관측가능성 (Observability)

1. 관측가능성 (Observability)의 개요

(1) 관측가능성의 개념

개념도
개념	시스템의 문제 해결 및 자동화를 위해 외부 출력값인 메트릭(Metric), 추적(Trace), 로그(Log) 등을 분석하여 시스템의 내부 상태를 이해하고 예측할 수 있는 속성

• 제어 이론의 시스템 출력 변수(output variable)를 사용하여 상태 변수(state variable)에 대한 정보를 알아낼 수 있는지를 나타내는 용어에서 출발

(2) 관측가능성과 모니터링의 비교

비교 항목	관측가능성	모니터링
사용 목적	복잡한 오류를 추적	발생한 오류를 발견
측정 값 활용	시스템 오작동 원인 확인	시스템 영향도 식별
데이터 상관관계	데이터의 상관관계 파악 용이	데이터의 상관관계 파악 어려움
분석 대상	여러 시스템 연관 분석	독립형 시스템 분석
분석 결과	원인 및 과정	시점 및 종류

• 관측가능성은 외부 출력값을 분석하는 모니터링과 유사하지만 시스템의 내부 상태를 파악하므로 모니터링과는 다르며 관측성, 관찰 가능성이라고도 함.
• 관측가능성은 SRE를 통해 SLO를 정의 및 보호하고 메트릭, 로그, 추적 및 기반 기술을 사용하여 효율적인 시스템 운영 실현

 

2. 관측가능성의 구성요소와 기반 기술/세부 구현 기술

(1) 관측가능성의 구성요소

구성 요소	역할	출력 형태
메트릭 (Metric)	일정 시간 동안 측정된 가용성 신호를 집계하고 수치화	– 큐의 대기 메시지 개수 – CPU/메모리 사용량
로그 (Log)	App 실행 시 생성되는 텍스트로 JSON 형식이나 비구조적 텍스트 형식 출력	– 애플리케이션 에러, 경고 – 디버깅 정보
추적 (Tracing)	트랜잭션을 처리하는 과정에서 발생하는 세부 정보, 메타데이터 출력	– 트랜잭션의 시스템이동경로 – 처리 과정의 대기/지연 시간

(2) 관측가능성의 기반 기술/세부 구현 기술

기반 기술	세부 구현 기술	메커니즘
트래픽 관리	eBPF (extended BPF)	– OS 커널 공간 내 샌드박스 프로그램 실행 – Byte Code, Loader, JIT Compiler, Maps, Hook
	복원성 패턴	– 여러 가용 영역에 수평 확장 배포 – 서비스 메시, 재시도, bulkhead, 서킷브레이커
오토 스케일링	메트릭 측정	– 오토스케일링 구현 위한 메트릭 요소 측정 – 요청 수, 요청 기간, 동시 요청 등
	메트릭 선정	– 메트릭 선정, 스래싱 방지, 지연 반응 – 쿠버네티스 훅 핸들러, HPA(Horizontal Pod Autoscaling)
관측가능성 프로세스	관측가능성 운영 프로세스	메트릭 분석 → 추적 분석 ↔ 로그 분석
	관측가능성 장애 프로세스	장애 발생 → 알람 전송 → 추적 분석 → 로그 분석
마이크로 서비스	CQRS (Command and Query Responsibility Segregation)	– 시스템에서 읽기와 쓰기 분리 – 독립적 크기 조정, 스키마 최적화, 관심사 분리
파티셔닝	샤딩 (수평 파티셔닝)	– 샤딩(파티션) 키 기반 데이터 분산 저장 방식 정의 – 데이터재분배, 특정샤드 집중해소, 조인/비정규화

• 관측가능성을 통해 IT 운영 문제를 자동으로 파악하여 해결하는 AIOps를 적용하여 운영 자동화 체계로 발전될 것으로 예상

 

3. 관측가능성을 활용한 AIOps의 기능과 발전단계

(1) 관측가능성을 활용한 AIOps의 기능

데이터 수집	머신러닝과 데이터 분석	자동화된 진단과 복구
– 메트릭 – 로그 – 추적 – 구성 데이터 – 토폴로지	– 수요 예측 – 이상 탐지 – 위험 탐지 – 트렌드 분석 – 상관관계 분석	– 문제 진단 – 자동 분류 – 자가 치유

(2) 관측가능성을 활용한 AIOps의 발전단계

• 최근 AIOps 도구는 분석 기능까지만 제공하고 있으나, 향후 문제 발생 시 원인 분석과 자가 치유까지 완전한 자동 운영 워크플로우 실현 가능할 것으로 예상

 
[참고]

• 제이펍, 모니터링의 새로운 미래 관측가능성