국내 최대 SW산업 박람회, Soft Wave 2019 (2019 대한민국 소프트웨어대전)가 개최됩니다.

과학기술정보통신부, 산업통상자원부 등 관련 부처가 후원하는 가운데 

국내외 250개사 SW기업이 참여하여 새로운 기술과 서비스를 시연합니다.

2016년부터 시작되어 이번이 4회째인데요,

이번 전시회에는 패키지 SW, IT 서비스, 융합 SW, 인터넷 SW, 게임/콘텐츠 SW 등 다양한 기술로 구성됩니다.

엑셈도 이 기회를 놓칠 수 없겠죠?

지난 7월 AI EXPO에 이어서 이번 소프트웨이브 전시회에도 참가합니다.

엑셈은 이번 전시회에서 자사 솔루션 EXEM AIOps 및 InterMax Cloud와 파트너사의 솔루션 DataRobot과 KNIME을 선보입니다.

EXEM AIOps(엑셈 AI옵스)는 국내 최초로 딥러닝 기반의 IT 운영 지능화 솔루션이며,

InterMax Cloud(인터맥스 클라우드)는 클라우드 네이티브 아키텍처 통합관제 솔루션입니다.

DataRobot(데이터로봇)은 머신러닝 자동화(AutoML) 솔루션이며,

Knime(나임)은 워크플로우 기반 Total 분석 플랫폼입니다.

행사 첫날인 4일, 엑셈 빅데이터사업본부 조치선 팀장님의 강연도 마련되어 있습니다.

위 부스 배치도의 '무대'에서 진행하니, 많은 관심 부탁드립니다!

기획 및 글 | 사업기획팀 박예영

클라우드 네이티브 아키텍처 통합관제 솔루션 InterMax Cloud가 한차례 업그레이드 되었다고 합니다.

이번 엑기스에서는 인터맥스 클라우드의 고도화 방향과 주요 업데이트 현황, 그리고 시장 현황과 향후 사업화 방향을 살펴보겠습니다.

InterMax Cloud 개발 및 고도화 방향

메트릭 분류 체계

단일 클라우드가 아닌 멀티 클라우드 구성된 환경에서는 수많은 메트릭을 수집할 수 있게 됩니다. 

하지만 이러한 메트릭들이 어떠한 성격을 갖고 있는지 모른다면 모니터링의 의미가 희미해질 것입니다. 

InterMax Cloud는 Computing, Deployment, Service 등의 관점에서 메트릭 분류 체계를 정립하여 보다 질 높은 모니터링을 제공할 예정입니다.

Multi-Tenant

스타트업부터 대기업에 이르기까지 크고 작은 분야에서 인프라를 클라우드로 이관하며 IaaS나 PaaS를 채택하고 있습니다. 

이를 고려하여 Muti-Tenant를 지원하기 위해 SaaS 형태로 배포되어 간편하게 InterMax Cloud를 경험해 보실 수 있도록 

멀티 테넌트를 Cluster별, Namespace별로 제공하고 있습니다.

주요 업데이트 기능

Service Level Tracing 기능 (Service Overview)

- 서비스들의 연관 관계와 TPS를 토폴로지로 모니터링 할 수 있으며, 외부와 연결되어있는 서비스와의 관계 또한 파악할 수 있습니다.

- 서비스의 실행 시간과 에러 발생 여부를 차트로 가시화 하였습니다. 

  영역 선택을 통한 범위를 지정하면 하위 연계 서비스의 정보를 Tree 형태로 제공하여 

  실행 시간, 에러 발생 여부, 호출 SQL등의 상세 내역을 쉽게 확인 할 수 있습니다.

Management 기능 (yaml 편집)

<Update Yaml (좌), Scale Up&Down(우)>

- 워크로드 모니터링 중 배포된 오브젝트의 yaml 파일에 기술된 스펙과 상태 정보를 확인하고 편집이 가능합니다.

  또한, Deployment의 Scale을 직접 조정하여 빠르고 효율적인 운영 관리를 할 수 있습니다.

- 추후에는 Kubernetes 오브젝트를 등록하거나 삭제할 수 있는 기능이 추가될 것이고, 

  히스토리를 저장하여 버전 관리까지 지원하는 방식으로 Management를 더욱 강화할 예정입니다.

제품 보러가기

기고 | 신기술본부 강정진

편집 | 사업기획팀 박예영

엑셈의 InterMax(인터맥스)는 End-to-End APM(Application Performance Monitoring) 솔루션입니다.

다양한 분야에서 제 몫을 톡톡히 해내고 있는 인터맥스. 모바일 버전도 있다는 거 아시나요?

모바일 앱도 모니터링한다! 이번에는 엑셈의 모바일 APM에 대해서 살펴보겠습니다.

Mobile APM이란, 모바일 앱 품질을 파악하고 문제를 해결하기 위해 SDK연동을 통한 다양한 모니터링 데이터를 실시간 수집하여 분석을 제공하는 것입니다. 

- 앱의 사용 비즈니스 흐름을 파악하여 최적의 UI/UX 제공

- 신규 방문자, 방문자 성별, 나이 or 기타 사용자 데이터 수집 가공을 통해 분석 기능 제공

- HTTP, HTTPS 호출 페이지의 처리 속도 측정

- Crash, Error, Exception, Trace 데이터 수집을 통한 앱 오류 발생 확인

- 앱의 최신 버전 사용량(비율) 확인

- 주요 이벤트에 대한 호출 빈도 확인

[다양한 분석 기능]

이 외에도 인터맥스 mAPM이 제공하는 다양한 분석 기능을 보실까요?

- 이벤트 분석 : 애플리케이션 개발자가 지정한 이벤트의 추이와 통계 분석을 통해 모니터링 하고자 하는 독립적인 사건의 빈도 파악이 가능합니다.

- 네트워크 트래픽 분석 : 애플리케이션 외부의 데이터를 네트워크를 통해 호출한 횟수의 추이와 통계 분석이 가능합니다.

- 네비게이션 분석 : 사용자가 페이지를 이동한 동선을 Sankey Chart를 통해 직관적으로 확인이 가능하며, 사용 빈도가 높은 화면이 어떤 화면이고 앱 개발 시 화면 이동 flow설계가 잘 되었는지 확인이 가능합니다.

