Docker란 무엇인가? 도커 개념과 컨테이너를 사용하는 이유

안녕하세요!
내 PC에서는 잘 되던 프로그램이 서버에서 멈춘 적이 있나요?
이때 원인은 코드보다 실행 환경의 차이인 경우가 많습니다.

Docker는 이런 차이를 줄이기 위해 널리 쓰이는 도구입니다.
처음에는 낯설지만, 핵심은 프로그램을 같은 상자에 담아 옮기는 일입니다.

내 컴퓨터에서는 되는데 서버에서는 왜 안 될까?

가령 Python으로 작은 웹 프로그램을 만들었다고 해보겠습니다.
개발자 PC에는 Python 3.11과 필요한 라이브러리가 설치되어 있습니다.

하지만 서버에는 Python 3.9만 설치되어 있을 수 있습니다.
코드가 최신 문법이나 특정 버전을 요구하면 실행 오류가 납니다.

운영체제 설정도 문제를 만들 수 있습니다.
파일 경로, 권한, 기본 설치 패키지가 다르면 같은 코드도 다르게 동작합니다.

여러 라이브러리가 서로 요구하는 버전이 충돌할 수도 있습니다.
이를 의존성 문제라고 하며, 프로그램이 기대하는 주변 조건의 문제입니다.

이런 상황에서 개발자는 설치 문서와 명령어를 길게 전달하게 됩니다.
받는 쪽은 같은 순서로 설치해도 다른 결과를 만날 수 있습니다.

문제는 프로그램 파일만 복사해서는 실행 조건까지 복사되지 않는다는 점입니다.
Docker는 실행에 필요한 조건을 함께 묶는 방식으로 이 문제에 접근합니다.

Docker는 프로그램을 담은 실행 상자를 만든다

Docker는 애플리케이션과 실행에 필요한 의존성을 이미지로 패키징하고, 이를 컨테이너로 실행하도록 돕는 플랫폼입니다.
여기서 패키징은 코드와 실행 환경을 한 덩어리로 준비하는 일입니다.

도커개념을 택배에 비유하면 이해하기 쉽습니다.
물건만 보내는 대신, 필요한 포장과 안내서를 함께 넣어 보내는 방식입니다.

다만 Docker는 단순 압축 파일이 아닙니다.
준비된 환경을 일정한 방식으로 실제 실행까지 연결해 주는 도구 모음입니다.

사진: Pexels 의 Wolfgang Weiser

이미지와 컨테이너는 어떻게 다를까?

이미지는 컨테이너를 만들기 위한 읽기 전용 설계도에 가깝습니다.
운영체제의 필요한 부분, 라이브러리, 코드, 실행 명령을 담을 수 있습니다.

컨테이너는 그 이미지로부터 만들어져 실제로 실행 중인 공간입니다.
붕어빵 틀이 이미지라면, 구워져 나온 붕어빵 하나가 컨테이너입니다.

같은 이미지에서 컨테이너를 여러 개 만들 수 있습니다.
각 컨테이너는 프로세스와 파일 변경을 서로 분리해 실행할 수 있습니다.

컨테이너를 지우면 그 안에서 임시로 바꾼 내용도 사라질 수 있습니다.
따라서 데이터베이스 같은 중요한 데이터는 별도 저장소에 보관하도록 설계합니다.

Docker Engine부터 Docker Hub까지의 연결

Docker를 처음 접하면 이름이 비슷한 구성 요소가 헷갈릴 수 있습니다.
아래 흐름만 먼저 잡으면 Docker입문 단계에서 충분합니다.

개발자 → Docker CLI → Docker Daemon → 이미지 → 컨테이너
필요한 이미지는 Docker Hub 같은 이미지 저장소에서 가져올 수 있습니다.

Docker CLI는 터미널에서 명령을 입력하는 창구입니다.
예를 들어 컨테이너를 실행하라는 명령을 전달하는 역할을 합니다.

Docker Daemon은 뒤에서 실제 작업을 처리하는 서비스입니다.
이미지를 만들고 내려받으며, 컨테이너를 생성하고 실행합니다.

Docker Engine은 이런 컨테이너 실행 기능을 제공하는 핵심 구성입니다.
일반적으로 CLI와 Daemon이 협력해 Engine의 기능을 사용한다고 이해하면 됩니다.

Docker Hub는 많은 사람이 이미지를 올리고 내려받는 공개 저장소입니다.
공식 Python 이미지처럼 기본 환경을 빠르게 가져올 때 자주 사용합니다.

Python을 직접 설치할 때와 컨테이너로 돌릴 때

일반 환경에서는 먼저 PC에 Python을 설치합니다.
그다음 프로젝트별로 라이브러리를 설치하고 실행 명령을 입력합니다.

