태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

엑셈 뉴스룸 | 빅데이터 전문기업 EXEM의 빅데이터 STORY

엑셈 뉴스룸 2019. 3. 7. 12:57

 

 

빅데이터 속에서 의미를 찾고, 새로운 가치를 만들어 내는 사람들을 무엇이라고 부를까요? 바로 데이터 사이언티스트(Data Scientist)입니다. 엑셈에도 데이터 사이언티스트들이 활약하고 있는데요. 이번에는 지난 달 인터뷰에 이어 IT 성능관리, 빅데이터, 인공지능 전문기업 EXEM의 빅데이터 사업 및 제품, 콘텐츠들을 소개해드립니다 :)

 

  


#사업

 한국전력공사 

 엑셈은 한국전력공사(이하 한전)와 인연이 깊습니다. 2017년 “KEPCO 빅데이터 통합 플랫폼 구축”사업을 수행하였을 뿐만 아니라, 한전 임직원들을 대상으로 빅데이터 분석 심화 교육도 진행하였지요. 최근 연이어 “빅데이터 분석 사례 자산화”사업과 “빅데이터 플랫폼 운영유지보수”사업도 수주하여 수행하고 있습니다.

 

<"빅데이터 분석사례 자산화"사업>

  

 본 사업은 Decision Tree, 회귀분석, 군집분석, 인공신경망 등 4대 핵심 분석기법 활용 사례를 개발하고, 기존 분석 시범사업 결과물인 데이터셋 및 분석 알고리즘 등을 시각화 화면과 연계 개발합니다. 또한 데이터의 형태, 속성, 건수 등을 기반으로 분석 알고리즘을 추천해주는 로직, 매뉴얼 검색 기능, 예측 모델 공유 게시판 등을 개발하여 한전 임직원 일반사용자의 데이터 이용과 분석에 대한 이해를 도모하고, 플랫폼 이용활성화 등을 목표로 하고 있습니다.

 

 

<”빅데이터 플랫폼 운영유지보수” 사업>

 

 

 본 사업은 SCADA, ERP 등 Legacy 시스템들의 전력 및 전력산업과 관련된 데이터를 통합·저장하여 공통 플랫폼과 연계하는 허브 역할을 하는 빅데이터 통합 플랫폼의 총 90종 인프라(HW, SW, NW 등)와 137TB 보유데이터를 운영하며 빅데이터 분석 지원, 포털 운영 등을 수행하는 사업입니다. 엑셈은 운영 주관사로서 24시간 365일 안정적인 운영 및 유지관리를 위한 표준프로세스와 체크리스트, 전문인력, 기술지원 및 협업 체계 등에 대한 노하우가 더욱 더 강화될 것으로 기대됩니다. 

 

 

 S사 

<”빅데이터 & AI 기반 분석 컨설팅” 사업>

 

 

 시장의 흐름에 맞추어 과학적, 체계적, 전략적인 상품 기획을 위해 S사에서 수행한 사업입니다. 2018년 8월부터 약 6개월간 1차 사업을 성공적으로 수행하였고, 지난 2월부터 2차 사업을 순조롭게 수행 중입니다. 

 1차 사업은 상품 기획 시 고려되는 각종 데이터를 수집하여 다양한 분석기법을 통해 기존 상품 기획의 적절성을 검증하고, 향후 상품 계획 예측 모델화를 위한 인사이트를 도출한 성공적인 분석 컨설팅 프로젝트였는데요. MD(상품기획자)들의 느낌과 경험을 기반으로 한 관행적·감각적인 매장 공급량 산정 방식에서, ‘매장 특성 데이터’ 기반의 공급량 산정 방식으로 개선하였고, 판매효율성 지표, 매장 효율성 랭킹 체계 수립, 판매 리드 채널 상품 우선 전시 등이 획기적으로 반영되는 성공사례를 확보하였습니다. 

 엑셈 빅데이터분석팀은 1차 컨설팅 프로젝트 수행 노하우를 기반으로, 향후 온·오프라인 소매(Retail) 유통 등의 영역까지 빅데이터 분석 컨설팅을 다각화 및 확장할 예정입니다.

 

 

 

#제품

 Flamingo 

 

 엑셈에는 MaxGauge와 InterMax외에도 하둡에코시스템을 통합하여 운영·관리하는 빅데이터 성능 관리 솔루션 플라밍고가 있습니다. 빅데이터기술팀에서는 기존 플라밍고 v3.0에 워크플로우 기반 모니터링 및 자원 사용 통계 기능을 추가하여, 데이터 정제를 위한 최적화된 솔루션으로 재탄생 작업을 진행 중입니다. 

