Skip to content
BranchesTags

Repository files navigation

Docker Class Master 2

선수 repo - https://github.com/edumgt/edumgt-lab-init

목차

0. 폴더 구조

docker-class/
├── docker-basics/                         # Docker 기초 (01~05장)
│   ├── 01-Docker-Introduction/            # Docker 개념 소개
│   ├── 02-Docker-Installation/            # 설치 가이드 (Windows/macOS/Linux)
│   ├── 03-Pull-from-DockerHub-and-Run-Docker-Images/  # Hub에서 Pull & Run
│   ├── 04-Build-new-Docker-Image-and-Run-and-Push-to-DockerHub/  # 이미지 빌드·Push
│   └── 05-Essential-Docker-Commands/      # 핵심 CLI 명령어 모음
│
├── devsecops-on-prem/                     # DevSecOps On-Prem 도구 (06~11장)
│   ├── 06-Jenkins-Server-On-Prem/         # Jenkins LTS 온프레미스 구축
│   ├── 07-GitLab-CE-On-Prem/              # GitLab CE 온프레미스 구축
│   ├── 08-SonarQube-On-Prem/              # SonarQube 코드 품질 분석
│   ├── 09-Nexus-Repository-On-Prem/       # Nexus 아티팩트 저장소
│   ├── 10-Drone-CI-On-Prem/               # Drone CI 경량 파이프라인
│   └── 11-Integrated-DevSecOps-Lab/       # 전체 스택 통합 실습 (Traefik·Keycloak·Vault·Trivy·Prometheus·Grafana·Loki)
│
├── ai-tools/                              # AI 환경 구축 (설치 순서대로 넘버링)
│   ├── README.md                          # 단계별 마스터 가이드
│   ├── 01-llm-server/                     # Step 1: Ollama LLM 서버 (RTX 3080 GPU)
│   ├── 02-vector-db/                      # Step 2: Vector DB (Qdrant·pgvector·Chroma·Weaviate)
│   ├── 03-webui/                          # Step 3: Open WebUI 브라우저 채팅 UI
│   ├── 04-rag-stack/                      # Step 4: 통합 RAG 스택 (Ollama+Qdrant+WebUI)
│   └── 05-ai-dev-container/               # Step 5: AI 응용 개발 컨테이너 (Python·Jupyter·FastAPI)
│
├── _shared-advanced-core/                 # Advanced 과정 공용 리소스 (12~20장 내용 포함)
│   ├── labs/
│   │   ├── day01/  → Docker 개요 & 첫 걸음
│   │   ├── day02/  → 컨테이너 심화 (프로세스/자원/IO)
│   │   ├── day03/  → Dockerfile & 이미지 빌드
│   │   ├── day04/  → 이미지 최적화 (멀티스테이지)
│   │   ├── day05/  → 네트워킹 (브리지/DNS/통신)
│   │   ├── day06/  → 스토리지 & 백업/복구
│   │   ├── day07/  → Compose 실전
│   │   ├── day08/  → 디버깅 & 운영
│   │   └── day09/  → Jenkins CI 파이프라인
│   ├── capstone/                          # 캡스톤 프로젝트
│   ├── docs/                              # 강의 문서
│   └── templates/                         # 공용 템플릿
│
├── _shared-onprem-core/                   # OnPrem 솔루션 공용 리소스 (21~25장 내용 포함)
│   ├── solutions/
│   │   ├── odoo/     → Odoo ERP
│   │   ├── erpnext/  → ERPNext
│   │   ├── tryton/   → Tryton
│   │   ├── taiga/    → Taiga (프로젝트 관리)
│   │   └── zulip/    → Zulip (팀 메시지)
│   ├── captures/                          # 실습 캡처 이미지
│   ├── docker/                            # 공용 DB 초기화·인증 스크립트
│   └── scripts/                           # 오케스트레이션 스크립트
│

1. 시작 전 준비사항

Important

실습을 시작하기 전에 아래 항목을 모두 확인하세요. 기술 스택 이해도와 PC 사양에 따라 진행 가능한 단계가 달라집니다.