- 사용자 분석 : 앱이 사용하는 이벤트를 잡아 이를 카운팅하여 실제 앱을 사용하는 사용자 현황 파악이 가능하고, 사용자(성별, 연령)/신규/재방문 통계 지표를 제공합니다.

인터맥스 mAPM만의 특장점은 다음과 같습니다.

[네트워크 트래픽 InterMax 연계 분석]

Mobile WebView에서 수행된 네트워크 트래픽에 대한 APM 연계 모니터링을 제공하며, 비즈니스 처리 흐름 및 상세 trace 분석을 위한 연계 분석도 제공합니다.

[하이브리드 앱 모니터링]

최근 Native App과 WebApp 이외 하이브리드 App을 선호하는 기업들이 많습니다. 인터맥스 mAPM은 Native용 SDK와 script용 SDK가 서로 통신하여 두 개의 레이어에서 실행되는 모듈을 통합하여 모니터링이 가능합니다.

[브레드크럼]

브레드크럼(BreadCrumbs)이란?

쉽게 말하면, 사용자가 어떤 경로를 거쳐왔는지 알려주는 서비스입니다. 인터맥스 mAPM에서는 장애가 발생한 시점까지 사용자의 사용 패턴을 확인할 수 있도록 하여 장애 원인 분석을 정확하게 할 수 있도록 지원합니다.

[사용자 데이터 수집]

기본적으로 수집하는 항목 외에 추가적으로 필요한 항목(user_data)을 추가 수집하여 Mobile APM 엔진에서 통계하여 Customizing된 통계 데이터 표현이 가능합니다.

[다양한 성능 지표에 따른 알람 발생 및 SMS 연계]

SMS 스케쥴 기능을 통해 특정 기간의 시간대에 발생하는 알람에 대해서만 SMS 연계가 가능합니다.

기획 및 글 | 사업기획팀 박예영

엑셈에서 오랜만에 책이 나왔습니다! 

데이터 분석에 관심이 있는 분들을 위해 엑셈 빅데이터사업본부에서 두 팔을 걷어 붙이고 책을 썼다고 하는데요.

어떤 책인지 지금 바로! 공개합니다 :)

“KNIME을 활용한 빅데이터 분석”

<(Click 하나로 끝내는 데이터 분석 KNIME) KNIME을 활용한 BIG DATA 분석>

“(Click 하나로 끝내는 데이터 분석 KNIME) KNIME을 활용한 BIG DATA 분석” 도서가 출판되었습니다! 빅데이터 분석팀 주관으로 집필된 도서는 데이터 분석을 위해 분석 도구(Tool, SW)를 처음 접하는 학생이나 현업담당자들이 KNIME을 활용하여 데이터 분석에 쉽게 접근할 수 있는 정보 제공을 목적으로 작성되었습니다. 그렇다면 데이터 분석 도구인 KNIME은 무엇일까요? 먼저 KNIME이 무엇인지부터 차근차근 알아보겠습니다.

나임(KNIME), 데이터 사이언스와 머신러닝 플랫폼의 선두 주자 

 나임(KNIME, Konstanz Information Miner)은 가트너의 2018 Magic Quadrant에서 “데이터 사이언스와 머신러닝 플랫폼‘ 분야에서 선두 그룹에 포함된 소프트웨어 중 하나입니다. 독일의 Konstanz university의 소프트웨어 엔지니어 팀이 Java로 개발하였으며, 현재 KNIME Analytics Platform은 4.0 버전, KNIME Server은 4.9 버전까지 출시되어 활용되고 있습니다.

 나임은 비주얼 워크플로우(Visual Workflow) 기반으로 다양한 데이터 소스(Database, File, Hadoop 등)로부터 읽기, 전처리, 변환, 분석, 평가, 시각화 등의 분석 전 과정을 드래그-앤-드롭(drag-and-drop) 방식으로 쉽게 작업할 수 있는 토탈(Total) 분석 플랫폼입니다. 비주얼 워크플로우의 특징인 빠른 구현 속도, 쉬운 학습 난이도, 높은 모듈 의존도 등의 특징을 가집니다.

<KNIME의 구성>

 나임은 크게 KNIME Analytics Platform과 KNIME Server로 구성되어 있습니다. 추가적으로 나임과 나임 파트너 그리고 나임 사용자들이 제공 및 공유하는 다양한 확장 및 통합 기능을 활용할 수 있는 환경인 KNIME Extensions, Partner Extensions, Community Extensions과 KNIME Integrations을 제공합니다. 

 “KNIME을 활용한 데이터 분석” 도서는 KNIME Analytics Platform을 중심으로 집필되었기에, KNIME Analytics Platform에 대해서 알아보겠습니다. KNIME Analytics Platform은 데이터 과학 응용 프로그램 및 서비스 구현을 위한 오픈 소스 소프트웨어 입니다. 데이터를 이해하고 활용할 수 있도록 직관적이며 재사용이 가능한 구성 요소로 설계되어 있으며, 사용자의 Desktop에서 사용할 수 있는 분석 플랫폼입니다. 데이터 읽기(Load), 통합(Integrate), 변환(Transform), 분석(Analyze), 시각화(Visualize) 등의 기능을 수행할 수 있습니다. KNIME Analytics Platform에서 나임 확장(KNIME Extensions)을 통하여 데이터 접근, 처리, 기계학습 알고리즘, 시각화에 활용되는 다양한 기능을 추가적으로 활용할 수 있습니다. 그리고 나임 통합(KNIME Integration)을 통하여 딥러닝을 위한 Keras, Tensorflow, 고성능 기계학습을 위한 H2O, 대용량 데이터 처리를 위한 Apach Spark와 스크립트 언어인 R과 Python을 활용할 수 있는 환경을 제공합니다. 

"KNIME을 활용한 데이터 분석" 도서 구성

<"KNIME을 활용한 데이터 분석" 목차>

 “KNIME을 활용한 데이터 분석” 도서는 데이터 분석을 위해 KNIME을 처음 접하는 학생 또는 현업 담당자를 대상으로 집필된 기본서 입니다. 도서는 KNIME에 대한 소개로 시작됩니다. 

