지금은 기업이 내년에 구매할 새로운 기술 옵션을 살펴보는 시기이다. 일반적으로 새로운 기술이 가장 필요한 분야에 초점을 맞추는데, 네트워크 관리도 그런 영역 중 하나이다. 이 주제에 대해 필자에게 의견을 제시한 178명의 기업 IT 책임자 중 169명이 새로운 네트워크 관리 옵션을 찾고 있다고 했다. 하지만 매력적인 솔루션을 찾았다고 답한 사람은 37명에 불과했다. 솔루션 업체들이 네트워크 관리의 혁신과 유용성을 찾아갈 지도를 잃어버린 것은 아닌지 의심해 볼 필요가 있다.
AI는 네트워크 관리를 발전시킬 수 있는 가장 확실한 기술이지만, 아직은 다소 부담스러운 기술이다. 169명 모두 네트워크 관리 관점에서 AI에 관심이 있다고 답했으며, 30명은 적어도 한 가지 이상의 옵션을 확인했다고 답했다. 2024년에 도입할 기술에 대한 예산이 있다고 답한 응답자는 9명이었는데, 이들 모두 네트워크 관리에서 AI의 공통적인 문제점으로 범위 문제를 꼽았다. 여기서 말하는 범위란 AI가 자체 네트워크 데이터를 학습하는 정도와 AI가 실제로 볼 수 있는 디바이스 범위 두 가지를 의미한다.
데이터 전문화 문제는 자체 네트워크에 특화된 AI/ML과 LLM 툴의 확장을 통해 처리된다. 특화된 AI/ML은 기업의 자체 네트워크 데이터에서 운영되며, LLM 툴은 네트워크 텔레메트리를 포함한 모든 종류의 기업 데이터를 통합한다. 사용자는 여기서 더 많은 진전이 이루어질 수 있으며, AI가 올바른 방향으로 발전하고 있다고 생각한다. 하지만 이런 AI가 2024년에 실현될 것으로 생각하지는 않는다.
지원되는 디바이스의 범위는 또 다른 문제이다. AI가 모든 네트워크를 보는 것은 큰 이점이 되겠지만, 범위를 좁게 설정하면 운영 담당자와 AI가 관리 책임을 공유해야 할 위험이 있다. 전문가들은 책임을 공유한다는 것은 실제로 아무도 책임지지 않는다는 것을 의미한다고 지적한다.
그러나 포괄적인 툴은 드물고 전체 관리 시스템과 통합된 경우는 더욱 드물다. 특히 여러 업체의 장비로 구성된 네트워크는 통합 AI의 지원을 받을 가능성이 낮은데, AI 운영에 관심이 있는 기업 중 거의 절반이 네트워크에 최소 2곳 이상 업체의 장비를 사용하고 있다고 답했다. 이 문제는 데이터 범위 문제보다 해결에 더 오랜 시간이 걸릴 가능성이 크기 때문에 기업은 내년에 큰 진전이 이뤄질 것으로 기대하지 않는다.
애플리케이션 QoE와 함께 부상하는 AI
네트워크 관리 분야에서 AI가 발전하고 있는 것으로 보이지만, 여전히 새로운, 그리고 발전하고 있는 비법이 필요한 상태이다. 기업이 네트워크 관리 분야에서 혁신적인 발전이 가능할 것으로 기대하는 분야가 있을까? 기업의 관심을 끄는 두 가지 주요 트렌드가 있다.첫 번째는 이미 광범위하게 가시화되고 있는 관리 방식, 즉 네트워크를 다른 무언가로 흡수하는 것이다. 기업은 오래전부터 데이터센터 네트워크인 LAN이 네트워크 계획이 아닌 데이터센터 하드웨어/소프트웨어 계획에 의해 주도된다고 말해왔다. 이제 애플리케이션 접속을 위한 프론트엔드 기술로 클라우드를 사용하는 하이브리드 클라우드가 폭넓게 사용되면서 WAN도 클라우드 내부로 흡수되고 있다. 이에 따라 네트워크의 가시성이 떨어지면서 명확한 네트워크 관리의 중요성이 줄어들고 있다.
아이러니하게도 이런 상황은 AI의 역할을 키운다. 모든 것이 애플리케이션의 QoE(Quality of Experience)를 유지한다는 상위 관점 아래 높이면서 의미있는 문제 식별 및 격리, 해결이 어려워졌다. 경험에는 구동부가 너무 많기 때문이다. 기업은 진정한 'QoE 콘솔'을 원하며, AI가 이런 소망을 실현할 가장 유력한 툴이라고 생각한다. 또 관련 기술은 진전을 보이고 있지만, 일부 솔루션 업체가 자사의 솔루션을 혁신하는 데 적극적으로 나서야 한다고 지적한다. 그래서인지 기업은 네트워크 솔루션 업체가 이 분야의 개척자가 될 것이라고 생각하지 않는다.