0-1. 개인별 습득해야 할 기술 스택

기초 — docker-basics/ (01~05장 필수)

영역 필요 역량 참고 자료
CLI / 터미널 명령줄 기본 사용법 (pwd, ls, cd, cat, grep 등) Linux 기초 명령어
Git clone, add, commit, push, pull 기본 흐름 Git 공식 문서
Linux 기초 파일 권한, 환경변수, 프로세스, 패키지 관리(apt/yum) —
네트워크 기초 IP, 포트, DNS, TCP/UDP 개념 이해 —
Docker 기초 이미지/컨테이너/볼륨/네트워크 개념, Dockerfile 문법 Docker 공식 튜토리얼

중급 — devsecops-on-prem/ (0611장) + _shared-advanced-core/labs/ (Advanced day0109)

영역 필요 역량
Docker Compose docker-compose.yml 작성, 멀티 컨테이너 의존 관계 제어
CI/CD 개념 파이프라인 단계(빌드→테스트→배포), Webhook 트리거 이해
Jenkins Declarative Pipeline(Jenkinsfile) 작성 기초
GitLab 브랜치 전략, Merge Request, CI/CD 연동 개념
SonarQube 품질 게이트, 코드 커버리지 개념
Nexus / Harbor 아티팩트·이미지 저장소 구조 이해
역방향 프록시 Traefik / Nginx 라우팅, TLS 종료 개념
보안 기초 시크릿 관리(Vault), SSO(Keycloak), 이미지 취약점 스캔(Trivy)
모니터링 Prometheus 메트릭 수집, Grafana 대시보드, Loki 로그 집계

심화 — _shared-onprem-core/solutions/ (2125장) + ai-tools/ (2728장, 선택)

영역 필요 역량
ERP 솔루션 운영 Odoo, ERPNext, Tryton 기본 아키텍처 이해
Python 기초 스크립트 작성, 패키지 관리(pip), 가상환경(venv)
AI / LLM 기초 임베딩, 벡터 유사도, RAG(Retrieval-Augmented Generation) 개념
Vector DB Qdrant, Chroma, Weaviate, pgvector 기본 사용법
sLLM 서빙 Ollama 모델 Pull·서빙, REST API 호출, GPU 드라이버 설정

0-2. 권장 PC 사양

Note

단계별 실습 범위에 따라 필요한 사양이 크게 다릅니다. 아래 표를 기준으로 자신의 진행 범위를 확인하세요.

단계별 최소 / 권장 사양

실습 단계 최소 CPU 최소 RAM 최소 디스크 권장 RAM 권장 디스크 비고
01~05장 (Docker 기초) 4코어 8 GB 50 GB 16 GB 100 GB Docker Desktop 구동 기준
06~10장 (핵심 On-Prem 스택) 8코어 16 GB 400 GB 32 GB 600 GB GitLab 단독 최소 8 GB RAM
11장 (통합 DevSecOps Lab) 8코어 32 GB 300 GB 64 GB 500 GB 전체 프로파일 동시 기동 기준
Advanced day01~09 (_shared-advanced-core/labs/) 8코어 16 GB 200 GB 32 GB 400 GB Compose 멀티 컨테이너 구동
OnPrem 솔루션 (_shared-onprem-core/solutions/) 8코어 16 GB 200 GB 32 GB 400 GB Odoo/ERPNext DB 포함
27장 (Vector DB) 4코어 8 GB 50 GB 16 GB 100 GB 경량 Vector DB 실습
28장 (sLLM 서빙, CPU) 8코어 16 GB 100 GB 32 GB 200 GB gemma3:2b 기준
28장 (sLLM 서빙, GPU) 8코어 32 GB 200 GB 64 GB 500 GB NVIDIA GPU 8 GB VRAM 이상

OS별 설치 환경

운영체제 권장 설정
Windows 10/11 WSL 2 + Docker Desktop 최신 버전, RAM 16 GB 이상 권장
macOS (Intel) Docker Desktop for Mac, Rosetta 비활성화 권장
macOS (Apple Silicon / M1~M4) Docker Desktop ARM 빌드, platform: linux/amd64 에뮬레이션 주의
Ubuntu 22.04 LTS Docker Engine + Docker Compose Plugin 직접 설치, WSL 불필요

Tip

전체 커리큘럼(01~28장)을 모두 진행하려면 CPU 12코어 이상, RAM 32 GB 이상, NVMe SSD 1 TB 이상을 권장합니다. 클라우드 VM(AWS EC2, GCP Compute, Azure VM)을 활용하면 로컬 사양 제약을 해결할 수 있습니다.

