관측 과부하가 엔지니어를 압도한다
출처: The New Stack
모든 것을 볼 수 있다면, 아무것도 보지 못할 수도 있습니다. 관측성 도구가 급증하고 인간의 능력은 따라오지 못하면서 SRE와 DevOps 엔지니어들이 배우고 있는 바로 그 점입니다.
엔지니어들은 오늘날 그 어느 때보다 많은 관측성 데이터를 보유하고 있어, 관리하는 시스템을 전례 없는 수준으로 들여다볼 수 있습니다. 하지만 손끝에 놓인 방대한 정보가 반드시 더 빠른 탐지, 더 말할 것도 없이 문제 해결로 이어지는 것은 아닙니다.
왜 그럴까요? 대시보드에 문제를 알리는 관측성 데이터가 뜨면, 사람은 로그와 트레이스를 뒤져 원인을 파헤쳐야 합니다. 이렇게 수집된 정보는 동시에 축복이자 골칫거리가 됩니다. 필요한 컨텍스트는 거기에 있지만, 찾고 활용하기가 쉽지 않습니다.
더 나아가 잘못된 실마리를 쫓게 되면, 허위 경로를 탐색하게 되고, 시간은 낭비되며 가동 중단 시간이 길어질 수도 있습니다. 데이터가 너무 많다면, 엔지니어를 더 투입하면 어떨까요? 같은 문제를 여러 엔지니어가 동시에 조사하면, 다중 플랫폼 협업의 악몽으로 번져 해결 시점이 예측 불가능해집니다.
현대 관측성 스택과 그가 수집하는 모든 정보를 온전히 활용하려면 새로운 기법이 필요합니다. 인간이 로그를 뒤지며 일일이 찾아야 하는 대신, 현대 기업은 관측성 데이터를 빠르게 파싱하고 스스로 해결책을 실행하거나, 인간이 관리할 수 있는 중재 경로를 제시하는 단일하고 통합된 시스템을 원합니다.
맞습니다, 여기서 말하는 것은 AI입니다. 특히 AI 에이전트를 말합니다. 에이전트는 인간보다 더 높은 데이터 볼륨을 처리할 수 있어—특히 서로 다른 시스템에 흩어져 있는 대용량 데이터를 상관관계 있게 연결해야 할 때—최근에는 자율적으로 행동할 수 있는 능력도 갖추었습니다.
좋은 소식은 기술 기업들이 바로 그 시스템을 구축하고 있다는 점입니다. 더 좋은 소식은 같은 도구들을 통해 엔지니어가 관측성 데이터를 자신이 선호하는 에이전트 기반 개발 환경(Codex, Cursor, Claude Code 등)으로 직접 가져와, 문제에 대한 지식과 해결에 필요한 도구를 하나로 결합할 수 있다는 것입니다.
2024년 6월 30일 화요일 동부 표준시 기준 오후 12시 / 태평양 표준시 기준 오전 9시, Datadog의 Vignesh Palaniappan (Bits AI 수석 제품 매니저)이 The New Stack에 출연해 현재 겪고 있는 관측성의 고충, AI 에이전트가 제공하는 솔루션, 그리고 엔지니어링 팀이 보유한 정보를 실제 운영에 활용하도록 돕는 도구들을 어떻게 마련할 수 있는지 이야기합니다.
지금 등록하세요
배우게 될 내용
-
알림 뒤에 숨은 근본 원인을 빠르게 찾아내는 방법 엔지니어들을 무분별한 버그 사냥에 보내지 않고. 누가 짧은 MTTD를 원하지 않겠습니까?
-
에이전트를 구축하고 배포하는 방법 스스로 알림과 문제를 해결할 수 있도록. 누가 짧은 MTTR를 원하지 않겠습니까?
-
관측성 데이터를 Codex, Cursor, Claude Code와 같은 도구에 직접 가져오는 방법 개발자가 작업 중 바로 필요한 컨텍스트를 확보하도록.
실시간으로 참여하기 어려우신가요? 그래도 등록해 주세요. 세션이 끝난 뒤 녹화본을 보내드립니다. 등록함으로써 The New Stack과 Datadog의 이메일 커뮤니케이션 수신에 동의하게 됩니다.
트렌드 스토리
YOUTUBE.COM/THENEWSTACK
기술은 빠르게 변합니다. 에피소드를 놓치지 마세요. 우리 YouTube 채널을 구독하고 모든 팟캐스트, 인터뷰, 데모 등을 스트리밍하세요.
구독하기