• 1장 KNIME 설치 및 환경설정에서는 KNIME Analytics Platform 설치 방법, 화면구성, 환경 설정 및 메모리 설정에 대하여 설명합니다. 

• 2장 데이터 가공에서는 외부 데이터 가져오기, KNIME Analytics Platform 내 데이터 외부로 내보내기 등의 데이터 읽기와 내보내기에 대한 내용과 데이터 처리, 조작, 추출, 변수 생성 등의 데이터 처리 과정에 대하여 설명합니다. 

• 3장 데이터 탐색에서는 데이터를 수치적으로 탐색하는 방법과 다양한 그래프를 활용하여 시각적으로 탐색하는 방법에 대해 설명합니다.

• 4장 데이터 분석에서는 대표적인 머신러닝 알고리즘인 선형 회귀분석, 로지스틱 회귀분석, 의사결정나무, 랜덤포레스트, 신경망(MLP) 등의 지도학습과 연관성 분석, K-Means 군집분석, 계층적 군집분석 등의 비지도학습을 KNIME Analytics Platform에서 구현할 때 필요한 노드에 대한 설명과 실습 예제를 통한 모델 구현 절차와 결과 해석 방법에 대하여 설명합니다. 

• 마지막으로 부록 About KNIME Server에서는 KNIME Server의 특징에 대한 설명과 KNIME을 활용하면서 참고할 수 있는 웹 사이트에 대한 정보를 제공합니다. 

 데이터 분석 과정인 데이터 가공, 탐색 및 분석에 활용되는 노드를 바탕으로 기능, 옵션 정의, 예시 및 예제 데이터를 바탕으로 단계적 실습 방법을 설명하고 있으며, 이를 바탕으로 KNIME Analytics Platform을 처음 접하는 독자들도 쉽게 따라하며 데이터 분석 및 KNIME Analytics Platform 활용 방법을 익힐 수 있게 구성되어 있습니다.

"KNIME을 활용한 데이터 분석" 도서를 활용한 KNIME 학습 및 활용

<OWLEYE 사이트(좌), 오프라인 세미나(우측상단), 웨비나(우측하단)>

 마지막으로 “KNIME을 활용한 데이터 분석” 도서를 활용하여 보다 효율적으로 KNIME Analytics Platform의 활용 방법을 익히고, 데이터 분석 과정에 대해 학습에 활용할 수 있는 웹 페이지와 웨비나, 오프라인 교육 정보를 소개합니다. 도서의 내용이 쉽게 구성되어 나임을 학습하는데 별 어려움이 없을 것이지만, 온라인 교육 컨텐츠의 활용이나 KNIME을 활용하여 데이터 분석을 수행하는 분석가가 진행하는 오프라인 교육을 활용한다면 학습의 효율성이 더 높아질 것입니다. 

  먼저 아울아이(OWLEYE) 웹 페이지를 소개합니다. 아울아이는 엑셈 빅데이터 분석팀에서 운영하는 웹 페이지입니다. “KNIME을 활용한 데이터 분석” 도서의 실습 데이터를 제공하며, 도서를 활용하여 KNIME을 학습하다가 생긴 의문점이나, KNIME 활용 과정에서 혼자 해결하기 어려운 이슈에 대한 질문을 게재하면 KNIME을 활용하는 분석가들이 해당 질문에 대한 답변을 제공합니다. 그리고 KNIME 버전 업과 같은 새로운 소식과 업종별 활용 사례에 대한 정보를 제공합니다.

 그리고 엑셈 아카데미에서 진행하고 있는 웨비나와 오프라인 교육이 있습니다. 이 교육 과정은 KNIME을 활용한 데이터 분석 경험이 있는 분석 전문가들이 진행하는 교육으로, 데이터 처리 및 시각화, 모델링 등의 내용을 다루는 교육과정입니다. 도서 집필에 직접 참여하고 데이터 분석 업무에서 KNIME 활용 경험이 있는 전문 분석가가 진행하는 교육이므로 도서 내용에 대한 질문 내용이나 KNIME Analytics Platform을 활용한 데이터 분석 노하우에 대하여 많은 정보를 얻을 수 있을 것입니다.

 지금까지 Total 분석 플랫폼인 나임에 대한 설명과 KNIME을 처음 접하는 분들에게 안내 표지판이 될 “(Click 하나로 끝내는 데이터 분석 KNIME) KNIME을 활용한 BIG DATA 분석” 도서에 대하여 소개하였습니다. 학습 시간과 활용에 오랜 시간이 소요되는 스크립트 기반의 분석 도구보다는 그래픽 기반의 사용자 환경과 워크플로우를 활용하는 KNIME을 활용하여 데이터 분석을 시작해 보시는 것은 어떨까요?

기고 | 빅데이터사업본부 정영진

편집 | 사업기획팀 박예영

지난 7월 17일~19일 코엑스에서 제 2회 국제인공지능대전이 개최되었습니다.

그 부대 행사로 다양한 세미나와 컨퍼런스가 진행되었는데요.

엑셈도 참여하여 엑셈의 기술을 널리 알리고 왔습니다.

이번 세미나에서는 단순히 제품 소개만 하는 것이 아니라

클라우드란 무엇인지 그리고 클라우드 모니터링의 필요성까지 알아보았습니다.

 클라우드 컴퓨팅 플랫폼은 사용자에게는 보이지 않지만 중앙의 서버 컴퓨팅 자원을 활용해서 서비스를 받을 수 있게 하는 플랫폼이며, 개발의 신속성과 자원의 활용성, 운영의 유연성이라는 특징을 가지고 있습니다. 이런 특징들 때문에 클라우드는 국내외를 막론하고 그 시장이 매우 커지고 있는데요. 최근 IT 자산을 클라우드로 이관하는 고객사가 점점 더 많아지고 있는 추세입니다. 하지만, IT 자산을 클라우드로 이관한다고 해서 클라우드의 가장 큰 장점인 IT 운영의 유연성(Scalability, Availability)을 바로 확보하기는 어렵습니다. 기존의 서버와 스토리지 등 물리적인 인프라마 클라우드로 이전했을 뿐 애플리케이션은 예전과 동일한 방식으로 운영을 할 수 밖에 없기 때문입니다. 그래서 클라우드에서의 IT 운영상의 장점을 최대한 취할 수있는 방법으로 MSA(Micro Service Architecture)가 등장했고, 이어서 컨테이너 기반 운영환경인 Docker와 Kubernetes가 등장하게 되었습니다. 이렇게 클라우드의 이점을 최대한 활용하는 애플리케이션 구축 및 실행 방법을 ‘클라우드 네이티브 아키텍처’라고 부릅니다.

