2021.06.09

복잡한 하이브리드 멀티 클라우드 관리를 간소화하는 AI와 자동화의 힘

BrandPost Sponsored by IBM Automation
IBM
ⓒ Getty Images Bank

하이브리드 멀티 클라우드 전환으로 기업은 민첩성, 유연성 같은 구체적인 성과를 거둔다. 이런 성과를 이어가려면 반드시 확보해야 할 역량이 있다. 바로 IT 운영이다. 하지만 이는 쉽지 않은 도전 과제다. 기업의 IT 운영 조직은 온프레미스 환경에는 밝지만 하이브리드, 멀티 클라우드 환경은 아직 익숙하지 않다. 충원도 쉽지 않다. 클라우드 운영에 필요한 전문 지식을 갖춘 이를 찾기도 어렵다. 이 와중에 클라우드 전환이 속도를 내다 보니 잠재적인 장애 걱정이 이만저만이 아니다. 상세히 모니터링하고, 인프라와 애플리케이션 성능 관리까지 하는 온프레미스와 달리 하이브리드 멀티 클라우드 환경은 모니터링부터 쉽지 않다. 일단 각종 이벤트와 로그 정보를 어렵게 수집한다 해도 그 양이 너무 많아 적시에 맥락을 파악해 대응하기 어렵다. 그렇다면 이런 도전 과제를 어떻게 풀 것인가? 많은 조직이 AI 기반의 자동화에 희망을 걸고 있다. 
 

AI 기반 자동화에서 길을 찾다 

관리 대상이 많고, 여러 위치에 있다는 것은 환경이 복잡하다는 것을 뜻한다. 현재 사용 중인 관리 도구로 나날이 복잡해지는 환경을 수용하는 데에는 분명 한계가 있다. 경계를 넘어서는 하이브리드 멀티 클라우드로 전환하는 중이라면 기존 관리 체제가 더 이상 유효하지 않다는 것에 공감할 것이다. 

그래서 클라우드 전환에 나선 조직들은 자동화 체제 재편에 관심이 많다. 주요 관심사는 현재 운영 중인 프로세스를 AIOps로 진화, 발전시키는 것이다. 그 이유는 무엇일까? 대부분의 IT 조직은 모범 사례를 참조해 나름의 자동화 체계를 구축하고 있다. 이를 통해 인프라, 개발, 이벤트, 보안 관리를 수행한다. 그리고 이에 맞춰 툴 체인을 구성해 사용한다. 이 체계는 클라우드 도입을 확대하는 순간부터 도전을 맞이한다. 가장 먼저 직면하는 과제는 ‘노이즈’다. 클라우드 전환 수준이 높을 수록 각종 이벤트와 로그 데이터 홍수 속에서 진짜 중요한 이슈를 가려내기 어렵다. 데이터 양이 더 늘면 너무 많은 경고 속에서 진짜 위험을 놓칠 가능성도 커진다. 더 큰 문제는 장애나 서비스 지연 현상이 일어났을 때 문제 원인 파악과 대응에 너무 긴 시간이 걸린다는 것이다. 클라우드에서는 사내 환경처럼 구간을 정확히 갈라놓고 모니터링하고, 문제 원인을 찾기 어렵다. 가시성 확보가 어렵다 보니, 문제가 터져도 원인 구간을 특정할 수 없다. 

AIOps는 쏟아지는 이벤트와 로그 속에서도 진짜 살펴야 할 중요 문제를 놓치지 않는다. 데이터가 많을 수록 AIOps는 상관관계 파악을 통해 더 정확히 문제를 예측하고 대응할 수 있다. 문제가 터졌을 때도 그 원인이 무엇인지 신속히 진단한다. 가시성 역시 클라우드를 포괄한다. 여기에는 인프라에 대한 가시성뿐 아니라 온프레미스 환경에서 APM이 담당하던 애플리케이션과 서비스 성능에 대한 가시성까지 포함된다. 이런 특징들이 자동화 기반의 AIOps가 미래라고 부르는 이유다. 
 

IBM Cloud Pak for Watson AIOps 

IBM Cloud Pak for Watson AIOps(이하 Watson AIOps)는 하이브리드 멀티 클라우드 환경을 위한 AIOps 도구다. Watson AIOps를 사용하면 로그, 이벤트, 기타 데이터 속에서 바로 통찰력으로 확보할 수 있다. 정형, 비정형 데이터를 모두 수집하고 분석할 수 있으며, 이상 징후 탐지와 격리 작업은 자동화를 기반으로 수행한다. 온프레미스, 하이브리드, 멀티 클라우드 모든 환경에 걸쳐 인프라와 애플리케이션을 관리하며 이벤트 관리, 사고 진단, 문제 해결을 매끄러운 흐름 속에서 처리한다. 이외에도 Watson AIOps는 인프라와 애플리케이션 관리 외에도 거버넌스와 규정 준수 같은 기능도 제공하여 클라우드를 수용하는 포괄적인 관리 프레임워크 구축과 운영에 적합하다.  
 
