MLOps Central Platform 은 MLflow 를 대체하지 않음. MLflow 를 내장하고 그 위에 운영에 필요한 레이어 추가.

왜 MLflow 인가

실험 기록과 모델 관리를 수동으로 하면 다음 문제 발생.

  • 재현: 환경이 개인 컴퓨터마다 달라, 어떤 데이터와 파라미터로 실행했는지 추적 곤란.
  • 버전 관리: 스프레드시트나 파일 이름으로 버전과 성능 비교.
  • 배포와 감시: 학습·배포를 수동으로 수행, 배포 뒤 성능이 떨어져도 알 수 없음.

플랫폼은 실험 추적과 모델 레지스트리의 기반으로 MLflow 사용.

이유내용
사실상의 업계 표준실험 추적과 모델 레지스트리를 함께 제공하는 오픈소스
쉬운 연동표준 Python API 라서 학습 코드에 몇 줄만 추가
프레임워크 독립PyTorch, YOLO, scikit-learn 등을 같은 방식으로 기록
검증된 저장소PostgreSQL, S3 같은 널리 사용되는 저장소 위에서 동작

MLflow 단독 구성

표준 MLflow 구성에서는 클라이언트가 트래킹 서버에 실험을 기록하고 모델 등록.

MLflow 서비스 아키텍처: Python 클라이언트, CLI, 웹 브라우저가 REST API 로 MLflow Tracking Server 에 접속, 메타데이터는 PostgreSQL, 아티팩트는 S3 호환 저장소에 저장.

  • 사용자: ML 개발자가 Python 클라이언트(log_params, log_metrics, log_artifact, register_model)나 CLI, 웹 브라우저로 사용.
  • 서비스: MLflow Tracking Server 하나가 실험 추적, 모델 레지스트리, 아티팩트 서비스, 웹 화면 담당.
  • 스토리지: 실험·Run·모델 버전 같은 메타데이터는 PostgreSQL 에, 모델 가중치·이미지·로그 같은 대용량 파일은 S3 호환 저장소에 저장.

기본 구성에는 인증도, 팀 사이의 격리도 없음. 주소를 아는 사람은 누구나 모든 실험과 모델을 조회·수정 가능.

MLflow 만으로 부족한 기능

부족한 기능문제
보안인증이 없어 모델과 실험 데이터가 외부에 노출
거버넌스모델을 운영에 반영할 때 거치는 승인 절차가 없고, 누가 무엇을 했는지 기록하는 감사 로그도 없음
운영 기능MLflow 는 배포, 서빙, 모니터링(드리프트 감지), 재학습(CT) 미제공

MLOps Central Platform 이 추가한 층

MLflow 코어 앞에 플랫폼 층을 배치해 멀티테넌시·승인·배포·관측 기능 추가.

MLOps Central Platform 아키텍처: 플랫폼 층(인증·RBAC, MLflow 게이트, 승인 워크플로, 감사 로그, 배포 관리, 드리프트 감시, 모니터링)이 기존 MLflow 코어 앞에 위치, 실행·관측 서비스와 스토리지 공유.

그림에서 빨간 점선 내부가 새로 추가한 부분. MLflow Tracking Server 는 플랫폼 게이트를 통해서만 접근 가능, 외부에 직접 노출되지 않음.

추가한 기능하는 일자세히
MLflow 게이트테넌트 토큰으로 사용자 인증, 테넌트마다 MLflow 워크스페이스 분리. 개발자는 표준 MLflow 코드를 그대로 사용.노트북에서 MLflow 사용
역할 기반 접근다섯 가지 역할(VIEWER, DEVELOPER, OPERATOR, APPROVER, ADMIN)과 승인 워크플로, 감사 로그역할과 권한
운영 자동화엣지 배포와 롤백, 모니터링, 경보, 드리프트 감시와 재학습MLOps Central Platform 의 기능
통합 화면실험부터 배포, 감시까지 한 화면에서 처리사용 가이드

비교

항목MLflow 만MLOps Central Platform
실험 기록·모델 레지스트리✅✅ (내장 MLflow 그대로)
로그인과 인증없음로그인(JWT), MLflow 는 테넌트 토큰
팀(테넌트) 격리없음테넌트마다 워크스페이스와 Kubernetes 네임스페이스
권한없음역할 다섯 가지, 권한 열한 가지
Production 승격누구나 즉시항상 승인 요청. 안전이 중요한 모델은 두 번의 승인 필요.
감사 기록없음누가 무엇을 했는지 기록하고 CSV 로 내보내기
학습 실행직접마법사로 제출하면 클러스터의 Kubernetes Job 으로 실행
서빙·엣지 배포직접API 서비스, 현장 장비 배포와 롤백
감시없음모니터링, 경보, 드리프트(PSI·KS)

2026-10-02 기준 플랫폼으로 작성

© MLOps Central Platform