그럼 이제 인터맥스 클라우드(InterMax Cloud)를 알아볼까요?

 인터맥스 클라우드는 클라우드 환경의 대규모 관제에 효과적인 모니터링 기능을 제공하여, 클라우드 IT 운영의 효율성을 극대화 하는 솔루션인데요. 대규모 클라우드 환경에 적합한 아키텍처 구성으로 다음과 같은 특장점을 가지고 있습니다.

1. 다차원 토폴로지

 : 레이어 별 체계적인 모니터링을 통해 클라우드 전체 서비스 레이어의 가시성을 확보하였으며, 3D 아키텍처 토폴로지 뷰로 직관적인 모니터링이 가능합니다.

2. AI 기반 Anomaly Score

 : 복잡한 환경 속에서도 문제가 발생한 인스턴스의 이상치를 탐지하여 빠르게 사전 인지를 도와 장애 없는 서비스 운용을 가능하게 해줍니다.

3. AI 기반 희소로그 분석

 : 다수 컨테이너 관제에 필수적인 Smart 로그 분석을 지원하여 장애의 효과적인 원인분석이 가능합니다.

4. 컨테이너 기반 Agent 설치

 : Agent 자체도 컨테이너로 작성되어 설치가 손쉬울 뿐만 아니라, 모니터링 대상 자동관리가 가능해 전사 시스템 관리의 편의성을 제공합니다.

인터맥스 클라우드와 함께 라면 소수의 운영인력으로 대규모 클라우드 환경 통합 관제가 가능하겠죠?

발표자료는 여기에서 확인하실 수 있습니다 :)

기획 및 글 | 사업기획팀 박예영

현장 사진 | 사업기획팀 박예영

엑셈이 AI EXPO KOREA 2019에 출동합니다!

<위 그림을 누르시면 사전 등록 홈페이지로 연결됩니다!>

인공지능 행사에 빠지면 섭섭한 엑셈이

7월 17일(수)부터 19일(금)까지 서울 Coex, Hall C에서 열리는

‘AI EXPO KOREA 2019’에 참가합니다.

오랜만의 전시회 나들이라, 여러분들을 만나려니 매우 설레는 마음입니다.

그럼 어떤 제품군을 가지고 참가하는지 살짝 보여드릴까요?

제품 소개

 <EXEM AIOps (좌) & InterMax Cloud (우)>

 ‘엑셈 AI옵스’는 국내 최초로 딥러닝 기반 인공지능을 탑재한 통합 IT 운영 관리 솔루션입니다. AIOps는 ‘Artificial Intelligence for IT Operations’의 약자로, AI 기반 학습과 분석을 통해 IT 인프라 운영 상황을 예측하고 선제적인 장애 대응을 지원하는 기술을 말하죠. ‘엑셈 AI옵스’는 국내 DBPM(Database Performance Monitoring) 시장 1위 솔루션인 ‘맥스게이지’(MaxGauge)’와 APM(Application Performance Monitoring) 시장을 선도하고 있는 E2E(End-To-End) 거래추적 솔루션인 ‘인터맥스(InterMax)’의 축적된 기술과 노하우에 AI를 접목한 새로운 솔루션입니다. 

<EXEM AIOps 실시간 모니터링 화면 (좌) & EXEM AIOps 실시간 지표 모니터링 화면 (우)>

 ‘엑셈 AI옵스’는 E2E 및 전체 IT 시스템에 대해 AI 기반 통합 예측, 탐지, 분석 등을 제공하여 기업의 IT 운영 효율성을 크게 향상시킵니다. 사전에 장애 인지를 하여 IT 운영자가 미리 대응할 수 있도록 하고, 빠르게 복구하게 함으로써 MTTR(Mean-Time-To-Resolution)을 줄여 시스템을 보다 안정적으로 운영할 수 있게 도와줍니다. 실제 ‘엑셈 AI옵스’ PoC를 진행한 고객사의 경우, IT 인프라에 발생한 문제 해결 시간이 60분의 1로 단축됐다고 하니, 정말 놀랍죠? 

<InterMax Cloud, Anomaly Score 화면 (좌) & InterMax Cloud, Performance Trend 화면 (우)>

 또 다른 신제품 ‘인터맥스 클라우드’는 ‘인터맥스’의 클라우드 기반 대규모 통합 관제 버전입니다. 클라우드 환경으로의 혁신을 시도하는 기업들이 클라우드 네이티브 아키텍처, 즉 컨테이너 기반의 운영 아키텍처로 전환할 수 있도록 모니터링을 지원하는 솔루션입니다. ‘인터맥스’가 지원하는 E2E 모니터링 개념에서 확장하여, 쿠버네티스와 컨테이너 기반의 프라이빗 클라우드, 퍼블릭 클라우드 등을 포함한 통합 클라우드 모니터링을 제공합니다. 또한 Anomaly Score, Performance Trend 등의 화면으로 직관적인 모니터링을 가능하게 합니다.

 그리고 엑셈은 파트너 계약을 맺은 AutoML(머신러닝 자동화) 솔루션 ‘데이터로봇’과 빅데이터 분석 솔루션인 ‘나임’도 선보일 예정입니다. 데이터 사이언티스트들을 위해 반복 작업을 최소화하고 분석 시간을 단축하기 위한 솔루션들인데요. 데이터로봇은 머신러닝 모델 구축 전 과정에 대한 자동화를 지원하며, 동시에 수백 개의 모델을 한 번의 클릭으로 구축합니다. 나임은 데이터 분석부터 시각화까지 한 번에 구현이 가능하며, 코딩 방식이 아닌 드래그 앤 드롭 방식의 워크플로우를 사용합니다.

부스 위치

드넓은 Coex, Hall C에서 엑셈을 쉽게 찾아오시라고 엑셈의 부스 위치를 선공개합니다! 

아래와 같이 ‘517번’이 엑셈 부스입니다. 

