- Published on
AWS vs GCP vs Azure 완전 비교 2025: 서비스별 매핑, 비용, 자격증, 선택 기준 총정리
- Authors

- Name
- Youngju Kim
- @fjvbn20031
- 서론: 클라우드 시장 2025
- 1. 서비스 매핑표: 30+ 서비스 1:1 비교
- 2. 컴퓨팅 심층 비교
- 3. 스토리지 심층 비교
- 4. 데이터베이스 심층 비교
- 5. AI/ML 서비스 비교
- 6. Kubernetes 비교: EKS vs GKE vs AKS
- 7. 비용 비교
- 8. 강점과 약점 분석
- 9. 자격증 로드맵
- 10. 의사결정 프레임워크
- 11. 멀티클라우드 및 하이브리드 전략
- 12. 면접 예상 질문 15선
- 13. 퀴즈
- 참고 자료
서론: 클라우드 시장 2025
2025년 전 세계 클라우드 시장 규모는 약 6,000억 달러를 넘어섰습니다. 3대 클라우드 벤더의 시장 점유율은 다음과 같습니다:
| 벤더 | 시장 점유율 (2025 Q1) | 연간 매출 규모 |
|---|---|---|
| AWS (Amazon) | 약 31% | 약 1,000억 달러 |
| Azure (Microsoft) | 약 25% | 약 800억 달러 |
| GCP (Google) | 약 11% | 약 400억 달러 |
AWS가 여전히 선두를 유지하고 있지만, Azure는 엔터프라이즈 시장에서 빠르게 성장하고 있으며, GCP는 데이터/AI/ML과 Kubernetes 분야에서 강력한 입지를 구축하고 있습니다.
어떤 클라우드를 선택해야 할까요? 이 글에서는 3대 클라우드를 서비스별로 매핑하고, 비용, 강점/약점, 자격증, 의사결정 프레임워크까지 완전히 비교합니다.
1. 서비스 매핑표: 30+ 서비스 1:1 비교
1.1 컴퓨팅 (Compute)
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| 가상 머신 | EC2 | Compute Engine (GCE) | Virtual Machines |
| 서버리스 함수 | Lambda | Cloud Functions | Azure Functions |
| 컨테이너 서비스 | ECS / Fargate | Cloud Run | Container Apps |
| Kubernetes | EKS | GKE | AKS |
| 배치 처리 | Batch | Cloud Batch | Azure Batch |
| Edge 컴퓨팅 | Lambda@Edge | Cloud CDN Functions | Azure Edge Zones |
1.2 스토리지 (Storage)
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| 오브젝트 스토리지 | S3 | Cloud Storage (GCS) | Blob Storage |
| 블록 스토리지 | EBS | Persistent Disk | Managed Disks |
| 파일 스토리지 | EFS | Filestore | Azure Files |
| 아카이브 | S3 Glacier | Archive Storage | Cool/Archive Blob |
| CDN | CloudFront | Cloud CDN | Azure CDN / Front Door |
1.3 데이터베이스 (Database)
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| 관계형 DB | RDS / Aurora | Cloud SQL / AlloyDB | Azure SQL / Flexible Server |
| NoSQL (문서) | DynamoDB | Firestore | Cosmos DB |
| NoSQL (와이드컬럼) | DynamoDB | Bigtable | Cosmos DB (Cassandra API) |
| 인메모리 | ElastiCache | Memorystore | Azure Cache for Redis |
| 데이터 웨어하우스 | Redshift | BigQuery | Synapse Analytics |
| 그래프 DB | Neptune | - | Cosmos DB (Gremlin API) |
1.4 AI/ML
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| ML 플랫폼 | SageMaker | Vertex AI | Azure ML |
| Pre-trained AI | Rekognition, Comprehend | Vision AI, Natural Language | Cognitive Services |
| LLM 서비스 | Bedrock | Vertex AI (Gemini) | Azure OpenAI |
| 데이터 분석 | Athena + Glue | BigQuery | Synapse Analytics |
| AutoML | SageMaker Autopilot | Vertex AI AutoML | Azure AutoML |
1.5 네트워킹 (Networking)
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| VPC | VPC | VPC | Virtual Network (VNet) |
| 로드밸런서 | ALB / NLB / GLB | Cloud Load Balancing | Application Gateway / LB |
| DNS | Route 53 | Cloud DNS | Azure DNS |
| VPN | VPN Gateway | Cloud VPN | VPN Gateway |
| 전용 연결 | Direct Connect | Cloud Interconnect | ExpressRoute |
| API 관리 | API Gateway | Apigee / API Gateway | API Management |
1.6 서버리스 & 이벤트 (Serverless & Event)
