AI 기반 네트워크 옵저버빌리티 핵심 기능으로 부상
[데이터넷] 마이크로서비스 아키텍처, 클라우드, 컨테이너, 분산 아키텍처 등이 확산되며 복잡해지고 있는 IT 인프라와 시스템은 더 이상 인간의 수작업으로는 감당하기 어려운 한계에 이르고 있다. 특히 빠르게 축적되는 방대한 데이터는 사람의 머리로 분석할 수 있는 한계를 뛰어넘으면서 AI옵스(AIOps)를 활용한 자동화를 필수 기능으로 만들고 있다.
가트너가 정의한 AI옵스 개념은 애플리케이션 환경에서 데이터와 정보를 관리하는 방법을 의미하는 것으로, 관리 업무 자동화와 네트워크 모니터링을 전문 기술과 솔루션에 결합시켜 운용 효율성을 향상시키게 된다. 즉 AI옵스는 IT 인프라 및 시스템 운영의 AI를 의미하며, 빅데이터는 물론 분석, 머신러닝 등 다양한 기술을 접목해 장애를 신속하고 정확하게 예측해 대응 및 방지를 가능하게 한다.
IT 운영 효율 극대화
AI옵스는 AI를 활용한 운영방식의 혁신을 불러올 전망이다. 특히 방대한 양의 데이터와 리소스가 송수신되는 IT 운영 환경에 적용돼 운영 단순화와 자동화는 물론 복잡한 IT 환경의 문제 해결을 가속화할 것으로 기대감을 높이고 있다.
AI옵스를 구현하는 두 가지 핵심 요소는 빅데이터와 머신러닝이고, AI를 활용해 운영을 최적화하는 것이 목표다. 따라서 쓰임새가 다양한 AI옵스는 최적의 IT 운영 환경 구현을 위해 활용이 확대될 전망이다.
AI옵스는 문제가 발생하기 전에 장애에 대응할 수 있어 장애 예방 효과가 뛰어나고, 평균해결시간(MTTR)도 단축해 IT의 효율성을 극대화할 수 있다. 또한 불필요한 요소를 식별하고 제거함으로써 우선순위가 낮은 문제 해결에 걸리는 시간 단축은 물론 최적화 팁도 제공해 네트워크, 보안, 애플리케이션에 걸쳐 다양한 효과는 물론 잠재력도 한층 높일 수 있다.
장애 예방·대처 효율화
AI옵스는 시스템, 네트워크, 클라우드 등 여러 데이터 소스에서 데이터를 캡처할 수 있는 것이 특징이다. 과거의 히스토리 데이터와 실시간 스트리밍 데이터를 사용할 수 있어 데이터 예측이 가능할 뿐 아니라 과거 데이터와 스트리밍 데이터는 유용한 형태로 저장돼 필요할 때 쉽고 빠르게 액세스할 수도 있다.
뿐만 아니라 데이터 수집과 동시에 머신러닝을 이용해 실시간으로 분석하는 것도 AI옵스의 차별화된 강점이다. 데이터 분석은 자동으로 이뤄져 IT 시스템의 근본적인 문제를 유발하는 요인의 패턴을 찾아내 향후 발생할 수 있는 장애는 물론 시스템의 새로운 동작을 예측하는 데도 효과적으로 사용할 수 있다.
AI옵스는 성능 분석 및 모니터링에 적용이 기본으로, AI가 다양한 IT 시스템에서 발생하는 빅데이터를 정밀하게 분석해 문제 발생 여부를 실시간으로 탐지하고 감시하게 된다. 또한 과거의 데이터와 비교해 이상치가 파악되면 IT 시스템에서 발생할 수 있는 이벤트 예측값과 실제 데이터의 차이를 자동으로 관리자에게 전송해 장애 예방과 대처를 한결 손쉽게 할 수 있다.
네트워크 옵저버빌리티 구현 뒷받침
특히 빅데이터를 분석하는 AI옵스는 디지털 전환 가속을 뒷받침하고, 디지털 인프라의 회복 탄력성을 높이는 네트워크 옵저버빌리티의 주요 기능으로, 포괄적인 가시성 제공을 위한 핵심 역할을 수행한다. 또한 가시성을 기반으로 심층적인 인사이트를 지원해 IT 인프라의 성능에 영향을 미치는 요인에 대한 상세한 파악과 이해도를 높여 장애 최소화는 물론 궁긍적으로 가용성을 극대화하는 밑바탕이 된다.
AI옵스는 문제의 근본 원인 분석과 대처 방법 마련에도 유용하다. IT 시스템에서 발생한 이벤트를 자동으로 분류해 트러블슈팅 등의 대처가 필요하다고 판단되는 경우에는 과거 데이터에서 대처 방법을 검색해 제시함으로써 유연한 대처를 지원한다.
특히 IT 시스템 설계, 구축, 운영 등에 이르는 전체 프로세스를 효율화해 IT 서비스 관리를 고도화할 수 있는 등 다양한 효과가 기대되는 만큼 AI옵스 중심의 운용이 대세가 될 전망이다.