눈에 잘 띄게 행사장 중심부에 자리 잡고 있으니,

꼭 잊지 말고 엑셈 부스를 방문해 주세요!

부스를 찾아주시는 분들께 정성을 담은 선물도 드릴 예정이랍니다-!

부대행사

부스 전시만 참가하면 아쉽겠죠?

엑셈의 기술 개발 임원들이 직접 고객들에게 신제품을 자세히 설명하는 발표도 진행합니다.

이번 AI EXPO에서 여러분의 IT 혁신을 도와드릴 많은 제품과 서비스를 보여드리기 위해

엑셈이 정말 제대로 준비했습니다.

7월 17일~19일, 우리 Coex에서 만나요!

 최근 쿠버네티스(Kubernetes)에 대한 관심이 뜨겁습니다. 아래의 차트를 통해 알 수 있듯이 해외 뿐 아니라 국내에서도 쿠버네티스에 대한 관심이 꾸준하게 증가하고 있습니다.

                     <쿠버네티스에 대한 관심도 변화(해외)>                                          <쿠버네티스에 대한 관심도 변화(국내)>

 특히, 2018년도에 AWS가 Kubernetes를 지원하는 EKS 서비스를 발표하면서 퍼블릭 클라우드 시장에는 Google GCP의 GKE, Microsoft Azure의 AKS, Amazon AWS의 EKS를 통해 공식적으로 모든 퍼블릭 클라우드에서 쿠버네티스를 이용할 수 있게 되었습니다. 과연 쿠버네티스가 무엇이길래 전 세계적으로 관심이 증가하고, 또, 퍼블릭 클라우드 업체들이 앞 다투어 쿠버네티스 서비스를 지원하는 것일까요?

1. Kubernetes?

 Kubernetes(k8s)란, 2014년 구글에서 공개한 이후 CNCF(Cloud Native Computing Foundation)가 주도하고 있는 오픈소스로서, 컨테이너화 된 애플리케이션을 자동으로 배포, 스케일링 해주는 컨테이너 오케스트레이션(Container Orchestration) 툴입니다. 

 쿠버네티스에서 이야기하는 컨테이너는 격리된 공간에서 프로세스가 동작하는 기술을 말합니다. 즉, 애플리케이션 외에 Linux 등의 환경적인 요소들을 하나의 컨테이너로 묶음으로써 다양한 유저환경에서도 애플리케이션이 안정적으로 실행될 수 있게 해주는 기술입니다. 

 쿠버네티스는 하나의 Master Node와 여러 대의 Worker노드로 하나의 클러스터를 구성합니다. 그리고 이러한 쿠버네티스 환경에서 수백, 수천 개의 컨테이너들을 자동으로 배포, 스케일링하면서 서비스들을 안정적으로 운영할 수 있게 해주는 역할을 합니다.

<Kubernetes의 Master Node와 Worker Node의 단순 구조도>

2. 쿠버네티스를 좀 더 구체적으로 들여다보기

 쿠버네티스의 기본 기능은 정말 많지만 기능을 설명하기 보다는 Container Orchestration 관점에서 Status management, Scheduling, Rollout/Rollback 이라는 세 가지의 특징을 살펴보고자 합니다. 

1) Status management

 먼저 Status management는 노드가 죽거나 컨테이너 응답이 없을 경우 자동으로 복구하는 것을 의미합니다. 예를 들면, 쿠버네티스에서 컨테이너를 관리하는 단위를 Pod라고 하는데, 쿠버네티스는 Pod가 죽게 되면 컨테이너에서 실행 중이던 서비스가 중단되게 됩니다. 따라서, 운영중인 Pod의 장애가 전체 서비스에 영향을 미치는 것을 막고자 쿠버네티스는 ReplicaSet이라는 개념을 통해 Pod의 복사본들을 두어 실행 중인 Pod에 장애가 발생하더라도 즉시 다른 Pod로 대체하여 서비스의 상태를 유지하게 합니다.

2) Scheduling

 클러스터의 여러 노드 중 조건에 맞는 노드를 찾아 컨테이너에 배치합니다. 만일, 3대의 Worker Node가 각각 10MB, 100MB, 1GB의 메모리를 가지고 있고, 실행하고자 하는 컨테이너가 500MB의 메모리를 필요로 한다면, 쿠버네티스는 컨테이너를 실행할 수 있는 1GB의 메모리를 가진 노드에 자동으로 배포하여 컨테이너 실행에 장애가 발생하지 않도록 합니다.

3) Automatic RollOut and RollBack

 쿠버네티스는 버전 관리를 쉽게 할 수 있게 합니다. 기존의 단일(Monolithic) 서버 환경에서는 서비스에 업데이트가 일어나는 경우 서버 운영자가 운영 중인 서비스를 내리고 다시 버전업 된 서비스를 올리는 동안 유저들이 서비스를 이용할 수 없는 다운 타임이 발생하게 됩니다. 하지만, 쿠버네티스 환경에서 서비스를 운영하게 된다면 Deployment라는 개념을 이용하여 rolling update가 이루어지고, rolling update를 통해 운영 중인 서비스를 중단하지 않고도 서비스의 업데이트가 이루어질 수 있습니다. 물론, 업데이트한 서비스에 문제가 발생한 경우에는 Deployment에 저장되어 있던 이전 버전의 서비스로 다운 타임 없이 복구 시킬 수도 있습니다.

3. Kubernetes는 만병통치약?

 이렇게 완벽한 서비스를 해줄 것 같은 쿠버네티스에도 맹점이 존재합니다. 

 첫 번째는 클러스터를 구성하는 노드들의 상태를 서버 운영자가 실시간으로 확인하기 힘들다는 점입니다. 쿠버네티스에 올라가는 모든 서비스는 여러 개의 worker node로 분산되어 실행됩니다. 하지만 하나의 worker node에 장애가 발생한 경우 서버 운영자가 직접 쿠버네티스에 접속하여 노드의 상태를 확인하기 전까지는 노드의 상태를 파악하기가 쉽지 않습니다. 

 마지막으로는 하나의 서비스가 쿠버네티스 상에서 실행되는 경우 서비스의 원활한 운영을 위해 장애 예측 및 장애 분석을 위한 툴이 필요하다는 점입니다. 만일, 특정 장애가 특정 시간에 주기적으로 발생하는 경우 지속적으로 원활한 서비스 제공하기 위해 장애를 분석할 수 있는 도구가 필요합니다.