ⓒ IBM
 

IBM Observability with Instana

한편, 하이브리드 멀티 클라우드 환경 관리에서 현업 운영자들이 가장 먼저 관심을 두는 주제인 애플리케이션 성능 관리의 경우 IBM Observability with Instana(이하 Instana)가 해법을 제시한다. Instana는 전통적인 APM의 경계를 클라우드까지 확장한다. Instana는 일반적인 APM처럼 웹, WAS, 데이터베이스 구간의 성능을 모니터링하는 도구가 아니다. Instana는 인프라, 애플리케이션, 쿠버네티스, 최종 사용자를 모두 모니터링한다. 구간의 개념이 아니라 클라우드 구성 요소를 두루 살피는 가운데, 사용자가 웹 브라우저나 앱을 통해 체감하는 성능까지 모니터링한다. 이런 이유로 Instana를 설명할 때 관찰 가능성(Observability)이란 표현이 자주 등장한다. 인프라, 애플리케이션, 서비스가 동적으로 변하는 클라우드 환경에서도 관찰 가능성을 유지하며 성능과 장애 관련 데이터를 지속해서 수집하고 상관관계를 파악하여 원인을 찾는다. 
 
ⓒ IBM

정리하자면, IT 환경 모니터링, 장애 대응 방식도 이제는 클라우드 시대에 맞게 바뀌고 있다. 이제 인프라 따로, 애플리케이션 따로 관리 영역을 명확히 구분하는 것은 쉽지 않다. 클라우드 환경은 동적으로 변하고 있고 인프라와 플랫폼의 통합도 빠르게 이루어지고 있다. 이런 환경에 맞는 모니터링과 관리 프레임워크를 찾는다면? AI와 자동화에서 그 답을 얻을 수 있을 것이다.


2021.06.09

복잡한 하이브리드 멀티 클라우드 관리를 간소화하는 AI와 자동화의 힘

BrandPost Sponsored by IBM Automation
IBM
ⓒ Getty Images Bank

하이브리드 멀티 클라우드 전환으로 기업은 민첩성, 유연성 같은 구체적인 성과를 거둔다. 이런 성과를 이어가려면 반드시 확보해야 할 역량이 있다. 바로 IT 운영이다. 하지만 이는 쉽지 않은 도전 과제다. 기업의 IT 운영 조직은 온프레미스 환경에는 밝지만 하이브리드, 멀티 클라우드 환경은 아직 익숙하지 않다. 충원도 쉽지 않다. 클라우드 운영에 필요한 전문 지식을 갖춘 이를 찾기도 어렵다. 이 와중에 클라우드 전환이 속도를 내다 보니 잠재적인 장애 걱정이 이만저만이 아니다. 상세히 모니터링하고, 인프라와 애플리케이션 성능 관리까지 하는 온프레미스와 달리 하이브리드 멀티 클라우드 환경은 모니터링부터 쉽지 않다. 일단 각종 이벤트와 로그 정보를 어렵게 수집한다 해도 그 양이 너무 많아 적시에 맥락을 파악해 대응하기 어렵다. 그렇다면 이런 도전 과제를 어떻게 풀 것인가? 많은 조직이 AI 기반의 자동화에 희망을 걸고 있다. 
 

AI 기반 자동화에서 길을 찾다 

관리 대상이 많고, 여러 위치에 있다는 것은 환경이 복잡하다는 것을 뜻한다. 현재 사용 중인 관리 도구로 나날이 복잡해지는 환경을 수용하는 데에는 분명 한계가 있다. 경계를 넘어서는 하이브리드 멀티 클라우드로 전환하는 중이라면 기존 관리 체제가 더 이상 유효하지 않다는 것에 공감할 것이다. 