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| FaaS | Lambda | Cloud Functions | Azure Functions |
| 이벤트 버스 | EventBridge | Eventarc | Event Grid |
| 메시지 큐 | SQS | Cloud Tasks / Pub/Sub | Queue Storage / Service Bus |
| Pub/Sub | SNS | Pub/Sub | Event Grid / Service Bus |
| 워크플로 | Step Functions | Workflows | Logic Apps / Durable Functions |
1.7 DevOps & 모니터링
| 기능 | AWS | GCP | Azure |
|---|---|---|---|
| CI/CD | CodePipeline / CodeBuild | Cloud Build | Azure DevOps / GitHub Actions |
| IaC | CloudFormation / CDK | Deployment Manager / Terraform | ARM Templates / Bicep |
| 모니터링 | CloudWatch | Cloud Monitoring | Azure Monitor |
| 로깅 | CloudWatch Logs | Cloud Logging | Log Analytics |
| 추적 | X-Ray | Cloud Trace | Application Insights |
| 비밀 관리 | Secrets Manager | Secret Manager | Key Vault |
2. 컴퓨팅 심층 비교
2.1 가상 머신: EC2 vs GCE vs Azure VM
성능 비교 (vCPU 4, 메모리 16GB 기준):
AWS EC2 (m6i.xlarge):
- vCPU: 4, Memory: 16GB
- 온디맨드: ~$0.192/hr (~$140/월)
- 네트워크: 최대 12.5 Gbps
GCP GCE (n2-standard-4):
- vCPU: 4, Memory: 16GB
- 온디맨드: ~$0.194/hr (~$142/월)
- 커스텀 머신 타입: CPU/메모리 독립 조정 가능 (GCP만의 강점!)
Azure VM (D4s v5):
- vCPU: 4, Memory: 16GB
- 온디맨드: ~$0.192/hr (~$140/월)
- 하이브리드 혜택: Windows Server 라이선스 보유 시 최대 40% 할인
핵심 차이점:
- AWS: 인스턴스 타입이 가장 다양 (500+ 종류). Graviton(ARM) 프로세서로 비용 대비 성능 우수
- GCP: 커스텀 머신 타입으로 유연한 리소스 배분. 지속 사용 할인(Sustained Use Discount) 자동 적용
- Azure: Windows 워크로드에 최적화. Hybrid Benefit으로 기존 라이선스 활용
2.2 서버리스: Lambda vs Cloud Functions vs Azure Functions
서버리스 함수 비교:
AWS Lambda:
- 최대 실행 시간: 15분
- 메모리: 128MB ~ 10GB
- 동시 실행: 1,000 (기본, 증가 가능)
- 콜드 스타트: 중간 (SnapStart로 개선)
- 프로비저닝된 동시성 지원
GCP Cloud Functions (2nd gen):
- 최대 실행 시간: 60분 (2nd gen)
- 메모리: 128MB ~ 32GB
- 동시 실행: 인스턴스당 최대 1,000 요청
- 콜드 스타트: 가장 짧음
- Cloud Run 기반으로 확장
Azure Functions:
- 최대 실행 시간: 무제한 (Premium Plan)
- 메모리: 1.5GB ~ 14GB
- 동시 실행: 200 (기본)
- Durable Functions: 상태 보존 워크플로
- Visual Studio 통합 우수
3. 스토리지 심층 비교
3.1 오브젝트 스토리지: S3 vs GCS vs Blob Storage
| 항목 | AWS S3 | GCP Cloud Storage | Azure Blob Storage |
|---|---|---|---|
| 내구성 | 99.999999999% (11 9's) | 99.999999999% | 99.999999999% |
| 스토리지 클래스 | Standard, IA, Glacier, Deep Archive | Standard, Nearline, Coldline, Archive | Hot, Cool, Cold, Archive |
| 최소 저장 기간 | 클래스별 상이 | Nearline: 30일, Coldline: 90일 | Cool: 30일, Archive: 180일 |
| 가격 (GB/월) | Standard: $0.023 | Standard: $0.020 | Hot: $0.018 |
| 전송 비용 | $0.09/GB (아웃) | $0.12/GB (아웃) | $0.087/GB (아웃) |
| 강점 | 가장 성숙한 생태계 | 가장 저렴한 저장 비용 | Azure 통합 |
3.2 블록 스토리지
블록 스토리지 비교:
AWS EBS (gp3):
- IOPS: 3,000 기본 (최대 16,000)
- 처리량: 125 MB/s 기본 (최대 1,000 MB/s)
- 가격: $0.08/GB/월
- 스냅샷: 증분 백업
GCP Persistent Disk (pd-ssd):
- IOPS: 디스크 크기에 비례
- 처리량: 디스크 크기에 비례
- 가격: $0.17/GB/월 (SSD)
- 특장점: 멀티 인스턴스 연결 가능
Azure Managed Disks (Premium SSD v2):
- IOPS: 최대 80,000
- 처리량: 최대 1,200 MB/s
- 가격: $0.132/GB/월
- 특장점: IOPS/처리량 독립 프로비저닝
4. 데이터베이스 심층 비교
4.1 관계형 DB: RDS/Aurora vs Cloud SQL/AlloyDB vs Azure SQL
