본문 바로가기
복잡한 인프라 구성없이 시작하는 AI 분석 플랫폼, 우드페커 요즘 IT 산업 분야 메가 트렌드는 ‘AI(인공지능)’입니다. 사람의 리소스를 최소한으로 투입하면서 미래를 예측하여 비즈니스 성공을 이끌어내기 위해서라도 AI의 도움은 필수가 되었는데요. AI를 빼고 이젠 IT 산업을 이야기하기 어렵게 되었음에도 많은 기업들이 AI를 현업에 적용하는 방안을 고민하고 있습니다.특히, AI를 활용한 다양한 개발 환경들이 쏟아져 나오고 있음에도, 어떻게 개발하고 배포한 데이터를 분석해야 할지에 대한 명쾌한 방법을 찾기는 참 어렵습니다. 시중에는 다양한 AI 분석 플랫폼이 많고, 각 플랫폼들을 비교하고 검토하는 과정 또한 오래 소요되기 때문입니다. 그렇다면 이런 상황에서 분석가들이 실제로 AI 모델 개발 환경을 구축할 때 고민들은 어떤 것들이 있을까요?   대 AI 시대의 데이.. 2024. 11. 28.
엑셈, L전자와 K금융에 통합 모니터링 솔루션 ‘엑셈원(exemONE)’ 공급 계약 체결 엑셈, L전자와 K금융에 통합 모니터링 솔루션 ‘엑셈원(exemONE)’ 공급 계약 체결멀티 또는 하이브리드 클라우드 환경 내 DB, 애플리케이션, K8s 통합 모니터링 지원 예정4월 출시 후 고객사 9곳 확보한 상황으로 빠른 시장 안착 실현 중 IT 성능 관리 기업 엑셈(대표 조종암, 고평석, 205100)이 L전자 및 K금융과 올인원 통합 모니터링 솔루션 ‘엑셈원(exemONE)’의 공급 계약을 체결했다고 31일 밝혔다. L전자는 엑셈원의 DBPM(데이터베이스 성능 관리)을 채택했으며, K금융은 엑셈원의 APM(애플리케이션 성능 관리)과 K8s(쿠버네티스) 모니터링에 대한 계약을 체결했다. 엑셈 측은 이번 계약으로 엑셈원의 제조업 및 금융권 레퍼런스를 추가하게 됐으며 올해 4월 출시 이후 현재까지 고.. 2024. 7. 31.
APM 관점에서 본 통합 모니터링의 필요성 앞서 통합 모니터링 솔루션의 필요성에 대해 소개했습니다. (링크) 이번 회차에서는 통합 모니터링 솔루션의 필요성을 APM(Application Performance Monitoring) 관점으로 다뤄보고자 합니다. On-Premise에서 Cloud로 전환On-Premise에서 클라우드(Public, Private, Hybrid, Multi)로의 전환은 애플리케이션의 배포 방식에 중요한 변화를 가져옵니다. 기존 On-Premise 방식에서는 물리서버에 수동적으로 배포 및 관리를 했다면, 클라우드 환경으로 전환되면서는 가상화된 인프라에 Container, Pod 형태로 배포하는 방식으로 변경되었습니다. 이렇게 변화된 환경에서는 애플리케이션의 동적인 확장과 유연한 관리가 가능해졌고, 이들 환경에서 수행되는 애.. 2024. 3. 27.
통합 모니터링 솔루션의 필요성과 exemONE IT 인프라 관리 및 모니터링 분야는 최근 몇 년 동안 큰 변화를 겪고 있습니다. 전통적으로 온프레미스 시스템 모니터링은 웹 애플리케이션 서버(WAS), 데이터베이스, 네트워크, 운영체제(OS) 등 개별적인 영역에 중점을 둔 제품군 기반이었습니다. 각 모니터링 도구는 각각의 영역에 특화된 기능을 제공했으며, 이 접근 방식은 특정 시스템에 대한 깊이 있는 분석과 세밀한 관리를 가능하게 했습니다.그러나 시간이 지나며 기술 환경의 변화는 전통적인 모니터링 분야에도 영향을 미쳤습니다. 이로 인해 새로운 도전과 과제가 생겨났으며, 기존의 모니터링 방식을 재검토하고 새로운 환경에 적응해야 하는 필요성이 대두되었습니다. 이러한 변화는 IT 모니터링 분야에 보다 진보적인 접근을 요구하며, 새로운 기술과 방법론의 도입을.. 2024. 1. 25.