이 방식은 간단한 개인 작업에는 편리합니다.
그러나 팀원이 늘거나 서버가 바뀌면 설치 과정과 버전을 맞추는 비용이 커집니다.

Docker 방식에서는 Dockerfile이라는 설정 파일에 환경 구성을 적습니다.
예를 들어 사용할 Python 버전, 설치할 라이브러리, 실행 명령을 기록합니다.

이 Dockerfile로 이미지를 만들면 팀원이 같은 기반을 받을 수 있습니다.
서버도 같은 이미지를 실행하므로 환경 차이를 줄이기 쉬워집니다.

중요한 점은 코드가 자동으로 좋아지는 것은 아니라는 사실입니다.
Docker는 코드를 고치는 도구가 아니라 실행 환경을 관리하는 도구입니다.

가상 머신과 컨테이너를 같은 것으로 보면 안 되는 이유

가상 머신은 하나의 컴퓨터 안에 완전한 가상 컴퓨터를 만드는 방식입니다.
각 가상 머신은 보통 자체 운영체제 전체를 포함합니다.

컨테이너는 호스트 운영체제의 커널을 공유하면서 프로세스를 분리합니다.
커널은 운영체제가 하드웨어를 관리하는 핵심 부분입니다.

그래서 컨테이너는 대체로 더 가볍고 빠르게 시작할 수 있습니다.
반면 가상 머신과 완전히 같은 수준의 분리를 기대하면 안 됩니다.

Docker를 쓰면 어떤 점이 달라질까?

첫째, 개발 환경의 일관성을 높일 수 있습니다.
개발자 PC, 테스트 서버, 운영 서버가 같은 이미지를 기반으로 실행될 수 있습니다.

둘째, 배포 과정이 단순해집니다.
서버에 매번 긴 설치 절차를 반복하는 대신, 검증한 이미지를 전달해 실행할 수 있습니다.

셋째, 프로그램 사이의 격리에 도움이 됩니다.
서로 다른 프로젝트가 필요한 라이브러리 버전을 각자 컨테이너 안에서 관리할 수 있습니다.

넷째, 재현성이 좋아집니다.
문제가 발생한 이미지를 기준으로 비슷한 환경을 다시 만들어 원인을 확인하기 쉬워집니다.

컨테이너라면 어디서나 완전히 같을까?

그렇지는 않습니다.
컨테이너는 호스트의 커널과 하드웨어 조건에 영향을 받습니다.
특히 Linux 컨테이너는 Linux 커널의 기능을 바탕으로 동작합니다.

CPU 종류가 다르거나 특수 장치를 쓰는 경우도 확인이 필요합니다.
예를 들어 GPU를 사용하는 AI 작업은 드라이버와 런타임 설정이 맞아야 합니다.

네트워크, 파일 권한, 환경 변수, 외부 데이터베이스도 별도로 구성해야 합니다.
이미지 하나만 있으면 모든 운영 조건이 해결된다고 생각하면 곤란합니다.

또한 검증하지 않은 공개 이미지를 그대로 쓰는 일은 조심해야 합니다.
이미지 출처와 버전을 확인하고, 필요한 보안 업데이트를 관리해야 합니다.

웹 서버, AI, 로봇 개발에서는 어떻게 쓰일까?

웹 서버에서는 웹 애플리케이션과 실행 라이브러리를 이미지로 만듭니다.
테스트를 통과한 같은 이미지를 운영 서버에 배포하는 흐름을 만들 수 있습니다.

AI 개발에서는 Python, 수치 계산 라이브러리, 학습 도구의 버전을 맞추는 데 활용합니다.
다만 GPU 사용 여부와 드라이버 호환성은 컨테이너 밖의 조건까지 확인해야 합니다.

로봇 소프트웨어 개발에서는 복잡한 미들웨어와 도구의 환경을 맞추는 데 도움을 줄 수 있습니다.
다만 실제 센서와 모터를 제어할 때는 장치 접근 권한과 운영체제 조건을 따져야 합니다.

처음 배울 때는 이 세 가지만 기억하면 됩니다

첫째, 이미지는 실행 환경의 설계도이고 컨테이너는 그 설계도로 실행한 대상입니다.
이 둘의 차이를 분명히 알면 명령어의 의미도 훨씬 잘 보입니다.

둘째, Docker의 목적은 코드와 의존성을 함께 관리해 환경 차이를 줄이는 데 있습니다.
따라서 먼저 내 프로그램에 어떤 의존성이 있는지 적어 보는 습관이 중요합니다.

셋째, 컨테이너는 만능 가상 컴퓨터가 아닙니다.
호스트 커널, 하드웨어, 데이터 저장 방식까지 확인하는 것이 올바른 판단 기준입니다.

---

일부 이미지는 Pexels에서 제공되었습니다.