 


 플라밍고 고도화와 더불어 엑셈은 국내 빅데이터 분석 시장을 선도하기위해 빅데이터 분석 솔루션 기업 ‘나임(KNIME)’, 머신러닝 자동화 솔루션 기업 ‘데이터로봇(DataRobot)’과 파트너 계약을 맺었는데요. 두 제품도 소개해드리겠습니다.

 

 KNIME 

 엑셈은나임(KNIME)과 분석 플랫폼을 사용하는 ‘Trusted Partner’로 손을 잡았습니다. 나임은 가트너 2019년 ‘Magic Quadrant’ 보고서의 데이터 사이언스 및 머신러닝 플랫폼 부문 시각화 완성도 측면에서 가장 우수한 솔루션으로 선정되었으며, 시각화 부문과 더불어 실행 능력 측면까지 고려하였을 때에는 ‘리더(leader)’ 그룹에 선정되었습니다.

 독일 콘스탄츠대학교 엔지니어 SW팀이 개발한 ‘나임(KNIME)’은 워크플로우 기반의 VPL(Visual Programming Language) 분석 툴로서 데이터 수집, 정제·변환, 모델링, 시각화, 출력까지 모든 과정을 손쉽게 분석할 수 있도록 제공하는데요, 코딩 방식이 아닌 드래그 앤 드롭 방식을 사용합니다. 뿐만 아니라 개방형 구조(Open Architecture)로 다양한 외부 애플리케이션과의 유연한 연동도 지원합니다. 

 나임은 공개 SW이지만 대용량의 데이터를 활용하거나 분석결과를 공유하려면 반드시 서버버전을 구매해야 합니다. 그래서 공개 SW의 장점을 살리기 위해 엑셈에서는 owleye 사이트를 통한 분석 컨텐츠 공유, 웨비나(webinar), CookBook 책 출간 등을 통해 매스 마케팅 진행 예정입니다.  

 

 DataRobot 

 

 또한 엑셈은 ‘데이터로봇(DataRobot)’과 AI 프로그램을 사용하는 ‘Value Added Reseller’로 파트너 계약을 맺었는데요. 데이터로봇은 가트너 2019년 ‘Magic Quadrant’ 보고서의 데이터 사이언스 및 머신러닝 플랫폼 부문과 시각화 완성도 측면에서 가장 우수한 솔루션으로 선정되었으며, 시각화 부문과 더불어 실행 능력 측면까지 고려하였을 때에는 ‘비저너리(Visionary)’ 그룹에 선정되었습니다.
 머신러닝 자동화 솔루션인 ‘데이터로봇(DataRobot)’은 머신러닝 모델 구축 전 과정에 대한 자동화를 통해 모델을 최적화하거나 검증을 자동화하여 분석결과를 해석하고, 고객과 소통할 수 있는 시간을 극대화 해주는 솔루션입니다. 폭발적인 수요에 비해 절대적으로 부족한 데이터 사이언티스트들을 지원하는 분석 자동화 도구로서, 단 한 번의 클릭을 통해 최적의 알고리즘 조합을 찾아내고, 예측 결과와 실제 결과를 비교하여 최적의 모델을 제공합니다. 즉 수학, 프로그래밍, 통계 지식을 모두 갖춘 데이터 사이언티스트가 아니더라도, 데이터로봇을 활용하여 업무담당자가 직접 분석한 결과에 대한 해석을 데이터 사이언티스트와 논의한다면 최상의 분석결과를 얻을 수 있는 엄청난 장점이 있습니다. 
 현재 엑셈에서는 크게 3가지 주제를 가지고 A보험사에서 PoC 착수 준비 중입니다.
1. Orphan Customer(고아 고객)에 최적의 MP(보험 설계자) Matching
2. Up/Cross-sell Modeling을 고객 추천
3. 고객 충성도 개선을 위한 고객 맞춤형 서비스 전개

 

 

 

#콘텐츠

 Match業 프로그램 

 엑셈은 Match業 프로그램 빅데이터 분야 대표기관인 것 모두 아시죠? 인공지능 분야 뿐만 아니라, 빅데이터 분야에서도 컨텐츠를 생산하고 있는데요. 빅데이터 플랫폼 구축 분야의 아래 4강좌로 구성될 예정입니다. 열심히 콘텐츠를 생산하여 촬영 중이니, 많은 기대 해주세요! 