| 항목 | AWS Aurora | GCP AlloyDB | Azure SQL |
|---|---|---|---|
| 엔진 | MySQL, PostgreSQL | PostgreSQL | SQL Server, PostgreSQL |
| 성능 | MySQL 대비 5배, PG 대비 3배 | PostgreSQL 대비 4배 | 업계 최고 SQL Server 성능 |
| 스토리지 | 자동 확장 (최대 128TB) | 자동 확장 | 자동 확장 (최대 100TB) |
| 복제 | 최대 15 읽기 전용 복제본 | 최대 20 읽기 전용 복제본 | 활성 지오 복제 |
| 서버리스 | Aurora Serverless v2 | AlloyDB (서버리스 아님) | Azure SQL Serverless |
| 강점 | 성숙도, 호환성 | AI 통합, 성능 | SQL Server 워크로드 |
4.2 NoSQL: DynamoDB vs Firestore vs Cosmos DB
NoSQL 비교:
AWS DynamoDB:
- 모델: 키-값 + 문서
- 성능: 단일 자릿수 ms 지연
- 용량 모드: 온디맨드 / 프로비저닝
- 글로벌 테이블: 멀티 리전 복제
- DAX: 인메모리 캐시 레이어
- 강점: 대규모 트래픽 처리, 일관된 성능
GCP Firestore:
- 모델: 문서 (컬렉션 + 문서)
- 성능: 수 ms 지연
- 실시간 동기화: 내장 (모바일/웹)
- 오프라인 지원: 네이티브
- 강점: 모바일/웹 앱 개발, 실시간 기능
Azure Cosmos DB:
- 모델: 멀티 모델 (문서, 키-값, 그래프, 컬럼)
- API: SQL, MongoDB, Cassandra, Gremlin, Table
- 글로벌 분산: 턴키 멀티 리전
- 일관성: 5가지 레벨 선택 가능
- 강점: 멀티 모델 유연성, 글로벌 분산
4.3 데이터 웨어하우스: Redshift vs BigQuery vs Synapse
| 항목 | AWS Redshift | GCP BigQuery | Azure Synapse |
|---|---|---|---|
| 아키텍처 | 클러스터 기반 | 서버리스 | 서버리스 + 전용 |
| 과금 | 노드 시간 | 스캔 데이터량 | 쿼리 기반 / 프로비저닝 |
| 확장성 | 수동 클러스터 조정 | 완전 자동 | 자동 / 수동 |
| 가격 (1TB 쿼리) | 클러스터 의존적 | $5/TB | 쿼리 의존적 |
| 강점 | BI 도구 통합 | 속도, 비용 효율성 | MS 생태계 통합 |
BigQuery의 압도적 강점: 서버리스 아키텍처로 인프라 관리 불필요, 페타바이트급 데이터도 초 단위 쿼리, 스캔 데이터량 기반 과금으로 비용 예측 용이.
5. AI/ML 서비스 비교
5.1 ML 플랫폼: SageMaker vs Vertex AI vs Azure ML
| 항목 | AWS SageMaker | GCP Vertex AI | Azure ML |
|---|---|---|---|
| 노트북 | SageMaker Studio | Workbench | Azure ML Studio |
| AutoML | Autopilot | AutoML | AutoML |
| 학습 | 분산 학습, Spot 지원 | TPU 지원, 분산 학습 | 분산 학습, GPU 클러스터 |
| 배포 | 엔드포인트, 서버리스 추론 | 엔드포인트, 배치 예측 | 관리형 엔드포인트 |
| MLOps | Pipelines, Model Registry | Pipelines, Model Registry | MLflow 통합 |
| LLM | Bedrock (Claude, Llama 등) | Gemini, Model Garden | Azure OpenAI (GPT-4o) |
| 강점 | 가장 넓은 프레임워크 지원 | TPU, BigQuery 통합 | OpenAI 파트너십 |
5.2 LLM/생성형 AI 비교
LLM 서비스 비교:
AWS Bedrock:
- 모델: Claude (Anthropic), Llama, Titan, Mistral
- 특장점: 다양한 모델 선택, 모델 커스터마이징
- Fine-tuning: 지원
- RAG: Knowledge Bases 기능
GCP Vertex AI:
- 모델: Gemini (Google), PaLM 2
- 특장점: Google 검색 연동, Grounding
- Fine-tuning: 지원
- 멀티모달: Gemini의 이미지/비디오 이해
Azure OpenAI:
- 모델: GPT-4o, GPT-4, DALL-E, Whisper
- 특장점: OpenAI와의 독점 파트너십
- Fine-tuning: 지원
- 엔터프라이즈: 가장 강력한 보안/규정 준수
6. Kubernetes 비교: EKS vs GKE vs AKS
6.1 관리형 Kubernetes 비교
| 항목 | AWS EKS | GCP GKE | Azure AKS |
|---|---|---|---|
| 제어 플레인 비용 | 73/월) | 무료 (Standard) | 무료 |
| 노드 자동 확장 | Karpenter (추천) | Autopilot (완전 자동) | KEDA / Cluster Autoscaler |
| 서비스 메시 | App Mesh / Istio | Anthos Service Mesh (관리형) | Istio (관리형) |
| 네트워킹 | VPC CNI | VPC-native | Azure CNI |
| 로깅/모니터링 | CloudWatch + Prometheus | Cloud Operations (통합) | Azure Monitor + Prometheus |
| 강점 | AWS 서비스 통합 | 가장 성숙한 K8s, Autopilot | Azure AD 통합, 비용 |
GKE가 Kubernetes의 골드 스탠다드인 이유: Google이 Kubernetes를 만들었기에 가장 빠른 버전 지원, Autopilot 모드의 완전 관리, 우수한 네트워킹 성능을 제공합니다.
