애플리케이션 상태 측정 보정의 중요성

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

최근 다시 해수어항을 관리하기 시작하면서 측정값을 보정하는 일이 얼마나 중요한지 새삼 깨달았습니다. 애플리케이션 환경이 빠르게 변화한 것처럼, 해수어항 관리도 지난 5년간 크게 달라졌습니다.

이제는 연결된 모니터와 프로브가 상태를 자동으로 추적하고 이상이 생기면 알려 줍니다. 웹 및 모바일 대시보드를 통해 모니터링과 설정을 수행할 수 있으며, 수조의 상태와 수조를 유지하는 수많은 장치의 작동 상태를 한눈에 확인할 수 있습니다.

눈썰미가 좋은 독자라면 pH가 "최솟값 미만"으로 표시된다는 점을 알아차릴 것입니다. 걱정할 필요는 없습니다. 아무 문제도 없습니다. 프로브(센서)가 제대로 보정되지 않았기 때문입니다. 이는 흔한 문제로, 프로브 보정은 실패하기 쉬운 과정입니다. 현재는 프로브가 실제보다 낮게 보정되어 있다는 것을 알고 있으므로, 이를 바탕으로 측정값을 자동으로 조정하고 있습니다.

산호초 수조의 건강 상태와 마찬가지로 애플리케이션의 상태를 유지하려면 주요 지표를 세심하게 살펴야 합니다. 지표의 편차, 특히 급격한 변동은 문제가 있음을 나타낼 수 있습니다. 애플리케이션을 관리할 때 지표를 수동으로 조정하는 방식을 그대로 적용해서는 안 됩니다. 애플리케이션이 한두 개라면 수동 조정으로도 가능할 수 있지만, 일반적인 조직은 디지털 포트폴리오에 100~200개의 애플리케이션을 보유하고 있습니다. 따라서 일반적인 정상 상태 패턴을 기준으로 보정된 정확한 측정값이 필요합니다.

대부분의 네트워크 및 애플리케이션 메트릭과 마찬가지로, 일정 기간 동안 샘플을 수집하여 "최고치"와 "최저치"를 파악해야 합니다. 그런 다음 임계값을 사용해 비정상적인 동작을 식별할 수 있습니다.

문제는 원칙이 아니라 실행에 있습니다.

첫째, 우리는 대체로 애플리케이션이라는 단 하나의 측정 지점에만 집중합니다. 흥미롭게도 산호초 수조의 상태를 확인하려면 온도와 함께 염도와 pH도 측정해야 합니다. 두 값 모두 온도의 영향을 받기 때문입니다. 애플리케이션 상태를 측정하는 것도 이와 매우 유사합니다. 네트워크 성능이나 부하 같은 다른 지표의 영향을 받기 때문입니다. 안타깝게도 대부분의 조직은 애플리케이션 상태를 반드시 종합적인 관점에서 살펴보지는 않습니다. 애플리케이션 자체에는 문제가 없더라도 연결된 기기나 네트워크의 성능이 좋지 않으면 고객 경험은 형편없을 수 있습니다.

측정 범위를 확대하여 애플리케이션 상태를 더 폭넓게 바라봐야 합니다. 또한 무엇이 정상적이고 무엇이 비정상적인지 식별할 수 있도록 추가 측정 항목을 보정해야 합니다. "비정상적인 것"은 문제의 징후일 수 있으며, 더 심각하게는 공격의 징후일 수도 있기 때문입니다.

둘째, 규모의 문제는 모니터링해야 하는 모든 애플리케이션에서 여러 지점을 보정해야 하기 때문에 발생합니다. (미리 말하자면, 모든 애플리케이션이 해당됩니다) 운영자가 그 많은 데이터 포인트를 일일이 보정할 수 있으리라 기대할 수는 없습니다. 사람이 감당할 수 있는 일이 아닙니다.

바로 이 지점에서 머신이 필요합니다.