- 빅데이터 이해 및 역량 진단과 구축

- 하둡 에코 시스템의 이해와 활용

- 빅데이터 플랫폼 구축 절차와 요소기술

- 빅데이터 분석 기획 및 방법론

 

 KNIME Book 

 

 

 앞서 언급하였던 것처럼, 엑셈에서는 "KNIME(나임)을 활용한 빅데이터 분석"을 집필 중에 있으며, 현재 95% 정도 완성되었습니다. 나임을 활용할 때 꼭 필요한 내용들을 보기 쉽게 구성한 책이라, KNIME을 활용하고자 하는 학생, 분석가, 일반인 등 모두에게 바이블처럼 여겨지기를 바랍니다. 한시 빨리 선보여서 고객사에 더욱 차별화된 데이터 분석 서비스를 제공하는 마케팅 기반이 되기를 기대하고 있습니다.




엑셈의 빅데이터 사업에 대하여 더 궁금하다면? 여기를 눌러 문의해보세요!




기고 | 빅데이터사업본부 김미현

편집 | 사업기획팀 박예영

이벤트 | 한눈에 쏙! 숨은 단어 찾기

이벤트/이벤트 2019. 2. 12. 10:07









기획 및 글 | 사업기획팀 박예영

이미지 디자인 | 디자인기획팀 김보명

  • 이전 댓글 더보기
  • 2019.02.27 18:02 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.27 18:03 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.27 18:12 ADDR 수정/삭제 답글

    비밀댓글입니다

    • 2019.02.27 18:14 수정/삭제

      비밀댓글입니다

  • 2019.02.27 18:34 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.27 18:35 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 이원규 2019.02.27 22:39 ADDR 수정/삭제 답글

    인터맥스/ 셈통/ 아메리카노/ 데이터아티스트/ 뉴머신/ 염창동/ 맥스게이지/ 인공지능/ 웨비나/ 딥러닝/ 이원규/010-7343-5882

  • 2019.02.28 07:56 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 08:43 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 08:47 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 11:28 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 13:19 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 16:08 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.02.28 16:10 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.03.01 13:15 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 최민하 2019.03.01 13:17 ADDR 수정/삭제 답글

    염창동, 데이터아티스트, 행복, 인터맥스, 맥스게이지, 셈통, 웨비나
    최민하/010-4885-9873

  • 2019.03.01 15:16 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.03.02 21:05 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 엄은희 2019.03.03 14:04 ADDR 수정/삭제 답글

    염창동, 인터멕스, 멕스게이지, 셈통, 웨비나, 데이터아티스트, 행복
    엄은희/010-3372-8685

  • 2019.03.03 19:24 ADDR 수정/삭제 답글

    비밀댓글입니다

  • 2019.03.04 09:30 ADDR 수정/삭제 답글

    비밀댓글입니다

Tech in Cinema | 서치(Searching, 2017)

정보/Tech in Cinema 2019. 2. 12. 10:06



‘테크 인 시네마(Tech in Cinema)’ 코너 소개

1896년, 예술과 기술의 새 시대가 열차를 타고 도착했습니다. 뤼미에르 형제의 영화 <열차의 도착>이 프랑스 파리의 그랑 카페에서 상영되던 날, 사람들은 사진을 처음 경험했을 때보다 수 십만 배 더 강력한 전율을 느꼈을 겁니다. 현실을 있는 그대로 모사한 사진이 정지해 있지 않고 “살아 움직이는” 영상은 그야말로 기적이자 공포였을 테니까요. <열차의 도착>은 라 시오타 역에 기차가 도착하는 장면을 촬영한 50초 정도의 짧은 기록 영상일 뿐이었습니다. 하지만 예술의 역사를 <열차의 도착> 이전과 이후로 나눌 수 있을 만큼 영화의 등장은 강렬했습니다.      