6.2 Kubernetes 아키텍처 비교
GKE Autopilot (권장):
┌─────────────────────────────────┐
│ Google 관리 Control Plane │
│ + 노드 관리 자동화 │
│ + Pod 단위 과금 │
│ + 보안 자동 강화 │
└──────────┬──────────────────────┘
│
┌─────▼─────┐
│ Workloads │
│ (Pods) │
└───────────┘
EKS with Karpenter:
┌─────────────────────────────────┐
│ AWS 관리 Control Plane ($73/월) │
└──────────┬──────────────────────┘
│
┌────────▼────────┐
│ Karpenter │
│ (노드 자동 프로비저닝) │
└────────┬─────────┘
│
┌─────▼─────┐
│ Nodes │
│ + Pods │
└───────────┘
AKS:
┌─────────────────────────────────┐
│ Azure 관리 Control Plane (무료) │
└──────────┬──────────────────────┘
│
┌────────▼────────┐
│ Node Pools │
│ + Azure AD 통합 │
└──────────────────┘
7. 비용 비교
7.1 과금 모델 비교
| 과금 유형 | AWS | GCP | Azure |
|---|---|---|---|
| 온디맨드 | 시간/초 단위 | 초 단위 (최소 1분) | 분 단위 |
| 예약 (1년) | 최대 40% 할인 | CUD: 최대 37% 할인 | 최대 40% 할인 |
| 예약 (3년) | 최대 60% 할인 | CUD: 최대 55% 할인 | 최대 72% 할인 |
| 스팟/선점형 | Spot: 최대 90% 할인 | Preemptible/Spot: 최대 91% 할인 | Spot: 최대 90% 할인 |
| 지속 사용 할인 | 없음 | 자동 (최대 30%) | 없음 |
| 프리 티어 | 12개월 무료 + Always Free | 12개월 무료 + Always Free | 12개월 무료 + Always Free |
7.2 프리 티어 비교
AWS 프리 티어 (12개월):
- EC2: t2.micro 750시간/월
- S3: 5GB
- RDS: db.t2.micro 750시간/월
- Lambda: 100만 요청/월 (Always Free)
- DynamoDB: 25GB + 25 WCU/RCU (Always Free)
GCP 프리 티어 (12개월):
- GCE: e2-micro (Always Free, US 리전)
- Cloud Storage: 5GB (Always Free)
- BigQuery: 1TB 쿼리/월 (Always Free)
- Cloud Functions: 200만 호출/월 (Always Free)
- Firestore: 1GB 저장 (Always Free)
Azure 프리 티어 (12개월):
- VM: B1s 750시간/월
- Blob: 5GB
- Azure SQL: 250GB S0 인스턴스
- Functions: 100만 요청/월 (Always Free)
- Cosmos DB: 1000 RU/s + 25GB (Always Free)
7.3 비용 최적화 전략
비용 최적화 공통 전략:
1. 적절한 인스턴스 크기 선택 (Right-sizing)
- AWS: Compute Optimizer
- GCP: Recommender
- Azure: Advisor
2. 예약 인스턴스 / 약정 할인 활용
- 안정적 워크로드: 1-3년 약정으로 최대 72% 절감
3. Spot/Preemptible 인스턴스 활용
- 배치 처리, CI/CD, 비중요 워크로드에 적합
- 최대 90% 비용 절감
4. 자동 스케일링 설정
- 비사용 시간에 자동 축소
5. 스토리지 수명 주기 정책
- 오래된 데이터를 자동으로 저렴한 티어로 이동
6. 비용 모니터링 도구 활용
- AWS: Cost Explorer, Budgets
- GCP: Billing Reports, Budgets
- Azure: Cost Management
8. 강점과 약점 분석
8.1 AWS 강점과 약점
강점:
- 서비스 범위: 200+ 서비스로 가장 넓은 포트폴리오
- 시장 성숙도: 가장 오래된 클라우드 (2006년 시작), 가장 큰 커뮤니티
- 글로벌 인프라: 33개 리전, 100+ 가용 영역
- 파트너 생태계: 가장 많은 ISV, SI 파트너
- Graviton: ARM 기반 프로세서로 비용 대비 최고 성능
약점:
- 과금 구조가 복잡 (서비스 간 데이터 전송 비용 특히)
- 콘솔 UX가 GCP 대비 복잡
- 관리형 Kubernetes(EKS)가 GKE 대비 설정 복잡
- 네이티브 데이터 분석이 BigQuery 대비 약함
8.2 GCP 강점과 약점
강점:
- 데이터/AI: BigQuery, Vertex AI, TPU로 데이터 분석/ML 최강
