Scaffolding insights from Github repositories.

MLflow는 더 이상 모델 실험 추적 도구 하나로 설명하기 어려운 저장소입니다. 최근 흐름을 보면 전통적인 ML 수명주기 관리 위에 프롬프트, 평가, 추적, 게이트웨이까지 얹으며 AI 엔지니어링 플랫폼으로 성격을 넓혀 가고 있습니다.

Netdata는 서버 모니터링 도구로만 보기에는 범위가 꽤 넓은 저장소입니다. 에이전트 설치 후 바로 관측 가능한 범위를 크게 확보하고, 실시간성·경량성·문제 탐지 흐름을 한 제품 안에서 묶는 방식이 특히 인상적입니다.

NATS Server는 메시지 브로커이면서 동시에 분산 시스템의 통신 모델을 단순화하려는 프로젝트에 가깝습니다. 가벼운 퍼브섭에서 시작해 JetStream 같은 영속 메시징까지 확장하면서도, 운영성과 단순성을 끝까지 놓치지 않으려는 방향이 이 저장소의 힘입니다.

CloudQuery는 클라우드 관리 도구라기보다, 분산된 인프라 메타데이터를 수집해 데이터 웨어하우스에서 질의 가능한 자산 데이터셋으로 바꾸는 저장소입니다. 멀티클라우드와 SaaS 자산 정보를 SQL 기반 분석과 자동화로 이어지게 만든다는 점에서 플랫폼 팀에게 특히 흥미로운 프로젝트입니다.

JuiceFS는 분산 파일시스템을 다시 구현하는 프로젝트라기보다, 오브젝트 스토리지와 메타데이터 엔진을 조합해 클라우드 네이티브 환경에서 쓸 수 있는 POSIX 파일 계층을 만드는 저장소입니다. 빅데이터와 AI 워크로드가 여전히 파일시스템 의미론을 필요로 한다는 점을 실용적으로 풀어낸다는 점이 이 프로젝트의 강점입니다.

Atlas는 마이그레이션 도구를 하나 더 추가하는 프로젝트가 아니라, 데이터베이스 스키마와 권한, 테스트, 린트까지 코드 자산으로 통합하려는 저장소입니다. 선언형과 버전형 두 흐름을 모두 갖고 가면서 데이터베이스 변경을 Terraform과 비슷한 수준의 운영 객체로 만들려는 방향이 뚜렷합니다.

Quickwit은 단순한 로그 검색 도구가 아니라, 검색 엔진 아키텍처를 클라우드 오브젝트 스토리지 전제 위에서 다시 짜려는 저장소입니다. 검색 노드를 상태 비저장에 가깝게 유지하고 스토리지와 컴퓨트를 분리하는 방향이 분명해서, 관측 데이터와 대규모 로그 검색 관점에서 계속 볼 가치가 큽니다.

Tetragon은 보안 에이전트라기보다, 리눅스 커널과 Kubernetes 워크로드에서 일어나는 런타임 이벤트를 정책 가능한 신호로 바꾸는 저장소입니다. eBPF를 이용해 프로세스와 파일, 네트워크 활동을 추적하면서도 Kubernetes 메타데이터와 연결한다는 점이 이 프로젝트의 핵심입니다.

CloudNativePG는 단순한 Postgres 오퍼레이터라기보다, 데이터베이스 운영 절차 자체를 Kubernetes의 선언형 모델에 맞춰 재구성한 저장소입니다. 외부 HA 툴에 기대지 않고 Kubernetes API를 직접 활용해 장애 복구와 롤링 업데이트, 백업 운영을 풀어내는 점이 이 프로젝트를 계속 보게 만드는 이유입니다.

OPA는 보안 도구나 Kubernetes 부가 기능 하나로 축소해서 보기 어려운 저장소입니다. 접근 제어, 배포 정책, 인프라 규정, API 검증 같은 다양한 정책 판단을 공통 엔진과 언어로 통합하려는 시도라는 점에서, 플랫폼 엔지니어링과 거버넌스 양쪽에서 계속 볼 가치가 큽니다.