‘예술’을 뜻하는 영단어 ‘art’의 또다른 뜻이 ‘기술’일 정도로 모든 예술과 기술은 서로 긴밀한 사이겠지만, 영화만큼 기술의 발달에 민감하게 반응한 예술 장르는 없습니다. 흑백에서 컬러로, 무성에서 유성으로, 특수효과에서 컴퓨터 그래픽으로, 필름에서 디지털로, 2D에서 3D로… 이처럼 수많은 기술이 영화의 발전을 이끌었고, 반대로 영화에서 펼쳐진 상상력이 실제 새로운 기술을 태어나게 하기도 했습니다. 스토리가 있는 최초의 상업영화라고 할만한 조르주 멜리에스 감독의 1902년 영화 <달세계 여행(A Trip To The Moon, 1902)>도 기술에 기반한 상상력이 핵심인 SF(Science Fiction) 영화입니다. 어쩌면 조르주 멜리에스 감독은 기술과 떼려야 뗄 수 없는 영화의 운명을 일찌감치 예견했는지도 모르겠습니다. 

1월부터 엑셈 뉴스레터에서 선보이고 있는 ‘테크 인 시네마(Tech in Cinema)’는 기술과 영화가 100년 넘게 지속해온 운명적 사랑에 대해 이야기하는 코너입니다. 영화에 대한 필자의 감상문이 될 수도 있고, 어떤 영화를 경유하여 다양한 첨단기술의 현주소와 미래를 정리해 보는 글이 될 수도 있습니다. 



영화 <서치(Searching, 2017)>

"모든 길은 데이터로 통한다"


‘테크 인 시네마(Tech in Cinema)’가 소개할 두 번째 영화는 한국계 미국인 배우 존 조가 주연을 맡은 영화 <서치(Searching, 2017)>입니다. 

요즘엔 스마트폰, 노트북, 태블릿, 웨어러블에 이르기까지 수많은 스마트기기가 인간의 삶에 접속해 있습니다. 개인과 공동체의 흔적과 기억은 곧 데이터로 저장돼 역사를 채워 나갑니다. 세상의 거의 모든 것이 데이터가 되는 시대라면, 누군가의 실종 사건도 혹시 데이터를 실마리로 해결할 수 있지 않을까요? 영화 <서치>는 이 질문에서 출발합니다.   



어느 날 밤, 부재중 전화 3통을 남기고 연락이 끊어진 딸. ‘설마…’하는 불안한 마음을 애써 달래며 딸의 소식을 기다리던 아빠는 결국 경찰에 딸의 실종 신고를 하고 딸을 찾아 나섭니다. 영화 <서치(Searching, 2017)>는 아빠가 실종된 딸을 찾기 위해 고군분투하는 추적 스릴러입니다. 2018년 국내 개봉해 약 300만 명의 관객을 매료시켰죠. 



영화 <서치>의 플롯은 비교적 평범한 편인데요. 대신 이 영화는 스마트기기 없이 살기 힘든 요즘 관객의 눈높이에 맞춘 독특한 화면 연출과 내러티브로 신선하다는 호평을 이끌어냈습니다. 영화 <서치>의 러닝타임 중 대부분은 노트북 모니터 화면이 채웁니다. 실종된 딸 ‘마고 킴(미셸 라)’의 행방에 대한 단서를 찾기 위해 아빠 ‘데이비드 킴(존 조)’이 딸의 노트북을 뒤지는 동안 보게 되는 노트북 화면, 노트북 웹캠이 촬영한 것처럼 표현한 데이비드 킴의 모습, 화상통화에 등장하는 다른 인물들의 얼굴이 시종일관 모니터 화면 위에서 절묘하게 배치되고 조합됩니다.  
(덕분에 의도했든, 의도하지 않았든 FaceTime, iMessage, iOS의 인터페이스가 지속적으로 노출되어 애플을 홍보해주기도 하죠.)  


영화 <서치>는 화면 연출뿐만 아니라 내러티브도 일반적인 추적 스릴러와 궤를 달리합니다. 보통의 추적 스릴러에서라면 주인공은 사라진 인물의 흔적을 찾아 으슥한 골목길을 주로 헤맸을 겁니다. 이와는 달리 영화 <서치>의 주인공은 사라진 딸에게 닿기 위해 딸의 흔적이 남아 있는 '데이터'의 숲을 헤맵니다. 딸의 노트북, 이메일, 여러 SNS에 흩어져 있는 수많은 데이터는 일견 별다른 연관성이 없는 듯 보이지만 아빠의 집요한 '데이터 분석' 과정을 거쳐 하나둘 유의미한 정보로 거듭납니다. 


  
영화 <서치>는 각종 스마트기기와 다양한 SNS에 익숙한 관객을 타깃으로 독특한 기법을 활용해 색다른 감흥을 선사하는 작품입니다. 또한 우리가 '데이터 시대'를 살고 있다는 사실을 새삼 깨닫게 해 주는데요. 먼 옛날 로마 제국의 전성기에 모든 길이 로마로 통했다면, 이제 모든 길은 데이터로 통한다고 말할 수 있을 것 같습니다.   