기고 | Cloud개발팀 윤영민

편집 | 사업기획팀 박예영

들어가기에 앞서...

 이 글은 상당 부분을 책 <케네스 포드의 양자물리학 강의>의 내용을 참고 및 재구성했습니다. 양자역학과 양자컴퓨터에 대한 이해에 조금은 보탬이 되었으면 하는 바람으로 작성했으니 재미있게 읽어주시고, 양자역학에 대해 더 자세하게 알고 싶으시다면 책을 읽어보시길 추천드립니다. 

서론

알베르트 아인슈타인 “신은 주사위 놀이를 하지 않는다.”

닐스 보어 “양자 이론을 생각할 때 머리가 아프지 않은 사람이 있다면, 그 사람은 제대로 이해하지 못한 것이다.”

리처드 파인만 “세상에 양자 이론을 이해하는 사람은 없다고 해도 과언이 아니다.”

에르빈 슈뢰딩거 “나는 그것(양자역학)을 좋아하지 않는다. 내가 그 발전에 기여했다는 것이 유감이다.”

막스 폰 라우에 “그것(드 브로이 물질파 이론)이 사실이라면 나는 물리를 그만두겠다.”

 우리는 수 많은 과학자들의 인용구에서부터, 우리가 알던 위대한 과학자들조차 고개를 젓게 만드는 양자이론을 이해하려고 달려들면 분명 골머리를 썩히는 정도로 끝나지 않을 것이라고 예상할 수 있다. 하지만 세상은 이미 현실로 다가오고 있는 양자컴퓨터, 양자통신 등을 맞이할 준비로 분주하며, 양자 물리학의 오묘한 이론들은 이미 주사 터널링 현미경, 마이크로 회로, 레이저 등 현실에서 활용되고 있다. 멀지 않은 미래에 양자 이론이 점철된 세상에 대뜸 직면하기 전에, 머리가 지끈거릴지언정 양자 이론이 건네는 이야기를 귀담아 들어볼 가치는 충분할 것이다.

가깝고도 먼 상식의 바깥, 아원자 세계

 양자 이론이 초대하는 양자 세계에 발을 들이기 전에, 우리의 드레스 코드를 점검할 필요가 있다. 양자 이론에서 다루는 세상은 우리가 일상에서 보고 듣는 세상의 모습인 거시 세계와는 상당히 다르며, 거시 세계의 관점으로 바로 접근하려고 하면 퇴짜를 맞게 될 것이다. 양자 이론의 연구 영역은 원자조차도 거대해 보이는 아원자 세계를 들여다봐야 하며, 매우 작고(양자 이론), 매우 빠른(상대성 이론) 입자들의 세상이라고 말할 수 있다. 덧붙여 ‘양자’란 어떤 특정한 입자를 가리키는 것이 아니라, 이러한 원자 또는 원자보다도 작은 세상에서 양자 이론의 규칙을 따르는 모든 입자를 지칭한다.

 그렇다면 원자보다 작은 세상이란 얼마나 작은 세상인지 상상해보자. 우주의 반지름은 10의 26승 미터쯤 되고, 입자 실험의 최소 탐사 거리는 10의 -18승 미터쯤 된다. 둘 사이의 중간 평균은 10의 4승 미터 즉 10km가 되는데, 누군가의 통근 거리쯤 되는 우리가 사는 세상의 길이라고 볼 수 있다. 따라서 우리가 아원자 세계를 들여다보려는 시도는 우주 바깥에서 우리가 출퇴근을 하는 모습을 관찰하려는 시도 만큼이나 황당한 시도라고 볼 수도 있겠다.

 단순히 무지막지하게 작다는 사실만이 우리가 양자 이론의 법칙들을 이해하기 힘들게 하는 게 아니다. 아원자 세계에서는 우리가 알던 직관과 상식이 통하지 않는다. 파동-입자 이중성, 중첩과 얽힘, 배타 원리, 그 밖의 수 많은 아원자 세계의 규칙이 되는 물리학 법칙들이 있다. 우리가 이러한 아원자 세계의 상식으로 움직인다면 차를 타고 다닐 필요 없이 순간 이동을 할 수 있게 되며, 서울에서 아침밥을 먹는 동시에 뉴욕에서도 저녁 식사를 할 수도 있다.

 이제 앞서 이야기한 물리학자들이 양자 역학을 대하는 심정이 조금은 이해가 간다. 이렇게 귀신 같은 현상들(물질의 파동성, 확실성이 아닌 확률성을 근간으로 하는 양자)을 기초로 하는 양자 이론은 사실 오랜 역사 동안 실험적 검증에서 실패한 예가 하나도 없다. 즉, 물리학자들이 양자 역학을 힘들어하는 데는 이런 귀신 같은 현상들이 그 근간이 되는 원리가 밝혀진 바가 없는 반면, 아원자 세계의 현상을 설명하는데 있어 단 하나의 흠도 없이 굴러간 성공적인 이론이기 때문이다. 어느 날 외계인이 찾아와 건넨 출처를 알 수 없는 말도 안되는 예언들이 막상 현실에서는 모두 들어맞는 것과 같은 상황에서, 양자물리학자들조차 자연의 이치를 깨우친다기보다 반쯤 해탈한 상태로 그저 받아들일 뿐이다...

닐스 보어 “아인슈타인, 신에게 참견하지 말게나.”

-1927년 솔베이 회의 중, 알베르트 아인슈타인이 남긴 말 “신은 주사위 놀이를 하지 않는다.”에 답하며.-

중첩(Superposition)과 얽힘(Entanglement)

 양자 이론이 이야기하는 세계는 정말 기괴한 현상들 뿐이지만, 조금 더 나아가 보자. 중첩과 얽힘은 양자 이론에서 가장 중요한 개념 중 하나에 속하기도 하지만 역시 가장 이해하거나 받아들이기 어려운 부분이기도 하다. 중첩에 대해 얘기하기에 앞서, 드 브로이의 방정식을 먼저 살펴보자.

