Kubernetes 환경에서 ML 모델 서빙 시스템을 운영할 때 어떤 방식으로 안정성을 확보했는지 사례를 들어 설명해 주세요.

졸업 프로젝트에서 모델을 새로 학습할 때마다 이전 버전이 어디 있는지 찾기 어렵다는 문제가 팀에서 반복됐습니다. 제가 이 부분을 정리해보기로 했습니다. 처음엔 모델 파일 이름에 날짜를 붙이는 방식으로 시작했는데, 어떤 데이터로 학습했는지 나중에 파악이 안 되는 한계가 생겼습니다. 이후 학습 시마다 파라미터와 성능 지표, 데이터 버전을 함께 기록하는 간단한 로그 파일을 만들었습니다. 파일 하나에 텍스트로 쌓는 방식이었지만, 덕분에 3개월 전 모델이 왜 그 성능이었는지를 나중에 추적할 수 있었습니다. 팀원이 로그 형식이 일관되지 않다고 지적해서 템플릿을 정해두는 방식으로 바꿨습니다. 작은 구조부터 잡아가는 경험이었고, 실무에서 MLOps 도구를 쓸 때 이 구조의 이유를 이해하는 데 도움이 됐습니다.