기획 및 글 | 사업기획팀 김태혁

월간기술동향 | Oops! 아니고 AIOps!



최근 급 부상하고 있는 AIOps에 대해 알고 계신가요?

가트너는 지난 2017년에 "2019년까지 세계 기업의 25%가 2~3가지 중요 IT업무를 지원하는 AIOps 플랫폼을 구현할 것"이라고 예측하였는데요, 이번 시간에는 AIOps에 대하여 살펴보겠습니다.



 AIOps란? 

AIOps <출처: Gartner, 2017>


AIOps는 AI 기술을 IT 운영(Operation)에 접목한 것으로, “IT운영을 위한 인공지능(Artificial Intelligence for IT Operations)”을 뜻합니다. (또는 Algorithmic IT Operations 라고도 합니다.)  AIOps는 빅데이터 분석과 머신러닝, 그리고 기타 AI 기술을 활용해 IT인프라의 문제를 파악하고 해결책을 제시하는 과정을 자동화 합니다. 사람이 직접 개입하는 대신 AI를 통해 실수를 줄이고, 보다 더 효율적으로 IT 인프라를 운영하는 것이죠. 날로 복잡해지는 여러 자산을 관리함에 있어서 인공지능을 통해 운영자의 시간과 노력을 줄여줄 수 있습니다. 




 AIOps의 구성요소 

<출처: DZone>


AIOps를 이루는 두 가지 핵심 요소는 빅데이터와 머신러닝인데요IT운영 과정에서 생산되는 분산된 각종 데이터들을 분석하여 머신러닝을 통해 지속적으로 적용함으로써 IT운영의 자동화를 이루게 됩니다. 


The technologies that make up an AIOps platform <출처: bmc>


조금 더 자세히 말하면, 우선 검증된 데이터가 필수적입니다. 실제 기업 환경에 적용되어 신뢰할 수 있는 데이터가 양적으로도 질적으로도 충분해야 합니다. 그리고 수집한 데이터들을 분석한 후에 인공지능이 이 데이터들을 효과적으로 학습해야 하죠. 이 역시 꽤 긴 시간이 필요한 과정입니다. 

이렇게 구현된 인공지능은 실제 IT 서비스로 구체화되어야 비로소 완성되는 것입니다.




 AIOps의 활용 


AIOps Platform Enabling Continuous Insights Across IT Operations Management <출처: Gartner, 2018>


가트너는 위 그림과 같이 AIOps가 IT운영 전반에 걸쳐 지속적인 통찰을 가능하게 한다고 설명했습니다. 

AIOps에서 Logs, Text, Wire, Metrics, API등의 데이터 유형들을 처리하여 다음과 같이 활용할 수 있습니다.


▶ Causal Analysis (인과관계 분석)

▶ Anomaly detection (이상 탐지)

▶ Performance analysis (성과 분석)

▶ Prediction(예측)

▶ Correlation and contextualization (상관관계와 맥락화)

▶ Intelligent Remediation(지능적 개선)




 AIOps의 도입 효과 



그렇다면 AIOps 도입 후 얻을 수 있는 효과는 무엇일까요?


1. 업무의 효율성 증가 

AIOps는 일상적이고 반복적인 업무를 자동화하여 업무의 효율성을 증가시킵니다. 이 덕분에 운영자는 반복적인 업무 수행 대신 좀 더 운영을 효율화 할 수 있는 업무에 집중할 수 있게 됩니다.

2. 운영 비용 감소 & 안정적이고 예측 가능한 인프라 제공

AIOps는 분석과 예측을 통해 최적화된 자원을 사용함으로써 운영 비용을 최소화할 수 있습니다. 또한 보다 더 안정적이고 예측 가능한 운영이 가능해집니다.

3. 기타 부서와의 협업 최대화

AIOps는 각 팀에게 관련 데이터를 제공합니다. 그래서 IT팀이 비즈니스 부서와 데이터 사일로 없이 원활한 의사소통이 가능해지고, 협업을 효율적으로 할 수 있게 되죠. 데이터를 기반으로 한 의사결정이 가능함으로써 기업은 새로운 트렌드에 민감하게 반응할 수 있게 됩니다. 