왼쪽은 파장(람다), 오른쪽은 플랑크 상수 h와 운동량 p이다. 고전 역학에서는 엮일 일이 없었던 두 개념인 파장()과 운동량(p)이 양자적 연결 고리(플랑크 상수 h)로 이어졌다(=). 따라서 드 브로이 방정식은 파장이 운동량과 연결되어 있음을 시사하는 양자계의 혁명적인 발견이었다. 여기에서 더 나아가면 특정 파장은 특정 운동량을 갖는다는 의미를 찾을 수 있다.

 양자 역학에서 파장은 여러 파동들의 중첩으로 생긴 수학적인 확률 함수인 ‘파동함수’로 나타낼 수 있는데, 이 함수의 절대값의 제곱(정확히는 진폭의 복소제곱)은 입자가 특정 위치에서 존재할 확률을 나타낸다.

 이제 위의 혼란스러운 수학적인 문구들을 종합해 수소 원자 주위를 도는 전자에게 적용해보자. 전자는 파장을 가지며(사실 모든 물질은 파장을 지닌다) 이는 여러 파동들의 중첩으로 이루어져 있다. 그리고 각각의 파동들마다 특정 운동량을 지니며, 이는 곧 수소 원자핵 주변을 도는 전자가 동시에 두 가지 이상의 운동량을 가진다는 의미가 된다. 이를 중첩이라고 하며, 우리가 확인(관측)하는 순간에는 파동함수의 확률을 통해 이러한 수 많은 운동량 중 어떤 운동량을 가질지 결정이 된다. 한 문장으로 설명하자면 양자의 상태는 우리가 눈으로 확인(관측)하기 전까지 알 수 없으며, 그만큼 하나의 양자는 여러 상태를 동시에 가질 수 있다는 것이 중첩이다.

<세계 최초 상용 양자컴퓨터”라는 타이틀을 걸고 등장한 IBM Q System One - 출처 : IBM>

 큐비트란 ‘동시에 두 방향의 스핀을 갖는 전자’다. 또는 연산의 기본 개념인 비트(bit)와 양자(quantum)가 합쳐진 양자 비트(quantum bit)의 줄임말이다. 두 방향의 스핀을 0, 1이라고 본다면 고전적인 비트와 차이점은 무엇일까? 앞서 이야기한 중첩이 다시 등장할 때이다. 비트는 0 또는 1 둘 중 하나일 뿐이지만, 큐비트는 중첩된 두 방향의 스핀을 가지므로 동시에 0과 1 두가지일 수 있다. 그래서 큐비트를 표현할 때는 그림과 같은 구체로 많이 표현되며, 구체 표면을 향하는 벡터 0일 확률과 1일 확률의 혼합으로 나타낸다. 덧붙이자면 꼭 0과 1이 동등한 확률일 필요는 없다. 큐비트는 87%는 0이면서 13%는 1일 수도 있다. 물론 큐비트도 중첩 상태이므로 관찰하는 순간, 0 또는 1로 결정된다.

<큐비트를 표현한 ‘블라흐 구체’ - 출처 : IBM>

 이렇게 두 가지 상태가 중첩된 큐비트는 연산에 적용할 때 이론 상 방대한 연산 능력을 보여준다. 고전적인 비트가 논리 게이트를 한 번에 하나씩 통과할 때, 큐비트는 동시에 두 가지 상태가 통과한다. 큐비트 하나는 0과 1 두 가지 상태 뿐이지만, 큐비트를 하나씩 늘려보면 이야기가 달라진다. 두 개의 큐비트를 시뮬레이션 한다면 00, 01, 10, 11 네 가지의 상태를 얻을 수 있으며, 이 네 가지 결과의 가능성들이 두 개의 큐비트에 한데 묶여서 표현된 것이다. 이어서 세 개의 큐비트는 23개, ... N 개의 큐비트는 2N개의 방식으로 혼합될 수 있다. 이론 상의 양자 논리 게이트라면 이 어마어마한 가능성들을 한 번에 읽어낼 것이다. 그러나 엄청난 수의 큐비트를 탑재한 양자 컴퓨터가 실현되기 어려운 이유는 이 논리 게이트가 계를 방해하지 않아야 한다는 조건이 붙기 때문인데, 조금이라도 상호 작용이 발생하는 순간 큐비트의 수 많은 가능성들은 단 하나의 가능성으로 붕괴할 것이다. (관측에 의해 중첩이 사라지고 결과만이 남는 것이다. 상자를 열어 슈뢰딩거의 불쌍한 고양이의 운명을 결정지어버린 것.) 현재도 양자 컴퓨팅 분야의 많은 연구진은 극저온의 매우 민감한 프로세서로 큐비트를 제어하느라 애를 먹고 있다.

 다시 큐비트의 이야기로 돌아가서, 이제 이상적인 양자 논리 게이트를 거친 큐비트에서 정보를 추출해보자. 무수한 가능성들은 붕괴되고 평범한 비트와 같은 단 하나의 정보가 추출되어 나온다. 말단에서는 결국 정보를 추출해서 고전적인 비트 형태의 결과물을 얻어야 한다면 양자 컴퓨팅의 이점은 없는 것일까? 아니다. 큐비트는 무수한 가능성들을 거쳐서 하나의 결과를 보여준 것이다. 즉, 중첩되어 있던 방대한 양의 정보가 단 하나의 해답으로 쏟아져 들어간 것이다. 

 이러한 특징은 우리가 양자 컴퓨터를 어떻게 활용할 것인가에 대한 통찰력을 선사한다. 예를 들면 도로 교통 상황을 분석하는 문제에서 차량 하나하나의 움직임을 분석하면 교통 상황을 예측할 수 있겠지만, 현재는 알고리즘의 복잡도와 연산 속도라는 한계로 인해 현실적으로 이런 분석은 불가능하다. 하지만 양자 컴퓨터는 수 많은 차량의 가능성(방대한 양의 정보)을 계산해 도로 상황을 예측(단 하나의 해답)을 내 놓을 것이다. 이 외에도 양자 컴퓨터는 날씨 예보, 암호 해독, 신약 개발, 시장 분석, 자연어 분석 등등 수 많은 분야에 활용 될 수 있으며 현재 풀리지 않은 미스터리 같은 문제인 아원자 입자들의 미시적 운동을 분석하는 학문 분야까지 해답을 찾아내 줄 것으로 기대되고 있다.