- Kubernetes: GKE Autopilot이 가장 성숙한 관리형 K8s
- 네트워크: Google의 글로벌 네트워크 (해저 케이블 보유)
- 비용 투명성: 지속 사용 할인 자동 적용, 커스텀 머신 타입
- 개발자 경험: 깔끔한 콘솔 UX, 우수한 문서
약점:
- 서비스 범위가 AWS/Azure 대비 좁음
- 엔터프라이즈 지원 성숙도가 AWS/Azure 대비 낮음
- 서비스 폐기(Deprecation) 이력이 많아 신뢰도 우려
- 일부 리전에서 가용 영역 수가 적음
8.3 Azure 강점과 약점
강점:
- 엔터프라이즈: Active Directory 통합, Office 365/Teams 연동
- 하이브리드 클라우드: Azure Arc, Azure Stack으로 온프레미스 통합
- 규정 준수: 정부/금융/의료 규정 준수 인증 가장 다양
- OpenAI 파트너십: GPT-4o 독점 접근
- Windows 워크로드: .NET, SQL Server 최적화
약점:
- 안정성 이슈가 AWS/GCP 대비 잦음 (특히 2024년 대규모 장애)
- 일부 서비스의 문서가 AWS/GCP 대비 부족
- Linux 워크로드에서 AWS/GCP 대비 비용 경쟁력 낮음
- 콘솔이 복잡하고 느림
9. 자격증 로드맵
9.1 AWS 자격증
AWS 자격증 로드맵:
입문: Cloud Practitioner (CLF-C02)
↓
중급: Solutions Architect Associate (SAA-C03) ← 가장 인기
↓
중급: Developer Associate (DVA-C02)
↓
중급: SysOps Administrator Associate
↓
고급: Solutions Architect Professional (SAP-C02)
↓
고급: DevOps Engineer Professional
↓
전문: Security Specialty / Database Specialty / ML Specialty
9.2 GCP 자격증
GCP 자격증 로드맵:
입문: Cloud Digital Leader
↓
중급: Associate Cloud Engineer (ACE) ← 가장 인기
↓
고급: Professional Cloud Architect (PCA)
↓
고급: Professional Data Engineer
↓
고급: Professional ML Engineer
↓
전문: Professional Cloud Security Engineer
9.3 Azure 자격증
Azure 자격증 로드맵:
입문: Azure Fundamentals (AZ-900)
↓
중급: Azure Administrator (AZ-104) ← 가장 인기
↓
중급: Azure Developer (AZ-204)
↓
고급: Azure Solutions Architect Expert (AZ-305)
↓
전문: Azure Security Engineer (AZ-500)
↓
전문: Azure AI Engineer (AI-102)
9.4 자격증 비교
| 항목 | AWS SAA | GCP ACE | Azure AZ-104 |
|---|---|---|---|
| 난이도 | 중간 | 중간 | 중간 |
| 시험 비용 | $150 | $200 | $165 |
| 유효 기간 | 3년 | 2년 (재인증 시 3년) | 1년 (무료 갱신) |
| 추천 학습 기간 | 2-3개월 | 2-3개월 | 2-3개월 |
| 시장 가치 | 가장 높음 | 데이터/K8s 분야에서 높음 | 엔터프라이즈에서 높음 |
10. 의사결정 프레임워크
10.1 시나리오별 추천
시나리오별 클라우드 추천:
스타트업 (초기 단계):
→ AWS: 가장 넓은 프리 티어, 크레딧 프로그램, 방대한 튜토리얼
→ GCP: $300 크레딧, Firebase 무료 티어 (모바일 앱에 적합)
데이터/AI 중심 팀:
→ GCP: BigQuery + Vertex AI + TPU 조합이 압도적
→ AWS: SageMaker + Bedrock도 강력하지만 비용 높음
엔터프라이즈 (기존 MS 환경):
→ Azure: AD 통합, Office 365, Hybrid Benefit이 결정적
→ AWS: MS 환경이 없는 엔터프라이즈에 적합
Kubernetes 중심 아키텍처:
→ GCP: GKE Autopilot이 최고의 K8s 경험 제공
→ AWS: EKS + Karpenter도 좋지만 설정 복잡
규정 준수가 중요한 경우 (정부/금융/의료):
→ Azure: 가장 많은 규정 준수 인증 보유
→ AWS: GovCloud로 정부 워크로드 지원
게임/미디어:
→ AWS: GameLift, IVS 등 전문 서비스
→ GCP: Google 네트워크 성능 + Game Servers
비용 최우선:
→ GCP: 지속 사용 할인 + 커스텀 머신 타입
→ AWS: Graviton + Spot Instances 조합
10.2 의사결정 플로우차트
클라우드 선택 의사결정:
Q1: 기존 Microsoft 환경(AD, Office 365)이 있나?