0-3. 가입해야 할 플랫폼

플랫폼 용도 무료 플랜 여부 가입 URL
Docker Hub 이미지 Pull/Push, 공개 레지스트리 무료 (Pull 제한 있음) hub.docker.com
GitHub 선수 repo(edumgt-lab-init) 및 소스 관리 무료 github.com
GitLab.com (선택) 클라우드 GitLab 연습용 (로컬 CE와 병행 가능) 무료 (Free tier) gitlab.com
SonarCloud (선택) 공개 저장소 코드 품질 분석 클라우드판 오픈소스 무료 sonarcloud.io
Hugging Face (선택) sLLM 모델 다운로드 (28장) 무료 huggingface.co
AWS / GCP / Azure (선택) 클라우드 VM에서 온프레미스 실습 환경 구성 유료 (프리 티어 한정 무료) 각 클라우드 콘솔 참고

Note

로컬 PC에서만 실습하는 경우 Docker Hub와 GitHub 계정만으로도 01~28장 전 과정을 진행할 수 있습니다.

0-4. 예상 비용 (카드 청구 예상금액)

로컬 PC 실습 (클라우드 미사용)

항목 예상 비용 비고
Docker Hub (Personal) 무료 Pull 횟수 제한 있음 (6시간당 100회)
Docker Hub (Pro) $9/월 ≈ 13,000원/월 무제한 Pull, 개인 레지스트리 무제한
GitHub 무료 공개/비공개 저장소 모두 무료
GitLab.com (Free) 무료 CI 월 400분 무료 제공
전기 요금 약 5,000~20,000원/월 24시간 상시 운영 기준, PC 소비전력·전기요금에 따라 상이
소계 (기본) 월 0~22,000원 Docker Hub 무료 티어 사용 시 실질 비용 최소화 가능

클라우드 VM 활용 (선택)

Warning

아래 비용은 2025년 기준 대략적인 추정치이며, 사용 시간·리전·옵션에 따라 달라집니다. 반드시 각 클라우드 콘솔의 요금 계산기를 사용해 정확한 금액을 확인하세요.

시나리오 AWS EC2 예시 GCP Compute 예시 Azure VM 예시 월 예상 비용
기초 실습 전용 (01~05장) t3.medium (2vCPU/4GB) e2-medium (2vCPU/4GB) B2s (2vCPU/4GB) 약 25,000~40,000원/월
핵심 On-Prem 스택 (06~11장) m6i.2xlarge (8vCPU/32GB) n2-standard-8 (8vCPU/32GB) D8s v5 (8vCPU/32GB) 약 200,000~350,000원/월
전체 통합 실습 (01~28장) m6i.4xlarge (16vCPU/64GB) + SSD 1TB n2-standard-16 (16vCPU/64GB) D16s v5 (16vCPU/64GB) 약 500,000~900,000원/월
sLLM GPU 서빙 (28장) g4dn.xlarge (4vCPU/16GB, T4 GPU) n1-standard-4 + T4 GPU NC4as T4 v3 약 150,000~350,000원/월

비용 절감 팁

  • 스팟/프리엠티블 인스턴스 활용: AWS Spot, GCP Preemptible은 On-Demand 대비 60~80% 저렴합니다.
  • 실습 후 즉시 중지: VM을 사용하지 않을 때 중지(Stop)하면 컴퓨팅 비용이 발생하지 않습니다(스토리지 비용은 유지).
  • 프리 티어 활용: AWS 신규 계정은 12개월간 t2.micro(1vCPU/1GB) 무료 제공. 기초 실습(01~05장) 진행 가능.
  • Docker Hub 풀 제한 우회: 로컬 Nexus Repository(09장)를 구축하면 Pull 횟수 제한 없이 이미지를 캐싱할 수 있습니다.
  • GitLab CE 자체 호스팅: GitLab.com CI 무료 400분 한계를 우회하려면 07장에서 로컬 GitLab CE를 구축하세요.

전체 커리큘럼 완주 시 예상 총비용

환경 기간 예상 총비용
로컬 PC (스펙 충족 시) 1~3개월 5,000~60,000원 (전기 요금만)
클라우드 (핵심 스택 위주) 1~3개월 300,000~1,000,000원
클라우드 (전체 + GPU) 1~3개월 1,000,000~3,000,000원

Tip

비용 부담을 최소화하려면 **로컬 PC(RAM 32 GB 이상)**를 우선 활용하고, GPU가 필요한 28장만 클라우드 GPU 인스턴스를 단기 사용하는 방식을 권장합니다.