궁금하면 드루와요 | Druid Tiering Part.4 Druid Tiering: 데이터가 조회되는 빈도 기준으로 데이터를 구분 Part.1 Apache Druid란(링크) Part.2 Druid Operator: 드루이드 오퍼레이터 도입으로 드루이드 설치부터 관리까지의 과정 개선 (링크) Part.3 Druid Tuning: 제한된 자원속에서 카프카 스트림으로부터 데이터 수집하는 기능(성능)의 최적화(링크) Part.4 Druid Tiering: 데이터가 조회되는 빈도 기준으로 데이터를 구분 Part.5 Druid without Middle Manager (MM less): k8s 리소스(파드)를 사용한 드루이드 태스크 관리 개선 이번 글에서는 Apache Druid의 티어링 시스템과 필요성을 알아보고, Druid에서 데이터 티어링을 설정하는 .. 2023. 12. 27.
궁금하면 드루와요 | Druid Tuning Part.3 Druid Tuning: 제한된 자원속에서 카프카 스트림으로부터 데이터 수집하는 기능(성능)의 최적화 Part.1 Apache Druid란 (링크) Part.2 Druid Operator: 드루이드 오퍼레이터 도입으로 드루이드 설치부터 관리까지의 과정 개선 (링크) Part.3 Druid Tuning: 제한된 자원속에서 카프카 스트림으로부터 데이터 수집하는 기능(성능)의 최적화 Part.4 Druid Tiering: 데이터가 조회되는 빈도 기준으로 데이터를 구분 Part.5 Druid without Middle Manager (MM less): k8s 리소스(파드)를 사용한 드루이드 태스크 관리 개선 Kafka로부터 데이터 수집 후 데이터 처리 방법 드루이드에서는 스트리밍 데이터와 배치성 데.. 2023. 11. 30.
궁금하면 드루와요 | Druid Operator Part.2 Druid Operator: 드루이드 오퍼레이터 도입으로 드루이드 설치부터 관리까지의 과정 개선 Part.1 Apache Druid란 (링크) Part.2 Druid Operator: 드루이드 오퍼레이터 도입으로 드루이드 설치부터 관리까지의 과정 개선 Part.3 Druid Tuning: 제한된 자원속에서 카프카 스트림으로부터 데이터 수집하는 기능(성능)의 최적화 Part.4 Druid Tiering: 데이터가 조회되는 빈도 기준으로 데이터를 구분 Part.5 Druid without Middle Manager (MM less): k8s 리소스(파드)를 사용한 드루이드 태스크 관리 개선 Druid Operator란 Druid Operator는 쿠버네티스에서 실행 중인 드루이드 클러스터를 관리.. 2023. 10. 26.
클라우드 A to Z | Kubernetes 모니터링이 필요한 이유 시대의 흐름에 따라 서비스의 고가용성을 제공하기 위해 배포 모델이 진화해 왔습니다. Kubernetes에 이르러서는 애플리케이션을 구성하는 컨테이너의 수평적 확장이 용이해지고 전체 시스템에 영향을 미치지 않으면서도 언제든 빠르게 새로운 기능을 제공하는 것이 가능해졌습니다. 하지만 여러 서버와 사설/공용 클라우드 환경을 연결해 복잡하게 구성하는 것이 가능해지고, 설정된 워크로드 정책을 기반으로 수요에 따라 컨테이너가 지속해서 파괴되고 가동되면서 애플리케이션이 어디에서 어떻게 실행되고 있는지 알기 어려워졌으며, 과거의 배포 환경보다 Entity의 수가 100배 이상 많아지는 경우가 생겼습니다. 따라서 문제가 시작되면 조사할 로그와 기타 데이터 및 구성 요소가 많아졌습니다. 기존 환경에서는 한두 가지의 로그 .. 2021. 11. 24.
클라우드 A to Z | 쿠버네티스에서 리소스 관리하기 쿠버네티스는 서비스를 수평적으로 확장하고, 가용 리소스를 더 효율적으로 사용할 수 있는 기능을 제공합니다. 각 컨테이너는 파드(Pod) 단위로 배포되는데요, 이때 파드가 위치할 노드는 쿠버네티스의 스케줄러에 의해 결정됩니다. 파드가 노드에 배치된 이후, 컨테이너는 커널에 의해 관리되게 됩니다. 컨테이너는 프로세스이기 때문입니다. 리눅스 커널은 프로세스를 핸들링하는 많은 기능이 있습니다. 우리는 컨테이너에 대해 cgroup을 사용하여 CPU, 메모리에 대한 사용률을 설정할 수 있습니다. 도커에서는 다음 명령어로 0.5코어와 128MB 메모리만 사용되도록 제한된 nginx를 배포할 수 있습니다. docker run -m 128M -c 0.5 nginx 세가지 QoS 클래스 쿠버네티스에선 다음과 같은 설정을 .. 2021. 10. 27.

티스토리툴바