└ Yes → Azure (Hybrid Benefit + AD 통합)
└ No → Q2로
Q2: 주요 워크로드가 데이터 분석/AI인가?
└ Yes → GCP (BigQuery + Vertex AI)
└ No → Q3로
Q3: Kubernetes가 핵심 인프라인가?
└ Yes → GCP (GKE Autopilot)
└ No → Q4로
Q4: 서비스 다양성과 생태계가 중요한가?
└ Yes → AWS (200+ 서비스)
└ No → Q5로
Q5: 예산이 가장 중요한 제약 조건인가?
└ Yes → GCP (지속 사용 할인) 또는 AWS (Graviton)
└ No → AWS (가장 안정적, 가장 넓은 파트너 생태계)
11. 멀티클라우드 및 하이브리드 전략
11.1 멀티클라우드를 고려해야 하는 경우
멀티클라우드가 필요한 시나리오:
1. 벤더 종속(Lock-in) 방지
- 핵심 서비스를 특정 클라우드에 의존하지 않음
- Kubernetes + Terraform으로 이식성 확보
2. Best-of-Breed 접근
- AI/ML: GCP (BigQuery + Vertex AI)
- 백엔드 인프라: AWS (EC2 + Lambda)
- ID/접근 관리: Azure (Active Directory)
3. 규정 준수
- 데이터 주권: 특정 리전에만 데이터 저장
- 다중 클라우드로 규정 충족
4. 재해 복구 (DR)
- 한 클라우드 장애 시 다른 클라우드로 전환
- Active-Active 또는 Active-Passive DR
11.2 멀티클라우드 기술 스택
멀티클라우드 기술 스택:
IaC (Infrastructure as Code):
- Terraform: 모든 클라우드 지원, 가장 인기
- Pulumi: 프로그래밍 언어로 IaC 작성
컨테이너 오케스트레이션:
- Kubernetes: 모든 클라우드에서 실행
- Istio/Linkerd: 서비스 메시로 크로스 클라우드 통신
CI/CD:
- GitHub Actions: 클라우드 독립적
- GitLab CI: 자체 호스팅 가능
모니터링:
- Datadog: 멀티클라우드 통합 모니터링
- Grafana + Prometheus: 오픈소스 대안
서비스 메시:
- Istio: 크로스 클라우드 트래픽 관리
- Consul: 서비스 디스커버리 + 멀티클라우드
11.3 멀티클라우드 주의사항
멀티클라우드는 복잡성을 크게 증가시킵니다. 다음을 고려하세요:
- 운영 팀의 역량: 2-3개 클라우드 전문가가 필요
- 네트워크 비용: 클라우드 간 데이터 전송 비용이 높음
- 일관성: 보안 정책, IAM, 로깅을 통합 관리해야 함
- 최소 2개 팀의 합의 없이 멀티클라우드 도입은 위험
현실적 조언: 대부분의 조직에서는 하나의 주력 클라우드 + 특수 용도로 1-2개 서비스만 사용하는 것이 최적입니다. 진정한 멀티클라우드는 대기업에서만 필요합니다.
12. 면접 예상 질문 15선
기초 질문
Q1: AWS, GCP, Azure의 핵심 차이점을 간략히 설명하세요.
AWS는 가장 넓은 서비스 포트폴리오(200+ 서비스)와 가장 큰 시장 점유율을 보유합니다. GCP는 데이터 분석(BigQuery), AI/ML(Vertex AI, TPU), Kubernetes(GKE)에서 강점이 있습니다. Azure는 Microsoft 생태계(AD, Office 365) 통합과 엔터프라이즈/하이브리드 클라우드에서 강점이 있습니다.