2. 학습 로드맵

Docker 기초 — docker-basics/

단계 주제 이동
01 Docker 소개 01-Docker-Introduction
02 Docker 설치 02-Docker-Installation
03 Docker Hub 이미지 Pull/Run 03-Pull-from-DockerHub-and-Run-Docker-Images
04 이미지 Build/Run/Push 04-Build-new-Docker-Image-and-Run-and-Push-to-DockerHub
05 핵심 Docker 명령어 05-Essential-Docker-Commands

DevSecOps On-Prem 도구 — devsecops-on-prem/

단계 주제 이동
06 Jenkins 온프레미스 구축 06-Jenkins-Server-On-Prem
07 GitLab CE 온프레미스 구축 07-GitLab-CE-On-Prem
08 SonarQube 온프레미스 구축 08-SonarQube-On-Prem
09 Nexus Repository 온프레미스 구축 09-Nexus-Repository-On-Prem
10 Drone CI 온프레미스 구축 10-Drone-CI-On-Prem
11 통합 DevSecOps Lab 11-Integrated-DevSecOps-Lab

Advanced 심화 과정 — _shared-advanced-core/labs/

단계 주제 이동
Advanced Day01 Docker 개요 & 첫 걸음 day01
Advanced Day02 컨테이너 심화 (프로세스/자원/IO) day02
Advanced Day03 이미지 빌드 기초 (Dockerfile) day03
Advanced Day04 이미지 최적화 (멀티스테이지) day04
Advanced Day05 네트워킹 (브리지/DNS/통신) day05
Advanced Day06 스토리지 & 백업/복구 day06
Advanced Day07 Compose 실전 day07
Advanced Day08 디버깅 & 운영 day08
Advanced Day09 Jenkins CI 파이프라인 day09

OnPrem ERP/협업 솔루션 — _shared-onprem-core/solutions/

단계 솔루션 이동
21 Odoo ERP odoo
22 ERPNext erpnext
23 Tryton tryton
24 Taiga (프로젝트 관리) taiga
25 Zulip (팀 메시지) zulip

AI 환경 구축 — ai-tools/ (설치 순서)

단계 주제 이동
Step 1 Ollama LLM 서버 (RTX 3080 GPU) 01-llm-server
Step 2 Vector DB (Qdrant·pgvector·Chroma·Weaviate) 02-vector-db
Step 3 Open WebUI 브라우저 채팅 UI 03-webui
Step 4 통합 RAG 스택 (Ollama+Qdrant+WebUI) 04-rag-stack
Step 5 AI 응용 개발 컨테이너 (Python·Jupyter·FastAPI) 05-ai-dev-container

3. Docker Desktop 빠른 제어

CLI

# 상태 확인 (4.37+)
docker desktop status

# 시작 / 재시작 / 중지
docker desktop start
docker desktop restart
docker desktop stop

# 로그 확인
docker desktop logs

PowerShell

# Docker Desktop 관련 프로세스 종료
Get-Process "*docker*" -ErrorAction SilentlyContinue | Stop-Process -Force

# Docker Desktop UI 재실행
Start-Process "C:\Program Files\Docker\Docker\Docker Desktop.exe"

4. 아키텍처 개요

핵심 플랫폼 레이어

레이어 구성 요소
Container Runtime Docker Engine
SCM GitLab CE
CI Jenkins, Drone CI
Quality Gate SonarQube
Artifact Registry Nexus Repository OSS (또는 Docker Hub/Harbor)
Runtime Workload Nginx, Spring Boot 등

표준 흐름 (Reference Flow)

  1. 개발자가 GitLab CE에 코드 Push
  2. Jenkins 또는 Drone CI 파이프라인 실행
  3. SonarQube 품질 검사 수행
  4. Docker 이미지 빌드 후 Nexus(또는 Docker Hub)로 Push
  5. 운영 노드가 이미지 Pull 후 배포

Tip

기본 체인은 GitLab -> Jenkins/Drone -> SonarQube -> Nexus -> Docker Runtime 으로 이해하면 됩니다.