 ※ 데이터 사일로(silo): 데이터가 전체적으로 통합되지 않고 개별 부서나 사업 부문별로 고립적으로 활용되는 것




본문 외 reference

Gartner, Market Guide for AIOps Platforms

IDG, IT 인프라 운영의 새로운 기준

TechTarget, AIOps






기획 및 글 | 사업기획팀 박예영

엑기스 | 클라우드 환경에서의 통합 관제

기술이야기/엑.기.스 2019. 2. 12. 10:06




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.

또한, 사용자 서비스 부하가 줄어들면 자동으로 Scale In이 되어서 모니터링 대상이 사라지게 됩니다.


모니터링 제품에서 이러한 Scale In/Out을 모니터링 하기 위해서는 모니터링 대상(Target)을 자동으로 등록하고, 제거하는 기능이 지원되어야 합니다. 


(2) Microservice Architecture
 클라우드 환경은 1개의 큰 서버에 여러 개의 업무를 대량으로 처리하는 Monolithic 시스템으로 구성되기 보다는, Microservice Architecture기반으로 구성하는 것을 권장합니다. Microservice는 작은 서비스 모듈 단위를 API를 통해 호출하여 서비스를 제공하는 형태로 전체 업무를 구성하고 있습니다.

 따라서 모니터링 시스템 구성 시 모니터링할 대상이 많고, Python, Java 등 통일되지 않은 다양한 기술로 이루어져 있으며, 한 서비스가 다른 서비스를 호출하는 등 서비스 간 복잡하게 연계되어 있는 점을 고려해야 합니다. 개별 기술로 이루어진 Micorservice를 통합하여 중앙집중화된 모니터링을 제공해야 하며, 또한 성능이슈의 추적을 위해서 서비스 간의 End to End 연계 추적을 고려해야 합니다.


그리고 전체 관점의 모니터링 뷰 제공을 위해서 Topology 형태의 대시보드를 제공하여 전체 서비스를 통합된 뷰로 모니터링 할 수 있어야 하며, 전체 관점에서 Node → Container → App으로 내려가는 Drill Down을 통한 상세 모니터링을 지원해야 합니다.


-  다수의 모니터링 대상을 전체 관점에서 모니터링 하기 위한 Topology View( 2D )


- Topology View ( 3D )


(3) 클라우드 환경의 다양한 관리 솔루션 연동 지원
 클라우드 환경을 제공하는 Amazon AWS, Microsoft Azure 같은 Public Cloud 서비스나, 기업 내부에서 Private Cloud를 구축하여 사용할 때 많이 사용하는 OpenStack, Kubernetes, OpenShift 같은 제품들은 다수의 가상머신과 컨테이너를 관리하기 위한 자체 관리도구를 제공하고 있습니다. 이러한 자체 관리도구와 긴밀히 연동하여, 서버명, 컨테이너명, 그룹명 등을 자동으로 인식하여 모니터링을 제공하는 것이 필수적으로 필요합니다.
 예를 들어, AWS의 경우, EC2 인스턴스ID 뿐 아니라, Tag Name을 수집하여 모니터링 대상 식별에 활용하고, 같은 서비스(업무)를 수행하는 장비를 자동으로 Grouping하여 모니터링 대상 식별이 용이해야 합니다. Grouping 방식은 Region이나 AZ 기반으로 물리적인 위치에 따라서 Grouping하거나, Auto Scaling 그룹 기반 또는, 특정 Tag Name을 가진 서버들을 대상으로 Grouping을 수행할 수 있습니다.
 Kubernetes의 경우, Pod명을 인식하여 모니터링 대상을 식별하고, Application 명 또는 Deployment 명을 인식하여 모니터링 그룹에 자동으로 활용하는 기능을 제공해야 합니다.


(4) 가상환경 자체 모니터링(Kubernetes 컨테이너, AWS 서비스 등)
 클라우드 환경에 대한 모니터링은 가상환경이라는 새로운 Layer에 대한 모니터링이 추가로 제공되어야 합니다. Kubernetes환경의 경우, Pod 또는 컨테이너라는 모니터링 대상이 물리적인 서버(Node)와 Application 사이에 존재하기 때문에 이러한 가상 계층에 대한 모니터링을 지원해야 합니다. AWS의 경우, AWS의 자원(AWS 서비스)인 EC2, S3, EBS, RDS 등의 서비스에 대한 통합 모니터링을 지원해야 합니다. 물론 AWS 자체적으로 CloudWatch라는 모니터링 도구를 제공하고 있으나, 전체 서비스를 Infra와 Biz를 통합 관제하기 위해서는 AWS CloudWatch에서 수집하는 정보를 선별하여 “통합 클라우드 서비스 모니터링 제품”에서 함께 모니터링 되어야 문제 발생 시 신속하게 대처가 가능합니다.