Q2: 서버리스 컴퓨팅이란 무엇이며 각 클라우드의 서비스를 비교하세요.
서버리스는 서버 관리 없이 코드를 실행하는 모델입니다. AWS Lambda(최대 15분, 가장 넓은 이벤트 소스), GCP Cloud Functions(최대 60분 2nd gen, Cloud Run 기반), Azure Functions(Durable Functions로 상태 보존 워크플로). Lambda가 가장 성숙하고, Cloud Functions가 콜드 스타트가 가장 짧습니다.
Q3: 각 클라우드의 프리 티어 차이점은?
AWS: EC2 t2.micro 750시간, S3 5GB, Lambda 100만 요청 Always Free. GCP: e2-micro Always Free(US), BigQuery 1TB/월 Always Free, Cloud Functions 200만 호출. Azure: B1s VM 750시간, 250GB SQL, Functions 100만 요청. GCP의 Always Free 범위가 가장 넓습니다.
Q4: 벤더 종속(Vendor Lock-in)이란 무엇이며 어떻게 완화하나요?
벤더 종속은 특정 클라우드의 독점 서비스에 의존하여 다른 클라우드로 이전이 어려운 상태입니다. 완화 방법: 1) Kubernetes + Terraform 사용, 2) 오픈 표준 기반 기술 선택 (PostgreSQL vs Aurora), 3) 추상화 레이어 도입, 4) 컨테이너 기반 배포.
Q5: Reserved Instance vs Spot Instance의 차이를 설명하세요.
Reserved Instance는 1-3년 약정으로 최대 72% 할인받는 모델로, 안정적 워크로드에 적합합니다. Spot Instance는 유휴 용량을 최대 90% 할인으로 사용하지만, 언제든 회수될 수 있어 배치 처리, CI/CD 등 중단 가능한 워크로드에 적합합니다.
중급 질문
Q6: BigQuery가 Redshift보다 데이터 분석에 유리한 이유는?
BigQuery는 완전 서버리스로 인프라 관리가 불필요하고, 스캔 데이터량 기반 과금으로 비용 예측이 용이합니다. 스토리지와 컴퓨팅이 분리되어 독립적으로 확장 가능하며, 머신러닝 모델을 SQL로 직접 실행(BigQuery ML)할 수 있습니다. Redshift는 클러스터 크기를 미리 프로비저닝해야 합니다.
Q7: GKE가 EKS/AKS보다 Kubernetes 경험이 우수한 이유는?
Google이 Kubernetes를 만들었기에 가장 빠른 버전 지원을 제공합니다. GKE Autopilot은 노드 관리를 완전 자동화하여 Pod 단위 과금이 가능합니다. 네트워킹 성능이 우수하고, Anthos Service Mesh가 관리형으로 제공됩니다. EKS는 제어 플레인 비용이 발생하고 설정이 복잡합니다.
Q8: Azure가 엔터프라이즈 시장에서 강한 이유는?
Active Directory 통합으로 기존 ID 관리 시스템과 원활하게 연동됩니다. Office 365, Teams, Dynamics 365와의 통합이 자연스럽습니다. Azure Arc와 Azure Stack으로 온프레미스-클라우드 하이브리드 운영이 가능합니다. Windows Server Hybrid Benefit으로 기존 라이선스 비용을 절감할 수 있습니다.
Q9: 멀티클라우드 전략의 장단점을 설명하세요.
장점: 벤더 종속 방지, Best-of-Breed 서비스 활용, 재해 복구 강화, 규정 준수 용이. 단점: 운영 복잡성 증가, 전문 인력 필요, 네트워크 비용 증가, 보안 정책 일관성 유지 어려움. 대부분의 조직에서는 하나의 주력 클라우드를 권장합니다.
Q10: 클라우드 비용 최적화 전략 5가지를 설명하세요.
- Right-sizing: Compute Optimizer/Recommender로 적절한 인스턴스 크기 선택. 2) 예약 인스턴스/CUD로 안정 워크로드 할인. 3) Spot/Preemptible로 비중요 워크로드 비용 절감. 4) 자동 스케일링으로 비사용 시간 축소. 5) 스토리지 수명 주기 정책으로 저렴한 티어 자동 이동.
심화 질문
Q11: Cosmos DB와 DynamoDB의 아키텍처 차이를 설명하세요.
DynamoDB는 키-값 + 문서 모델 전용이며, 일관된 단일 자릿수 ms 지연을 보장합니다. Global Tables로 멀티 리전 복제가 가능합니다. Cosmos DB는 멀티 모델(문서, 키-값, 그래프, 컬럼)을 지원하고, 5가지 일관성 레벨(Strong ~ Eventual)을 선택할 수 있습니다. 턴키 글로벌 분산이 강점입니다.
