Grafana Tempo 3.1 발표와 Cloudflare Void 오픈소스 외 3건

2026년 10월 14일부터 16일까지 발표된 DevOps 및 인프라 운영 관련 주요 소식을 모았어요. Grafana Labs의 분산 트레이싱 백엔드 Tempo 3.1 업데이트, Cloudflare의 오픈소스 Vite 배포 플랫폼 Void와 Hyperdrive MySQL 지원, Zero Trust 게이트웨이의 Workers 연동, Kubernetes Headlamp용 Kueue 워크로드 추적 플러그인 알파 소식을 정리했어요.

Grafana Labs, 분산 트레이싱 백엔드 Tempo 3.1 릴리스

Grafana Labs가 분산 트레이싱 백엔드인 Tempo 3.1을 발표했어요. 이번 마이너 업데이트에서는 TraceQL 쿼리를 활용해 민감한 트레이스 데이터를 삭제(redact)하는 기능이 도입되었고, vParquet5가 기본 블록 포맷으로 지정되었어요. 또한 Kafka 클라이언트에 TLS와 추가 SASL 인증 방식이 들어갔으며, 브로커 랙 인식을 위한 옵션도 지원돼요. 단순 메트릭 쿼리가 거의 2배 빨라졌다는 내용은 Grafana 측 설명이에요. (InfoQ 보도 기준)

출처: InfoQ · 10/15

Cloudflare, 오픈소스 Vite 풀스택 배포 플랫폼 Void 공개

Cloudflare가 Vite 기반 애플리케이션의 서버 라우팅과 타입 기반 데이터 접근, 클라우드 배포를 일원화하는 오픈소스 플랫폼 Void를 공개했어요. Platform, SDK, CLI 3종으로 구성되며 npm 패키지 하나로 간편하게 설치해 사용할 수 있어요. void/db 모듈을 사용하면 개발 중에는 로컬 데이터베이스를 제공하고 배포 시에는 프로덕션 D1을 자동으로 생성해 줘요. Void Platform을 설치하면 회사 Cloudflare 계정 안의 Workers for Platforms 위에 함께 쓰는 배포 환경이 생겨요.

출처: Cloudflare Blog · 10/15

Cloudflare, Hyperdrive 커넥션 풀러 MySQL 지원 정식 출시

Cloudflare의 Workers용 데이터베이스 연결 풀링 서비스인 Hyperdrive가 MySQL 지원을 정식 출시(GA)했어요. 기존에 Postgres만 지원하던 환경에서 MySQL 데이터베이스로 연결 대상이 확장되었어요. Cloudflare는 베타와 GA의 차이가 버그 수정 20건이라고 설명했고, 베타 기간 목표는 실제 고객 사용에서 프로덕션 가용성 목표 99.99%를 확인하는 것이었다고 밝혔어요. 글 본문은 분산 네트워크에서 MySQL 커넥션 풀러를 운영하며 찾은 드문 캐싱 버그와 해결 과정을 다뤄요.

출처: Cloudflare Blog · 10/14

Cloudflare, Zero Trust 게이트웨이 정책 평가 Workers 연동 공개 베타

Cloudflare가 Zero Trust 보안 웹 게이트웨이(Gateway)와 DLP 정책 평가 시점에 Workers 코드를 실행할 수 있는 프로그래밍 기능을 발표했어요. 새롭게 추가된 Forward 동작은 발표와 함께 공개 베타로 제공되며 모든 Zero Trust 요금제에서 사용할 수 있어요. 정책에 걸린 HTTP 트래픽을 Worker로 보내 헤더 수정, JWT 클레임 기반 처리, Slack·PagerDuty 알림, 맞춤 DLP 검증에 쓸 수 있고, Gateway와 Workers가 같은 머신에서 돌아 네트워크 구간이 따로 생기지 않는다는 게 Cloudflare 설명이에요.

출처: Cloudflare Blog · 10/15

Kubernetes 블로그, Headlamp 대시보드용 Kueue 승인 추적 플러그인 알파 소개

배치 작업 큐 관리 시스템인 Kueue의 워크로드 승인 과정을 시각화하여 점검할 수 있는 Headlamp 대시보드용 플러그인 0.1.0-alpha가 공개되었어요. Kueue v1beta2 버전의 Workload, LocalQueue, ClusterQueue 등 주요 리소스를 읽기 전용 뷰로 제공해요. 사용자는 QuotaReserved나 Admitted 조건을 대시보드에서 직접 확인하여 배치 Job의 대기 원인을 파악하고 스케줄링 문제를 분리해 분석할 수 있어요.

출처: Kubernetes Blog · 10/14