- Kubernetes Pod 및 컨테이너 계층에 대한 모니터링 대시보드


- Kubernetes Pod 상세 모니터링




클라우드 통합 관제에 대한 대응 전략

 앞서 언급하였듯이 엑셈에서는 클라우드 환경에 대한 모니터링을 지원하기 위해서 클라우드 기반 대규모 통합 관제 솔루션인 InterMax Cloud(가칭) 버전을 2019년 상반기에 출시 예정입니다. InterMax Cloud 버전은 Private Cloud 플랫폼(Kubernetes Pod 및 Docker Container 기반) 환경에서 다양한 계층(Hosts, VM, Pod, Container 등)에 대한 구성(Configuration) 정보에서부터 성능 메트릭(Metric) 정보까지 full stack 모니터링이 가능한 통합 관리 솔루션입니다. 또한 AWS 같은 Public Cloud 환경까지 지원을 확대하여 기업 내의 자체 Infra와 클라우드 환경을 통합 관제하고자 하는 Needs에 대응할 예정입니다.



클라우드 기반 통합 관제에 대하여 더 알고싶으신가요? 여기를 눌러 문의해보세요!




기고 | APM본부 오명훈

편집 | 사업기획팀 박예영

아이참 | Oracle CloudWorld Seoul 2019

기술이야기/아이참 2019. 2. 12. 10:05




 지난 1월 29일, 그랜드인터컨티넨탈 서울 파르나스에서 ‘오라클 클라우드 월드 서울 2019’ 행사가 열렸습니다. 이번 행사는 데이터베이스 관리 시스템(DBMS)의 최강자로 꼽히지만 클라우드에서는 한발 뒤처진 오라클이 국내 클라우드 시장에서 대대적인 반격을 시작하고자 기획한 만큼 굉장한 규모로 진행됐습니다. 오라클의 열성적인 사전 홍보 덕분인지 정말 많은 분들이 행사장을 찾아 주셨습니다.


 클라우드 시장을 공략하기 위한 오라클의 무기는 ‘두터운 기존 고객층’, ‘강화된 보안과 성능’, ‘자율 운영’으로 압축됩니다. 오라클은 오라클 데이터베이스(DB) 제품을 사용 중인 수많은 고객들이 자연스레 오라클 클라우드로 전환하도록 유도하겠다는 목표를 밝혔습니다. 그리고 클라우드 이전 시 보안 문제에 대한 걱정을 덜어주기 위해 보안성과 성능을 강화한 ‘오라클 클라우드 인프라스트럭처(OCI)’ 기반 ‘2세대 클라우드’를 전면에 내세웠습니다. 또한 ‘자율 운영 데이터베이스(Autonomous Database)’를 비롯한 자율 운영 기술로 IT 운영 담당자의 수고를 획기적으로 줄여주겠다며 자신감을 보였습니다. 

<김형래 한국 오라클 대표>

 김형래 한국오라클 대표는 "대기업 IT 인프라의 핵심이 오라클 DB"라며 "오라클 DB 고객을 보면 (클라우드 전환에 있어) 한국은 아직 초기 단계"라고 말했습니다. 그리고 연내 한국에 데이터센터 설립을 공언했습니다. 향후 국내 클라우드 시장이 크게 성장할 것이라고 예상한다는 말이겠죠. 

 클라우드를 도입하는 사례가 늘어난다는 것은 곧 클라우드 관제에 대한 수요가 커진다는 의미이기 때문에 저희 엑셈도 귀를 쫑긋하게 되는 대목이었습니다.  


 이번 행사에는 엑셈의 기술력을 책임지고 있는 개발자들도 참여했는데요. 다양한 트랙들 중 특히 ‘트랙 1 - 자율운영 데이터 관리(Autonomous Data Management)’를 집중적으로 경청한 후 개발자의 관점에서 오라클의 클라우드 전략과 전술을 평가하고 미래를 전망해 주었습니다. 그 내용을 엑셈 뉴스레터 독자분들께만 살짝 공개해 드립니다. 