권장 네트워크 존

  • Zone 1 (Dev): 개발자 PC, 로컬 Docker
  • Zone 2 (CI): GitLab, Jenkins/Drone, SonarQube
  • Zone 3 (Artifact): Nexus/Harbor
  • Zone 4 (Runtime): 서비스 컨테이너 실행 노드
  • Zone 5 (Ops): 모니터링, 로깅, 백업, 보안

권장 정책:

  • CI Zone -> Artifact Zone: Push 허용
  • Runtime Zone -> Artifact Zone: Pull 허용
  • Dev Zone -> Runtime Zone: 직접 접근 제한

5. 온프렘 최소 자원 산정

Important

아래 수치는 단일 노드 실습/PoC 최소 기준입니다. 운영 환경은 최소 1.5~2배 여유 자원을 권장합니다.

기준 범위

  • 06~10장: Jenkins, GitLab CE, SonarQube, Nexus, Drone
  • 11장: Integrated DevSecOps Lab (docker-compose.yml) 기본/선택 프로파일
  • 기준 파일:
    • devsecops-on-prem/06-Jenkins-Server-On-Prem/Dockerfile
    • devsecops-on-prem/07-GitLab-CE-On-Prem/Dockerfile
    • devsecops-on-prem/08-SonarQube-On-Prem/Dockerfile
    • devsecops-on-prem/09-Nexus-Repository-On-Prem/Dockerfile
    • devsecops-on-prem/10-Drone-CI-On-Prem/Dockerfile
    • devsecops-on-prem/11-Integrated-DevSecOps-Lab/docker-compose.yml

이미지별 최소 컴퓨팅 자원

구분 Docker 이미지 최소 vCPU 최소 RAM 최소 디스크(볼륨) 비고
CI jenkins/jenkins:lts-jdk17 2 4 GB 50 GB 플러그인/워크스페이스 증가 고려
SCM gitlab/gitlab-ce:17.5.2-ce.0 4 8 GB 100 GB 실무 최소 여유 반영
Code Quality sonarqube:community 2 4 GB 50 GB 운영은 외부 PostgreSQL 연동 권장
Artifact sonatype/nexus3:3.70.1 2 4 GB 100 GB Blob 저장 증가 유의
CI (경량) drone/drone:2 1 1 GB 20 GB Runner 별도 산정 필요
Reverse Proxy traefik:v3.1 1 1 GB 10 GB 인증서/액세스 로그 포함
DB postgres:16 1 2 GB 20 GB Keycloak 백엔드 DB
IAM quay.io/keycloak/keycloak:25.0.5 1 2 GB 10 GB 사용자 증가 시 확장 필요
Secrets hashicorp/vault:1.17 1 1 GB 10 GB 레포는 Dev 모드
Scanner aquasec/trivy:0.56.2 1 1 GB 10 GB 스캔 시 순간 부하 증가
Metrics prom/prometheus:v2.54.1 2 2 GB 30 GB 보관 기간에 비례해 디스크 증가
Alert prom/alertmanager:v0.27.0 1 1 GB 5 GB 알림 라우팅
Dashboard grafana/grafana:11.2.2 1 1 GB 10 GB 대시보드/플러그인 저장
Logs grafana/loki:3.1.1 2 2 GB 30 GB 로그 보관 정책 핵심
Log Agent grafana/promtail:3.1.1 1 1 GB 5 GB 호스트 로그 수집
Private CA (옵션) smallstep/step-ca:0.27.4 1 1 GB 5 GB private-ca profile
Harbor DB (옵션) goharbor/harbor-db:v2.11.1 1 2 GB 20 GB harbor profile
Harbor Redis (옵션) goharbor/redis-photon:v2.11.1 1 1 GB 10 GB harbor profile
Harbor Registry (옵션) goharbor/registry-photon:v2.11.1 2 2 GB 80 GB harbor profile

합산 최소 사양 (단일 노드)

시나리오 최소 vCPU 합계 최소 RAM 합계 최소 디스크 합계
06~10장 핵심 스택 (Jenkins+GitLab+Sonar+Nexus+Drone) 11 21 GB 320 GB
11장 기본 프로파일 (Traefik~Promtail) 12 14 GB 140 GB
11장 + private-ca + harbor 프로파일 17 20 GB 255 GB

추가 권장 오버헤드: 2 vCPU, 4 GB RAM, 30 GB (호스트 OS + Docker)

6. 운영 고도화 확장 스택

보안/접근제어

  • Keycloak: SSO 및 중앙 인증
  • HashiCorp Vault: 비밀정보 중앙관리
  • Trivy: 이미지 취약점 스캔 자동화

관측성

  • Prometheus + Grafana: 메트릭/대시보드
  • Loki + Promtail (또는 EFK/ELK): 로그 수집/분석
  • Alertmanager: 알림 자동화

