업무에 제공할 준비가 됐나 |
15. 결론: 배포 조건을 사용자가 보는 근거까지 연결합니다 🌱
배포는 검토한 처리 조건을 운영의 실제 실행으로 옮기는 과정입니다. AI Ready Data 서비스에서는 이 연결을 게시 결과와 검색 근거까지 이어 가야 합니다. 그래야 개발에서 확인한 변화가 운영에도 적용됐는지 설명할 수 있습니다.
프로그램·정책·모델·환경을 구분해 기록하고 실제 실행값과 대조합니다. 배포와 재처리를 나누어 판단하며, 복귀할 때는 데이터와 조회 경로도 확인합니다. 이 근거가 남으면 문제가 생겨도 원인을 좁히고 필요한 범위부터 복구할 수 있습니다. 🤝
참조 출처 📚
- Databricks — Declarative Automation Bundles: 배포 묶음의 목적과 검증·배포·실행 구분을 참고했습니다.
- Databricks — 배포 구성: 대상과 환경별 설정 표현을 확인했습니다.
- Databricks — 워크스페이스 배포: 배포 확인 화면과 리소스 검토 절차를 참고했습니다.
- Databricks — Job 매개변수: 실행별 재정의와 Task별 전달 방식을 확인했습니다.
- Databricks — 작업 예약: 예약 시각·시간대·시작 지연의 특성을 참고했습니다.
- Databricks — 실행 모니터링: Graph 화면의 의존성과 실행 상태를 참고했습니다.
공식 문서 확인일은 2026-11-16입니다. 두 일러스트는 AI 생성 이미지이며, 세 도식은 프로젝트 설계를 설명하는 개념도입니다. 코드와 구성은 교육용으로 단순화했습니다. 원격 배포나 실제 검색 품질 검증을 수행한 기록은 아닙니다.
태그 🏷️
#Databricks #DBX #AIReadyData #서비스버전 #배포자동화 #재현가능성 #문서재처리 #검색품질 #운영전환