 ‘온프레미스(On-premise) 데이터베이스 관리 시스템’이 오라클이 제시한 것처럼 ‘클라우드 기반 데이터 관리’로 바뀐다면, 어떤 변화가 일어날지 함께 예상해 보시기 바랍니다. 


개발자 A

문득 개인적으로 든 생각은 과거 벤더마다 WAS(Web Applications Server)를 만들어 팔던 게 지금은 Cloud로 온 것 같습니다. Oracle Cloud의 Autonomous DB는 기존 오라클 DB 사용 고객들을 클라우드로 이전 시키는 데 장점이 될 것 같지만, 외국과 같이 국내도 멀티 클라우드로 가야하는 걸 고려해볼 때, 그런 디펜던시(dependency, 종속)는 과연 장점이 될지 의문입니다.


개발자 B

회사 전체의 업무(HR, 회계 등)를 Oracle Cloud 생태계로 조성하고, 모든 업무 처리에서 발생하는 데이터를 기반으로 Oracle HR AI가 머신러닝을 하겠다는 부분이 조금 인상적이었습니다. 기존 HR AI들은 학습에 대한 부담을 고객이 100% 지고 있지만, Oracle은 자체 학습이 가능하다고 말하더라구요. 하지만, 각 업무에 대한 중요한 판단(단순히 일처리 개수로 퍼포먼스 측정을 할 것이냐? 난이도나 볼륨에 대한 고려는 없는가?)은 아직도 사람에게 맡기는 형태라 실제로 사람이 어렵다고 생각하는 부분에 도움을 주지는 못하고 있는 것 같았습니다.


개발자 C

오라클이 경쟁사(AWS) 대비 후발주자이지만, Autonomous DB를 신무기로 하여 HA/DR(RAC & ADZ)을 통한 고가용성과 군말없는 SLA를 이야기한 부분에서 자신감을 느낄 수 있었습니다. 패널로 참가한 SK하이닉스와 현대상선, 구축 사례를 발표한 SK Stoa, 해외 사례 Baasid Project가 오라클의 클라우드 비전에 힘을 더해주는 것 같았는데, 다른 고객의 생각은 어떨지도 궁금합니다.


개발자 D

DW, OLTP에서 클라우드와 자율 운영 데이터베이스가 갖는 강점에 대한 이야기가 흥미로웠습니다. DevOps 패러다임에 최적화된 것처럼 보였습니다. 아직 오라클 클라우드의 국내 레퍼런스는 적지만 미리 도입한 기업들의 도입 배경에 대한 이야기는 흥미로웠습니다. 올해 국내 오라클 데이터 센터가 설립된다고 하니 더욱 귀추가 주목됩니다.


개발자 E

오라클이 향후 자동화 시스템(Autonomous DB 등) 및 클라우드 기반의 시스템을 추구한다는 것을 확실히 알 수 있었습니다. 오라클은 그동안 오라클 DB의 버전을 올리면서 조금씩 자동화에 대한 준비를 해왔습니다. 12c부터 ‘Autonomous Health Framework’ 같은 자동화 시스템 기능을 추가해서 시스템 자동화 준비를 시작했죠. 오라클 DB에 문제 발생 시 자동 분석, 백업, 복구가 가능하게 된다면 DBA들이 헬스 체크 하는 일이 없어질 것 같습니다. DBA는 설계를 집중적으로 준비해야겠죠. 

19c부터 클라우드 기반의 시스템을 제공했습니다. 오라클은 클라우드에서 항상 불거지는 보안 이슈에 대해서 오라클의 보안 관련 투자가 다른 곳보다 많기 때문에 고객들이 자체적으로 보안에 신경 쓰는 것보다 더 효율적이라고 얘기했습니다. 경쟁사인 AWS보다 빠르고 비용이 적다고 말했죠. ‘Live SQL’을 제공하면서 좀 더 대중의 접근성을 높이기도 했습니다. 

‘Autonomous DB + 클라우드’의 조합이라면 대기업이 아닌 일반 소규모 업체는 오라클 사용이 편해질 수 있을 듯 합니다. 역시나 대세는 AI, 클라우드겠네요. 오라클이 클라우드 기반 Autonomous DB를 발표한만큼 데이터베이스 성능 모니터링의 미래도 AI 기능 적용에 달려 있다고 생각합니다.





엑셈 블로그 콘텐츠에 대하여 더 알고싶으신가요? 여기를 눌러 문의해보세요!



기획 및 글 | 사업기획팀 김태혁