.svg)
AI 솔루션 문의하기
현대의 기업이 운영하고 있는 정보기술 시스템은 자신의 데이터센터에서 직접 관리하는 환경과 클라우드 회사가 제공하는 원격 환경 그리고 각 업무 현장에 설치된 작은 기기와 여러 종류의 센서 같은 매우 다양한 형태의 이질적 환경들이 동시에 존재하고 있으며 더욱이 각각의 팀이 자신이 담당하는 영역만 따로 관리하는 분산된 운영 구조를 가지고 있습니다.
이러한 분산된 환경에서 시스템 장애가 발생했을 때 전체 시스템 운영에 미치는 영향을 빠르게 파악하기가 어렵고 문제가 무엇 때문에 일어났는지를 추적하는 데도 상당한 시간이 걸리며 동시에 여러 팀이 같은 부분을 중복되게 모니터링하고 관제하게 되어 운영에 필요한 비용도 계속 증가합니다. 통합 관제센터를 새로 구축하고 인공지능 기반 운영 기술을 적용하면 흩어져 있는 모든 시스템들을 효과적으로 관리할 수 있습니다.
모든 시스템을 하나의 통합 관제센터로 관리하려면 가장 먼저 모든 시스템으로부터 필요한 정보를 수집해야 하고 각 시스템이 내보내는 데이터의 형식이 서로 다르기 때문에 이를 하나의 통일된 형식으로 변환하는 과정이 필수적입니다.
AI Ops 플랫폼은 매우 다양한 소스로부터 들어오는 데이터를 수집하고 모두 같은 형식으로 변환합니다. 서버의 성능 정보와 네트워크 상태 그리고 응용프로그램이 남긴 기록과 보안 관련 사건 같은 완전히 다른 형태의 데이터들을 하나로 모아서 전체 시스템의 상태를 통일된 관점에서 파악할 수 있게 되며 수집된 데이터의 정확성을 검증하고 빠진 부분이 있으면 이를 처리합니다.
만약 운영팀이 여러 개의 서로 다른 모니터링 시스템을 일일이 열어서 확인해야 한다면 운영의 효율성이 크게 떨어질 수밖에 없습니다. AI Ops 플랫폼은 모든 시스템의 상태를 하나의 통합된 화면에서 한눈에 볼 수 있도록 제공합니다. 그런데 단순히 많은 정보를 한 화면에 다 표시하는 것은 오히려 사용자를 혼란스럽게 합니다.
따라서 플랫폼은 사용자가 맡은 역할과 책임의 범위에 따라 개인에게 맞춤형 화면을 제공하고 정말 중요한 정보는 눈에 띄도록 강조해서 표시하며 바로 조치할 수 있는 실질적인 정보를 가장 먼저 보여줍니다. 또한 휴대폰이나 태블릿 같은 모바일 기기에서도 언제든지 접근할 수 있도록 지원합니다.
여러 시스템에서 발생한 개별적인 문제들이 서로 연결되면서 전체 서비스가 중단되는 상황이 발생할 수 있으므로 이를 예로 들면 네트워크 속도가 느려지면 데이터베이스가 응답 대기 시간을 초과하게 되고 이것이 다시 응용프로그램의 오류로 나타나는 식입니다. AI Ops는 여러 시스템에서 동시에 발생한 문제 신호들 사이의 발생 순서와 인과관계를 분석합니다.
이러한 분석을 통해 매우 많은 경고 신호들 중에서 실제 문제의 근본 원인이 되는 핵심적인 신호 몇 개를 찾아낼 수 있으므로 운영팀이 효율적으로 대응할 수 있게 되며 과거에 비슷한 패턴으로 발생했던 사건들을 참고하면 문제를 해결하는 데 걸리는 시간을 크게 단축할 수 있습니다.
통합 관제의 궁극적인 목표는 사용자가 장애를 느끼지 못할 정도로 빠르게 문제를 해결하는 것입니다. AI Ops는 이미 알려진 특정 장애 패턴에 대해서는 자동으로 복구 절차를 실행합니다. 예를 들어 서버의 메모리가 부족해져서 응답 시간이 길어지는 것이 감지되면 자동으로 해당 서비스를 다시 시작하거나 데이터베이스에 연결된 여러 개의 통로가 효율적으로 작동하도록 설정을 조정합니다.