마무리

 지금까지 양자 역학 세계의 일부분을 살펴보면서 양자 컴퓨터란 어떤 것인지 까지 간단하게 알아보았다. 양자 이론은 알면 알수록 이해할 수 없지만, 오히려 그렇기 때문에 더욱 더 의문점을 남기며 파고들게 하는 것 같다. 양자 컴퓨터가 아직 얼마 나아가지 못한 듯 보여도, 양자 컴퓨터가 세상을 바꾸는 미래는 반드시 올 것이며, 어쩌면 우리가 생각하는 것보다 빠를 수 있다. 머리가 아파오는 이론이지만 미래에 대비하기 위해서라도 양자 세상을 들여다보면, 생각했던 것보다는 제법 흥미롭다는 것을 발견할 수 있을 것이다.

존 휠러 “살날이 얼마 남지 않은 것 같으니, 남은 시간은 양자에 대해 생각하는 게 좋겠다.”

감사합니다.

기고 | AI사업본부 이동하

편집 | 사업기획팀 박예영

#1. AIOps 용어 등장

 AIOps는 풀어 쓰면 ‘Artificial Intelligence for IT Operations’ 또는 ‘Algorithmic IT Operations’입니다. 2014년 Gartner 보고서에 등장한 용어로, IT 운영에 AI를 도입함으로써 그 운영을 좀 더 지능화, 효율화하는 것을 뜻합니다.

<The History Of AIOps, 출처: Loom Systems>

#2. AIOps의 등장 배경

 과거에는 ICT 인프라가 모놀리틱 아키텍처로 단순했습니다. 따라서 WAS나 데이터베이스를 잘 모니터링하는 것만으로도 ICT 운영팀 임무를 충분히 달성할 수 있었습니다.

 기술이 발전하면서 SOA(Service Oriented Architecture)가 도입되었고, 근래에는 MSA(Microservices Architecture)가 유행하고 있습니다. 이는 운영/관제 대상 시스템이 다양하게 많아진 것을 의미하고, 메트릭, 로그 등 운영 데이터의 양도 급격히 늘어나게 되었다는 것을 말합니다. 그 만큼 ICT 운영이 어려워진 것이죠. 

 이제는 단순히 여러 관제 도구를 도입하고, 운영 요원을 늘린다고 해서 안정적 서비스 제공이 보장되지 않습니다. ICT 운영에 AI를 도입함으로써 안정적 서비스 보장과 운영 요원 피로도 감소, 운영 비용 절감 등을 꾀하고자 AIOps라는 개념이 등장하였습니다.

<AIOps Platform Enabling Continuous ITOM, 출처: Gartner>

#3. AIOps 시장 전망

 아래 그림에서 알 수 있듯이, 2018년 Gartner는 향후 5~10년 내에 AIOps가 하나의 기술 또는 제품으로서 시장에 자리 잡을 것이라고 예견했습니다.

<Hype Cycle of ICT in India 2018, 출처: Gartner>

또한 한국IDC에서도 2019년 국내 ICT 시장에서도 AIOps가 10번 째로 유력한 기술이나 트렌드가 될 것이라고 전망했습니다.

시장 측면에서 보면, AIOps 시장 크기는 세계 기준 2017년 약 2조 원에서 2025년 약 24조 원으로 매년 36.2% 성장할 전망입니다. 국내 시장이 세계의 1%라고 가정하면, 2017년 200억 원 시장에서 2025년 2,400억 원 시장으로 성장하는 것이죠.

<Global AIops Platform Market Outlook, 2017 & 2025 ($Billion), 출처: COHERENT MARKET INSIGHTS, 2018>

#4. 국내외 AIOps 벤더 현황

 해외에는 미국을 비롯한 30여개의 AIOps 벤더가 존재하고, 이 중 BMC, Splunk는 이미 국내에 진출해 있는 상황입니다. 하지만 국내에는 아직 명시적으로 AIOps를 표방하는 벤더는 엑셈 이외에 잘 보이지 않습니다.

 - 미국: AppDynamics, BMC, CA, Dynatrace, FixStream, IBM, InfluxData, Loom Systems, Moogsoft, Splunk, VMware 등 20여 벤더

 - 영국: Micro Focus 등

 - 네덜란드: StackState 등

 - 이스라엘: Anodot, VNT Software 등

 - 인도: HCL, VuNet 등

 - 일본: Brains Technology 등

 엑셈은 이미 지난 해에 자사의 MaxGauge, InterMax에 AIOps 기능을 탑재하는 형태로 개발을 진행해 왔는데요. 올 해 초에는 국내 모 금융사에 PoC를 성공적으로 마친 상황이고, 이제는 ‘InterMax AIOps’ 이름으로 본격 제품화를 꾀하고 있습니다.

#5. AIOps 기대 효과

<Predict and Prevent Operational Issues with AI, 출처: Splunk>

 ICT 운영 요원은 퇴근을 해도, 휴가를 가도 늘 ICT 인프라가 잘 동작하고 있는지 신경을 써야 하는, 24시간 365일 대기 모드로 있어야 하는 직업입니다. AIOps의 도입으로 이 들의 삶도 좀 더 편안해지지 않을까 싶네요.

제품 보러가기

기고 | AI사업본부 최영수 이사

편집 | 사업기획팀 박예영

엑셈에서는 클라우드 환경에 대한 모니터링을 지원하기 위해서 클라우드 기반 대규모 통합 관제 솔루션인 InterMax Cloud(가칭) 버전을 2019년 상반기에 출시 예정입니다. 그래서 이번 엑기스에서는 클라우드 환경에서의 App 통합 관제 및 모니터링에 대하여 다루도록 하겠습니다.

▶ 클라우드 향 Application의 특징 및 통합 모니터링이 갖추어야 할 요건

(1) Auto Scale In / Out 구조

 클라우드는 IT인프라를 가상으로 임대하여 자유롭게 사용할 수 있는 환경이므로, 더 많은 Computing Power가 필요할 때 Scale Up으로 장비의 컴퓨팅 Power를 키우는 방식이 아니라, Scale Out으로 가상머신을 늘리는 방식으로 Computing Power를 확장합니다.

기고 | APM본부 오명훈

편집 | 사업기획팀 박예영