네트워크/트래픽

  • Traefik / Nginx Proxy Manager: 리버스 프록시, TLS 종료
  • 사설 CA 기반 인증서 운영 전략 수립

이미지 거버넌스

  • Harbor: 내부 레지스트리 + 취약점 스캔 + 정책
  • Nexus와 병행 또는 대체 가능

백업/DR

  • GitLab, SonarQube, Nexus 볼륨/DB 정기 백업
  • MinIO 등 오브젝트 스토리지 기반 보관

7. 통합 의존관계 다이어그램

flowchart LR
  subgraph Core["06~10 Core On-Prem Stack"]
    DEV[Developer]
    GITLAB["gitlab/gitlab-ce"]
    JENKINS["jenkins/jenkins"]
    DRONE["drone/drone"]
    SONAR["sonarqube:community"]
    NEXUS["sonatype/nexus3"]
    RUNTIME[Docker Runtime Host]

    DEV -->|Push| GITLAB
    GITLAB -->|Webhook Trigger| JENKINS
    GITLAB -->|Webhook Trigger| DRONE
    JENKINS -->|Quality Scan| SONAR
    DRONE -->|Quality Scan| SONAR
    JENKINS -->|Build Push Image| NEXUS
    DRONE -->|Build Push Image| NEXUS
    RUNTIME -->|Pull Image| NEXUS
  end

  subgraph Lab["11 Integrated DevSecOps Lab"]
    TRAEFIK["traefik:v3.1"]
    POSTGRES["postgres:16"]
    KEYCLOAK["keycloak:25.0.5"]
    VAULT["vault:1.17"]
    TRIVY["trivy:0.56.2"]
    PROM["prometheus:v2.54.1"]
    ALERT["alertmanager:v0.27.0"]
    GRAFANA["grafana:11.2.2"]
    LOKI["loki:3.1.1"]
    PROMTAIL["promtail:3.1.1"]
    STEPCA["step-ca:0.27.4 profile"]
    HDB["harbor-db:v2.11.1 profile"]
    HREDIS["harbor-redis:v2.11.1 profile"]
    HREG["harbor-registry:v2.11.1 profile"]

    KEYCLOAK -->|DB| POSTGRES
    GRAFANA -->|Query Metrics| PROM
    GRAFANA -->|Query Logs| LOKI
    PROMTAIL -->|Ship Logs| LOKI
    PROM -->|Alert Route| ALERT

    TRAEFIK -->|Route| KEYCLOAK
    TRAEFIK -->|Route| VAULT
    TRAEFIK -->|Route| PROM
    TRAEFIK -->|Route| GRAFANA
    TRAEFIK -->|Route| HREG

    HREG -->|Metadata State| HDB
    HREG -->|Cache Queue| HREDIS
    STEPCA -->|Internal TLS optional| TRAEFIK
    TRIVY -->|Image Scan Target| HREG
  end
Loading

산정 가정:

  • 단일 Docker Host 최소 실습 기준
  • HA/장기보관/대규모 부하는 미반영
  • 디스크는 GitLab/SonarQube/Nexus부터 우선 확장 고려

8. WSL 포트 80 트러블슈팅

1) 점유 프로세스 확인

# LISTEN 중인 80 포트 프로세스
sudo ss -ltnp 'sport = :80'

# 프로세스/사용자/FD 상세 확인
sudo lsof -iTCP:80 -sTCP:LISTEN -n -P

2) 점유 프로세스 종료

# 방법 A: 서비스 종료 (예: nginx)
sudo systemctl stop nginx 2>/dev/null || sudo service nginx stop

# 방법 B: PID 강제 종료 (예시)
sudo kill -9 197

3) 해제 확인

sudo ss -ltnp 'sport = :80'

Warning

kill -9는 마지막 수단으로만 사용하고, 가능하면 서비스 정상 종료를 우선 사용하세요.