자동 복구 기능으로 인해 문제가 감지되는 즉시 대응이 가능하므로 장애가 사용자에게 미치는 영향을 최소화할 수 있으며 운영팀이 밤중에 깨서 나가야 하는 일의 횟수도 크게 줄어들게 됩니다. 다만 자동 복구로 해결할 수 없는 심각한 문제는 바로 운영팀에 알립니다.
• 통합 데이터 수집 모든 시스템의 정보를 중앙에서 모읍니다
• 이벤트 상관관계 분석 문제의 진짜 원인을 찾습니다
• 통합 화면 전체 상태를 한눈에 보여줍니다
• 자동 복구 반복되는 문제는 자동으로 해결합니다
• 예측 분석 앞으로 발생할 문제를 미리 예측합니다
• 우선순위 자동 결정 중요한 것부터 처리합니다
• 자동 이스컬레이션 심각한 문제는 즉시 보고합니다
• 지속적 학습 과거 사건으로부터 배우고 개선합니다
대규모 회사의 통합 관제센터는 한 팀이 모든 것을 맡아서 할 수 없으므로 여러 단계로 이루어진 계층적 구조의 관제 모델이 필수적입니다. AI Ops는 자동화된 초기 대응으로 경미하거나 반복적인 문제는 자동으로 해결하고 더 복잡하거나 특별한 기술이 필요한 문제는 관련 전문 팀에 넘깁니다.
여러 단계의 관제 구조를 통해 각 팀이 자신이 전문으로 하는 영역에만 집중할 수 있게 되므로 전체 운영의 효율성이 향상될 수 있으며 각 팀의 책임 범위가 명확해져서 문제가 발생했을 때 어느 팀이 담당하는지를 빠르게 파악할 수 있습니다.
기업의 정보기술 시스템이 정상적으로 작동하는 데는 기업 내부의 요소만 영향을 미치지 않으며 클라우드 회사의 시스템이 중단되는 것과 인터넷 연결이 끊기는 것 그리고 함께 일하는 다른 회사의 시스템에 장애가 생기는 것 같은 외부의 여러 요인들도 영향을 미칩니다. AI Ops는 이러한 외부 정보도 자동으로 수집하여 통합 모니터링에 포함시킵니다.
클라우드 회사가 공개하는 현재 상태 정보와 인터넷 서비스 제공자가 보내는 공지사항 같은 외부 정보를 자동으로 받으면 기업의 내부 시스템 문제와 외부에서 비롯된 문제를 명확히 구분할 수 있으므로 필요 없는 내부 조사를 하지 않아도 되며 고객에게 정확한 정보를 빠르게 전달할 수 있습니다.
통합 관제센터는 정해진 성능 기준 목표에 따라 운영되어야 합니다. AI Ops는 각 시스템별로 서비스 수준을 정하는 약정을 관리합니다. 각 시스템이 얼마나 오랫동안 정상 작동해야 하는지의 목표와 장애가 발생했을 때 얼마나 빨리 대응해야 하는지 그리고 정상 상태로 복구되는 데 걸리는 시간 같은 다양한 기준들을 정하고 계속 추적합니다.
실시간으로 정해진 약정을 지키고 있는지를 확인하고 약정을 지키기 어려울 것 같으면 미리 경고를 해서 정해진 수준을 유지할 수 있게 하며 약정을 지키지 못한 원인이 무엇이었는지를 분석해서 다음에는 더 잘하도록 개선합니다.
운영을 담당하는 조직의 능력은 시간이 지나면서 계속 높아져야 합니다. AI Ops가 모은 데이터와 과거에 일어났던 사건들을 분석한 결과를 팀원들과 함께 공유하면 이것이 전체 조직의 학습 자료가 됩니다.
문제 상황이 발생한 후에 그 원인과 해결 과정을 정리하는 사후 검토를 정기적으로 수행하고 그 결과를 운영 방법에 반영하면 비슷한 장애가 다시 일어나는 것을 방지할 수 있으므로 조직 전체의 운영 능력이 점진적으로 향상될 수 있으며 이러한 자료들은 새로운 팀원을 교육하는 데도 매우 유용하게 활용됩니다.
.svg)
.svg)