고급 분석

고급 분석과 머신 러닝은 규모 문제를 해결하는 방법 중 하나입니다. 머신은 방대한 양의 원격 측정 데이터를 매우 빠른 속도로 처리할 수 있으며, 실제로 그렇게 하고 있습니다. 인간이 감당할 수 없는 양의 데이터를 수집하고 정규화하며, 그 안의 패턴과 관계를 분석할 수 있습니다. 이처럼 머신 러닝을 활용하면 서로 연관된 다양한 데이터 포인트를 바탕으로 "정상" 상태를 보정하고, 문제를 나타내는 이상 패턴을 즉시 감지할 수 있습니다.

애플리케이션의 성능 문제를 월요일 아침의 로그인 급증과 연관 짓는 것은 어렵지 않습니다. 하지만 Bob이 평소에는 월요일 오후가 되어서야 로그인한다는 사실을 알아차리기는 쉽지 않습니다. 그런데 오늘은 지금 로그인하고 있습니다. 이는 사람인 운영자가 쉽게 알아차릴 수 없는 이상 징후입니다. 우리에게는 그 정도의 가시성이 없기 때문입니다. 코드에서 고객에 이르는 경험을 구성하는 애플리케이션, 클라이언트 및 애플리케이션 서비스에서 충분한 원격 측정 데이터가 생성된다면, 고급 분석을 통해 이러한 이상 징후를 탐지할 수 있습니다. 또한 이를 표시하거나, Bob이 실제로 로그인을 시도하고 있는지 확인하는 새로운 비즈니스 흐름을 실행할 수도 있습니다.

이 기능은 오늘날 많은 애플리케이션이 기기 수준에서 수행하는 것과 유사합니다. 많은 디지털 프로세스는 인증 코드를 전송하고 흐릿한 이미지에서 자동차를 모두 찾아 우리가 사람임을 증명하도록 요구합니다. 하지만 새로운 비즈니스 흐름을 트리거하는 것은 평소와 다른 시간대에 로그인하는 행동이 아니라 기기 세부 정보입니다. 앞으로도 분산된 인력을 계속 지원한다면 특히 이 두 가지를 모두 기반으로 흐름을 트리거할 수 있어야 합니다.

따라서 보정은 이 프로세스에서 매우 중요한 부분입니다. 보정은 (수많은) 측정을 수행해 "정상"의 기준을 정립함으로써 이루어집니다. 이 역시 사람이 감당할 수 있는 규모를 넘어서는 작업으로, 머신이 방대한 양의 원격 측정 데이터를 수집하고 분석해야 합니다.

고급 분석은 궁극적으로 옵저버빌리티를 구현하고, 숨겨진 애플리케이션 인사이트를 발견하며(DEM), 더욱 지능적인 앱 서비스 오케스트레이션을 지원하고(AI Ops), 이전에는 발견할 수 없었던 비즈니스 가치를 창출하는 새로운 서비스(AI-Enhanced Services)의 등장을 이끌 것입니다.

이를 위해서는 애플리케이션과 사용자, 그리고 그 사이의 데이터 경로에 있는 모든 요소의 '정상' 동작을 보정할 수 있도록 방대한 양의 텔레메트리 데이터를 생성해야 합니다.

작성자 소개

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

Lori MacVittie는 F5 CTO 오피스의 수석 엔지니어이자 최고 에반젤리스트로, 애플리케이션 딜리버리, 자동화 전략 및 인프라 분야에서 깊이 있는 전문성을 보유하고 있습니다. AI 에이전트를 위한 가드레일을 정의하고, 취약한 멀티클라우드 아키텍처를 분석하며, 확장 가능한 시스템의 한계를 탐구하는 등 복잡한 문제를 명확하게 풀어내는 것으로 잘 알려져 있습니다. 애플리케이션 개발, IT 아키텍처, 네트워크 및 시스템 운영 전반에 걸쳐 30년 이상의 업계 경험을 쌓았습니다. F5에 합류하기 전에는 수상 경력이 있는 기술 편집자로 활동했습니다. MacVittie는 컴퓨터 과학 석사 학위를 보유하고 있으며, 보안, 클라우드 및 엔터프라이즈 아키텍처 분야를 아우르는 다수의 저서를 집필한 작가입니다. 또한 보드게임과 비디오 게임을 열정적으로 즐기며, 치즈에 대해서는 거리낌 없이 확고한 견해를 갖고 있습니다.

Lori Mac Vittie의 다른 블로그 게시물