Q12: 클라우드 마이그레이션 전략(6R)을 설명하세요.
- Rehost (Lift and Shift): 변경 없이 이전. 2) Replatform: 최소한의 최적화 후 이전. 3) Refactor: 클라우드 네이티브로 재설계. 4) Repurchase: SaaS로 전환. 5) Retain: 온프레미스 유지. 6) Retire: 폐기. 대부분 Rehost로 시작하여 점진적으로 Refactor합니다.
Q13: Terraform으로 멀티클라우드를 관리하는 방법을 설명하세요.
Terraform은 HCL로 인프라를 정의하고, Provider를 통해 AWS/GCP/Azure 모두 지원합니다. State 관리는 원격 백엔드(S3, GCS 등)를 사용하고, Module로 재사용 가능한 인프라 컴포넌트를 정의합니다. Workspace로 환경(dev/staging/prod)을 분리합니다.
Q14: 각 클라우드의 AI/ML 생태계를 비교하세요.
AWS: SageMaker(ML 플랫폼) + Bedrock(LLM, Claude/Llama) — 가장 넓은 프레임워크 지원. GCP: Vertex AI + BigQuery ML + TPU + Gemini — 데이터 분석과 ML의 통합이 최강. Azure: Azure ML + Azure OpenAI(GPT-4o 독점) — 엔터프라이즈 생성형 AI에서 최강.
Q15: 클라우드 네이티브 애플리케이션 설계 원칙을 설명하세요.
12-Factor App 원칙을 기반으로: 1) 마이크로서비스 아키텍처. 2) 컨테이너 기반 배포. 3) CI/CD 자동화. 4) 인프라의 코드화(IaC). 5) 상태 비저장(Stateless) 설계. 6) 관측성(Observability) 내장. 7) 자동 스케일링. 8) 장애 격리(Circuit Breaker 등). 9) 선언적 API. 10) 이벤트 기반 비동기 처리.
13. 퀴즈
Q1: 2025년 기준 글로벌 클라우드 시장 점유율 1위는?
AWS (약 31%) 입니다. 2006년 S3와 EC2 출시 이후 가장 오래된 퍼블릭 클라우드로서 가장 넓은 서비스 포트폴리오를 보유하고 있습니다. 2위 Azure(25%), 3위 GCP(11%)가 뒤를 잇습니다.
Q2: Kubernetes를 사용한다면 어떤 클라우드가 가장 적합한가?
GCP의 GKE(Google Kubernetes Engine) 가 가장 적합합니다. Google이 Kubernetes를 만들었기에 가장 빠른 버전 지원, Autopilot 모드의 완전 관리형 경험, 우수한 네트워킹 성능을 제공합니다. Autopilot은 Pod 단위 과금으로 비용 최적화도 우수합니다.
Q3: 엔터프라이즈에서 Microsoft 환경을 사용 중이라면?
Azure가 가장 적합합니다. Active Directory 통합, Office 365/Teams 연동, Windows Server Hybrid Benefit(기존 라이선스 비용 절감), Azure Arc/Stack으로 하이브리드 클라우드 구현이 가능합니다. 정부/금융/의료 규정 준수 인증도 가장 다양합니다.
Q4: 데이터 분석과 AI/ML 중심이라면 어떤 클라우드가 좋은가?
GCP가 가장 적합합니다. BigQuery(서버리스 데이터 웨어하우스, 1TB/월 무료 쿼리), Vertex AI(통합 ML 플랫폼), TPU(텐서 처리 장치), Gemini(멀티모달 LLM)의 조합이 압도적입니다. BigQuery ML로 SQL만으로 ML 모델을 학습/배포할 수 있습니다.
Q5: 벤더 종속을 방지하는 기술 스택은?
Kubernetes + Terraform + 오픈 표준 기반 기술입니다. Kubernetes로 컨테이너 오케스트레이션을 표준화하고, Terraform(HCL)으로 인프라를 정의하면 클라우드 간 이식성이 높아집니다. 데이터베이스는 PostgreSQL 같은 오픈소스를 사용하고, 모니터링은 Prometheus + Grafana를 사용하면 벤더 독립적인 스택을 구성할 수 있습니다.
참고 자료
- AWS 공식 문서
- Google Cloud 공식 문서
- Azure 공식 문서
- Gartner Magic Quadrant for Cloud Infrastructure and Platform Services
- Flexera State of the Cloud Report
- CNCF Cloud Native Survey
- AWS vs Azure vs GCP - A Cloud Services Cheat Sheet
- Google Cloud Architecture Framework
- AWS Well-Architected Framework
- Azure Architecture Center
- Terraform Documentation
- Kubernetes Documentation
- InfoQ Cloud Trends Report
- The New Stack - Cloud Native News
- Cloud Native Computing Foundation (CNCF)