실습 랩

코드를 직접 작성하고 실행해보는 핵심 실습 목록입니다. 각 Lab은 독립적으로 수행 가능하지만 순서대로 진행하면 학습 효과가 높습니다.

Lab 목록

실무 JD 기반 역량 매핑

Lab 11~19는 LinkedIn의 실제 Terraform 채용공고(Terraform Infrastructure Engineer, Senior Terraform Engineer, Cloud Terraform Engineer, DevSecOps Specialist, SRE 등 11건)를 분석해, 현업에서 반복적으로 요구되는 역량을 실습으로 옮긴 것입니다. 각 랩의 “이 랩이 입증하는 실무 역량” 섹션에서 원문 JD 인용을 확인할 수 있습니다.

Lab 01: 첫 번째 리소스 배포

목표: S3 버킷 하나를 직접 생성하고 삭제하며 Terraform 기본 실행 흐름 체험

학습 내용: terraform init, plan, apply, destroy

# 작업 디렉토리 생성
mkdir lab01-first-resource && cd lab01-first-resource

# main.tf 작성
cat > main.tf << 'EOF'
terraform {
  required_providers {
    aws = {
      source  = "hashicorp/aws"
      version = "~> 5.0"
    }
  }
}

provider "aws" {
  region = "ap-northeast-2"
}

resource "aws_s3_bucket" "my_first_bucket" {
  bucket = "my-terraform-lab01-${random_string.suffix.result}"
}

resource "random_string" "suffix" {
  length  = 8
  special = false
  upper   = false
}

output "bucket_name" {
  value = aws_s3_bucket.my_first_bucket.id
}
EOF

terraform init
terraform plan
terraform apply
terraform destroy

예상 결과: S3 버킷 생성 → 이름 출력 → 삭제 완료

Lab 02: VPC + EC2 기본 스택

목표: 실제 인프라 구성 요소(VPC, Subnet, Security Group, EC2)를 단계별로 배포

학습 내용: 리소스 간 참조, 암시적 의존성, 출력값 활용

# VPC 생성 → Subnet → Security Group → EC2 순서로 작성
# 각 단계에서 terraform plan으로 변경 내용 확인

실습 포인트:

• aws_vpc.main.id처럼 참조로 의존성 표현
• 보안 그룹에서 최소 권한 원칙 적용
• Output으로 EC2 퍼블릭 IP 출력

Lab 03: 변수와 Outputs 실습

목표: 하드코딩된 값을 변수로 교체하고, outputs으로 필요한 정보 노출

학습 내용: variable, output, locals, tfvars 파일

# 1. 하드코딩된 main.tf에서 시작
# 2. 변수 추출: instance_type, environment
# 3. locals로 네이밍 규칙 중앙화
# 4. dev.tfvars, prod.tfvars 분리
terraform plan -var-file=dev.tfvars
terraform plan -var-file=prod.tfvars

Lab 04: 모듈 만들기

목표: 재사용 가능한 네트워크 모듈 작성 및 루트 모듈에서 호출

학습 내용: 모듈 입력/출력 설계, module 블록 사용

디렉토리 구조:
lab04/
├── modules/
│   └── network/
│       ├── main.tf
│       ├── variables.tf
│       └── outputs.tf
└── main.tf  (모듈 호출)

Lab 05: dev/prod 환경 분리

목표: 동일 모듈을 dev와 prod 환경에 다른 설정으로 배포

학습 내용: 디렉토리 기반 환경 분리, tfvars 활용

environments/
├── dev/
│   ├── main.tf
│   └── terraform.tfvars
└── prod/
    ├── main.tf
    └── terraform.tfvars

Lab 06: Remote State 설정

목표: S3 + DynamoDB로 Remote Backend 구성하고 팀 협업 기반 마련

학습 내용: S3 backend 설정, State Locking, State 공유

# backend.tf
terraform {
  backend "s3" {
    bucket         = "your-terraform-state-bucket"
    key            = "lab06/terraform.tfstate"
    region         = "ap-northeast-2"
    dynamodb_table = "terraform-state-lock"
    encrypt        = true
  }
}

실습 포인트: 두 터미널에서 동시 apply 시도 → Lock 동작 확인

Lab 07: 기존 리소스 Import

목표: 콘솔에서 수동 생성한 리소스를 Terraform State에 편입

학습 내용: terraform import, import block (Terraform 1.5+)

# 방법 1: CLI import
terraform import aws_s3_bucket.existing my-existing-bucket-name

# 방법 2: import block (Terraform 1.5+)
import {
  to = aws_s3_bucket.existing
  id = "my-existing-bucket-name"
}

Lab 08: GitHub Actions 파이프라인

목표: PR 생성 시 자동 plan, main 머지 시 자동 apply 파이프라인 구성

학습 내용: GitHub Actions workflow, OIDC 인증, 환경 승인

# .github/workflows/terraform.yml
on:
  pull_request:  # plan
  push:
    branches: [main]  # apply

실습 포인트: PR 코멘트로 plan 결과 자동 게시

Lab 09: 보안 스캔 통합

목표: tfsec와 checkov를 CI/CD 파이프라인에 추가

학습 내용: IaC 정적 분석, 보안 이슈 수정

# 의도적으로 보안 이슈 있는 코드 작성 후
tfsec .
checkov -d .
# 결과를 보고 코드 수정

Lab 10: State 복구 시나리오

목표: 실제 운영에서 발생하는 State 문제 상황을 재현하고 복구

학습 내용: state rm, state mv, terraform import, apply -replace

시나리오 1: 콘솔에서 리소스 수동 삭제 후 state 정리

시나리오 2: 리소스 코드 이름 변경 후 교체 없이 state mv로 처리

시나리오 3: 콘솔 수동 변경(Drift) 감지 및 복구

# Drift 감지
terraform plan -refresh-only

# State에서 리소스 제거
terraform state rm aws_instance.old_name

# 리소스 교체
terraform apply -replace="aws_instance.broken"