9. Docker 이미지 목록

애플리케이션 Docker 이미지
Nginx nginx
커스텀 Nginx stacksimplify/mynginx_image1
Spring Boot HelloWorld stacksimplify/dockerintro-springboot-helloworld-rest-api
Jenkins LTS jenkins/jenkins:lts-jdk17
GitLab CE gitlab/gitlab-ce:17.5.2-ce.0
SonarQube Community sonarqube:community
Nexus Repository OSS sonatype/nexus3:3.70.1
Drone CI drone/drone:2
Ollama ollama/ollama:latest
Open WebUI ghcr.io/open-webui/open-webui:main

10. 대상 독자와 도입 로드맵

활용 대상

  • Docker를 처음 학습하는 엔지니어
  • 온프레미스 DevOps/Platform 구축을 시작하는 팀
  • 도구 간 연결 구조를 빠르게 파악하려는 Solution Architect

단계별 도입

  1. Phase 1 (기본기/PoC)
    • 1~10 단계 실습 완료
    • Jenkins/Drone 중 표준 CI 1개 선정
  2. Phase 2 (표준화)
    • 브랜치 전략, 파이프라인 템플릿, Sonar 품질 게이트 표준화
    • Nexus 저장소 구조(팀/환경별) 정리
  3. Phase 3 (운영 안정화)
    • 모니터링/로그/알림 연계
    • 백업/복구 리허설 및 장애 대응 Runbook 작성
  4. Phase 4 (보안 고도화)
    • SSO, 비밀정보 중앙관리, 이미지 스캔/서명 정책 도입

11. 확장 커리큘럼 맵

난이도 순 확장 실습 구조:

  • _shared-advanced-core/labs/day01~09: Advanced 심화 과정 (구 12~20장)
  • _shared-onprem-core/solutions/: OnPrem ERP/협업 솔루션 (구 21~25장)
  • ai-tools/01-llm-server: Ollama LLM 서버 (RTX 3080 GPU 서빙)
  • ai-tools/02-vector-db: Qdrant·pgvector·Chroma·Weaviate Vector DB
  • ai-tools/03-webui: Open WebUI 브라우저 채팅 UI
  • ai-tools/04-rag-stack: 통합 RAG 스택 (Ollama+Qdrant+WebUI)
  • ai-tools/05-ai-dev-container: AI 응용 개발 컨테이너 (Python·Jupyter·FastAPI)

Advanced 심화 파트 — _shared-advanced-core/labs/

폴더 핵심 주제
day01 Docker 기초/첫 실행
day02 프로세스/자원/IO
day03 Dockerfile/이미지 빌드
day04 멀티스테이지/최적화
day05 브리지/DNS/통신
day06 볼륨/백업/복구
day07 Compose 실전
day08 장애 분석/Runbook
day09 CI 파이프라인

OnPrem 솔루션 파트 — _shared-onprem-core/solutions/

폴더 솔루션
odoo Odoo ERP
erpnext ERPNext
tryton Tryton
taiga Taiga (프로젝트 관리)
zulip Zulip (팀 메시지)

AI 환경 구축 파트 — ai-tools/

폴더 핵심 주제
01-llm-server Ollama GPU 서빙 (RTX 3080, 포트 11435)
02-vector-db Qdrant·pgvector·Chroma·Weaviate Vector DB
03-webui Open WebUI 브라우저 채팅 UI (포트 3000)
04-rag-stack 통합 RAG 스택 — Ollama+Qdrant+WebUI 한 번에 기동
05-ai-dev-container AI 응용 개발 — Python·JupyterLab·FastAPI·RAG 라이브러리

12. 공용 리소스 폴더

Advanced 과정과 OnPrem 솔루션의 정식 파일은 아래 공용 폴더에 통합 관리합니다.

  • _shared-advanced-core/
    • labs/day01~09: Advanced 심화 과정 실습 파일 (구 12~20장과 동일 내용)
    • capstone/: 캡스톤 프로젝트
    • docs/: 강의 문서
    • templates/: 공용 Dockerfile·Compose 템플릿
  • _shared-onprem-core/
    • solutions/odoo|erpnext|tryton|taiga|zulip: OnPrem 솔루션별 실습 파일 (구 21~25장과 동일 내용)
    • docker/: 공용 DB 초기화·인증 스크립트
    • scripts/: 오케스트레이션 스크립트 (start/stop/sync)
    • captures/: 실습 캡처 이미지

13. Vector DB 원리와 Docker 실습

Vector DB 핵심 원리

  • 임베딩(Vectorization): 텍스트/이미지 등을 고정 길이 벡터로 변환해 의미 유사성을 수치화합니다.
  • 인덱싱(ANN): HNSW/IVF 같은 근사 최근접 탐색 인덱스로 대규모 벡터에서 빠르게 Top-K를 찾습니다.
  • 유사도 계산: Cosine, Dot Product, Euclidean 거리로 질의 벡터와 저장 벡터의 유사도를 평가합니다.
  • 메타데이터 필터: 태그/시간/권한 같은 조건을 함께 걸어 검색 범위를 줄입니다.
  • RAG 연결: 검색된 문서를 LLM 프롬프트 컨텍스트로 주입해 환각을 줄이고 근거 기반 답변을 만듭니다.