그래서 클라우드 전환에 나선 조직들은 자동화 체제 재편에 관심이 많다. 주요 관심사는 현재 운영 중인 프로세스를 AIOps로 진화, 발전시키는 것이다. 그 이유는 무엇일까? 대부분의 IT 조직은 모범 사례를 참조해 나름의 자동화 체계를 구축하고 있다. 이를 통해 인프라, 개발, 이벤트, 보안 관리를 수행한다. 그리고 이에 맞춰 툴 체인을 구성해 사용한다. 이 체계는 클라우드 도입을 확대하는 순간부터 도전을 맞이한다. 가장 먼저 직면하는 과제는 ‘노이즈’다. 클라우드 전환 수준이 높을 수록 각종 이벤트와 로그 데이터 홍수 속에서 진짜 중요한 이슈를 가려내기 어렵다. 데이터 양이 더 늘면 너무 많은 경고 속에서 진짜 위험을 놓칠 가능성도 커진다. 더 큰 문제는 장애나 서비스 지연 현상이 일어났을 때 문제 원인 파악과 대응에 너무 긴 시간이 걸린다는 것이다. 클라우드에서는 사내 환경처럼 구간을 정확히 갈라놓고 모니터링하고, 문제 원인을 찾기 어렵다. 가시성 확보가 어렵다 보니, 문제가 터져도 원인 구간을 특정할 수 없다. 

AIOps는 쏟아지는 이벤트와 로그 속에서도 진짜 살펴야 할 중요 문제를 놓치지 않는다. 데이터가 많을 수록 AIOps는 상관관계 파악을 통해 더 정확히 문제를 예측하고 대응할 수 있다. 문제가 터졌을 때도 그 원인이 무엇인지 신속히 진단한다. 가시성 역시 클라우드를 포괄한다. 여기에는 인프라에 대한 가시성뿐 아니라 온프레미스 환경에서 APM이 담당하던 애플리케이션과 서비스 성능에 대한 가시성까지 포함된다. 이런 특징들이 자동화 기반의 AIOps가 미래라고 부르는 이유다. 
 

IBM Cloud Pak for Watson AIOps 

IBM Cloud Pak for Watson AIOps(이하 Watson AIOps)는 하이브리드 멀티 클라우드 환경을 위한 AIOps 도구다. Watson AIOps를 사용하면 로그, 이벤트, 기타 데이터 속에서 바로 통찰력으로 확보할 수 있다. 정형, 비정형 데이터를 모두 수집하고 분석할 수 있으며, 이상 징후 탐지와 격리 작업은 자동화를 기반으로 수행한다. 온프레미스, 하이브리드, 멀티 클라우드 모든 환경에 걸쳐 인프라와 애플리케이션을 관리하며 이벤트 관리, 사고 진단, 문제 해결을 매끄러운 흐름 속에서 처리한다. 이외에도 Watson AIOps는 인프라와 애플리케이션 관리 외에도 거버넌스와 규정 준수 같은 기능도 제공하여 클라우드를 수용하는 포괄적인 관리 프레임워크 구축과 운영에 적합하다.  
 
ⓒ IBM
 

IBM Observability with Instana

한편, 하이브리드 멀티 클라우드 환경 관리에서 현업 운영자들이 가장 먼저 관심을 두는 주제인 애플리케이션 성능 관리의 경우 IBM Observability with Instana(이하 Instana)가 해법을 제시한다. Instana는 전통적인 APM의 경계를 클라우드까지 확장한다. Instana는 일반적인 APM처럼 웹, WAS, 데이터베이스 구간의 성능을 모니터링하는 도구가 아니다. Instana는 인프라, 애플리케이션, 쿠버네티스, 최종 사용자를 모두 모니터링한다. 구간의 개념이 아니라 클라우드 구성 요소를 두루 살피는 가운데, 사용자가 웹 브라우저나 앱을 통해 체감하는 성능까지 모니터링한다. 이런 이유로 Instana를 설명할 때 관찰 가능성(Observability)이란 표현이 자주 등장한다. 인프라, 애플리케이션, 서비스가 동적으로 변하는 클라우드 환경에서도 관찰 가능성을 유지하며 성능과 장애 관련 데이터를 지속해서 수집하고 상관관계를 파악하여 원인을 찾는다. 
 
ⓒ IBM

정리하자면, IT 환경 모니터링, 장애 대응 방식도 이제는 클라우드 시대에 맞게 바뀌고 있다. 이제 인프라 따로, 애플리케이션 따로 관리 영역을 명확히 구분하는 것은 쉽지 않다. 클라우드 환경은 동적으로 변하고 있고 인프라와 플랫폼의 통합도 빠르게 이루어지고 있다. 이런 환경에 맞는 모니터링과 관리 프레임워크를 찾는다면? AI와 자동화에서 그 답을 얻을 수 있을 것이다.


X