디지털 트윈과 AI의 결합으로 네트워크 관리 범위 확대
두 번째는 IoT 및 산업용 메타버스 애플리케이션과 연관된 '디지털 트윈' 기술을 사용해 네트워크 장비의 디지털 트윈을 기반으로 네트워크의 소프트웨어 모델을 구축하는 것이다. 여러 솔루션 업체가 제시하고 있는 방안이며, 노키아가 대표적인 업체이다. 이 방식을 통해 네트워크는 사실상 산업용 시스템이 되고, 산업용 IoT 및 산업용 메타버스 배치를 위한 만든 툴로 모니터링하고 제어할 수 있다.한 가지 문제는 이름 있는 솔루션 업체의 지원이 부족하다는 것이다. 포워드 네트웍스(Forward Networks)처럼 디지털 트윈 모델링을 지원하는 솔루션 업체는 엔터프라이즈 네트워크 업계에서는 인지도가 거의 없다. 네트워크 운영에서 새로운 비전을 찾고 있는 169곳의 기업 중 29곳만이 노키아의 아이디어에 대해 알고 있었다. 물론, 노키아와 관련이 없는 기업이 많았고, 노키아가 새 기술을 발표한 것이 지난 10월이기 때문이다. 만약 디지털 트윈 개념이 발전하면 AI도 강화될 것이다.
AI는 일반적으로 네트워크 동작에 대한 정보를 더 잘 활용해 문제를 발견하고, 격리하고, 해결책을 추천하는 수단으로 여겨진다. 이런 접근 방식의 한 가지 과제는 맥락 또는 상태에 대한 의문이다. 정상 작동이란 무엇인가? 네트워크의 요소는 서로 어떻게 연관되어야 하는가? 제안된 해결책을 적용하면 어떤 일이 일어날 것인가? 이런 질문에 대한 답은 머신러닝에서 찾을 수 있을지도 모르지만, AI가 네트워크 동작을 충분히 학습해 답을 찾아내는 데 시간이 얼마나 걸릴 것인가?
네트워크의 디지털 트윈은 구성요소의 상태뿐만 아니라 구성요소 간의 관계를 설명하는 모델을 만들 수 있다. 이 모델은 작동 상태를 나타내므로 여러 모델을 정의해 허용 가능한 상태와 예상되는 오류 상태를 다양하게 나타낼 수 있다. 심지어 시뮬레이션을 실행해 디바이스나 네트워크 동작을 변경하기 전에 어떤 결과가 발생할지 확인할 수도 있다. 여기에 AI를 추가하면 현재 상황을 파악할 수 있을 뿐만 아니라 앞으로 일어날 수 있는 일까지 예측할 수 있는 AI 관리 툴이 된다. 이는 네트워크 관리 범위 문제를 모두 해결할 수 있는 강력한 방법이라고 볼 수 있다.
178명의 기업 IT 책임자 중 4명이 AI와 디지털 트윈의 잠재적 관계를 이해하고 있다고 답했기 때문에 머지않아 이런 환경을 보게 될지도 모른다. 4명 모두 노키아의 디지털 트윈 접근 방식에 대해 들어본 적이 있다고 답했다. 한편으로 이 비율은 기업이 네트워크 관리의 발전을 솔루션 업체가 제공하거나 IT 미디어에 소개된 내용을 기준으로 생각한다는 것을 보여준다. 기업은 이런 아이디어를 촉진하는 데 서두르지 않는다. 그저 이용할 뿐이다.
기업의 미온적인 반응은 좋은 일은 아니다. 일반적으로 솔루션 업체는 기업이 어떤 네트워크 관리 기능이 가치가 있을지에 대한 전망을 제시해 주기를 바라기 때문이다. 현재 솔루션 업체들이 AI를 밀어붙이는 이유는, 아마도 경쟁사가 AI를 밀어붙이고 있고 기사화되고 있기 때문일 것이다. 노키아는 디지털 트윈에 대한 열망이 있지만, 어디로 가고 있는지 언제 도달할 지 알 수 있을 만큼 세부 사항을 충분히 공개하지 않았다. 다른 솔루션 업체들이 이 분야에 동참하지 않는다면, 영원히 도달할 수 없는 비전일지도 모른다.
제대로 판도를 바꾸기 위해서는 네트워크 관리가 경보를 울리는 데 그쳐서는 안 된다. 현재 솔루션에서 나온 그림에서 기업이 확신할 수 있는 교훈은 여기까지다. 네트워크 관리가 어떤 모습이어야 하는지, 그리고 어떻게 하면 그렇게 될 수 있는지에 대해 기업들은 여전히 고민하고 있다. 아마도 2024년이 되면 명확해질 것이다.
editor@itworld.co.kr
함께 보면 좋은 콘텐츠
Sponsored
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.