왜 Docker로 실습하나?

  • 설치 복잡도를 줄이고, 서비스별 버전을 고정하여 재현 가능한 실습 환경을 만듭니다.
  • 로컬 노트북/서버 어디서든 동일 명령으로 기동/중지/정리할 수 있습니다.

경량 오픈소스 Vector DB Docker 예제

  • Qdrant
  • Chroma
  • Weaviate
  • pgvector (PostgreSQL 확장)

실습 경로: 02-vector-db

14. 멀티 모델 & sLLM Docker 서빙

개요

Ollama Docker 이미지 하나로 Gemma3, Llama 3, DeepSeek-R1 등 최신 오픈소스 sLLM을 CPU/GPU 환경에서 바로 서빙할 수 있습니다. Open WebUI를 함께 기동하면 브라우저에서 멀티 모델 채팅 환경을 구성할 수 있습니다.

핵심 구성 요소

  • Ollama: 모델 Pull/서빙/REST API 제공 (/api/generate, /api/chat)
  • Open WebUI: 브라우저 기반 멀티 모델 채팅 UI (Ollama와 자동 연동)

지원 모델 (도메인별 추천)

도메인 추천 모델 특징
범용/교육 gemma3:2b, gemma3:12b Google, 경량~중형
범용/대화 llama3:8b, llama3:70b Meta, 생태계 최대
추론/코딩 deepseek-r1:7b, deepseek-r1:14b 추론 특화
다국어(한국어) qwen2.5:7b 한국어 강점
경량/엣지 phi4 Microsoft, 14B

빠른 시작 (RTX 3080 GPU / 포트 11435)

# Step 1: LLM 서버 (GPU)
cd ai-tools/01-llm-server
docker compose -f docker-compose.gpu.yml up -d

# 모델 Pull (qwen3.5 권장 — VRAM 6.6GB, RTX 3080 완전 처리)
docker exec ollama ollama pull qwen3.5:latest
docker exec ollama ollama pull nomic-embed-text   # 임베딩용

# REST API 테스트 (포트 11435)
curl -s http://localhost:11435/api/generate \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.5:latest","prompt":"Docker란 무엇인가?","stream":false}' \
  | python3 -m json.tool

# Step 3: Open WebUI (UI: http://localhost:3000)
cd ../03-webui && docker compose up -d

# 또는 Step 4: 전체 RAG 스택 한 번에
cd ../04-rag-stack && docker compose up -d

실습 경로: ai-tools/

15. Windows WSL·Docker·AI 개발 환경

Windows 학습자는 먼저 WSL 개발 환경 구축 가이드로 WSL 2, Ubuntu, VS Code Remote WSL, Docker Desktop 연동을 완료합니다. 저장소는 /mnt/c/...보다 WSL 홈의 ~/workspace에 두는 것을 권장합니다.

AI 응용을 개발할 때는 AI 응용 개발 컨테이너를 사용합니다. FastAPI, JupyterLab, LangChain/LangGraph/LlamaIndex, Ollama, Qdrant/Chroma/pgvector 클라이언트, 테스트·정적 분석 도구가 포함되어 있으며, 기존 Ollama·Qdrant RAG 스택과 shared-net에서 연결됩니다.

관련 YouTube 영상

YouTube에서 관련 영상 검색하기

About

Windows WSL2부터 Docker·Compose, 온프레미스 DevSecOps, Ollama·RAG 기반 AI 애플리케이션 개발까지 다루는 한국어 실습 교육 자료

www.edumgt.co.kr

Topics

ci-cddevopsdevsecopsdockerdocker-composeeducationgitlabjenkinskoreanllmollamaopen-webuiqdrantragsonarqubevector-databasewsl2

Resources

Readme
Activity

Stars

4 stars

Watchers

0 watching

Forks

5 forks
Report repository

Releases

Sponsor this project

Packages

Contributors

Languages