선제적 성능 모니터링을 지원하는 뉴렐릭 AI

복잡한 기술 스택을 관리하고 지속적으로 업타임을 보장하기는 쉽지 않습니다. 문제가 발생한 후에 대응하면 다운타임이 발생하고 고객의 불만은 높아집니다. 어떻게 해결할 수 있을까요? 사후 대응이 아니라 선제적 모니터링으로 전환하면 됩니다. 뉴렐릭 AI를 사용하면 문제가 발생하기 전에 미리 예측하고 추세를 파악하여 문제를 더 빨리 해결할 수 있습니다.

뉴렐릭 AI는 주요 대규모 언어 모델(LLM)과 뉴렐릭 데이터 플랫폼을 결합해 기업의 시스템과 뉴렐릭 플랫폼을 모두 이해할 수 있도록 한 최초의 생성형 AI 옵저버빌리티 어시스턴트로, 일상 언어를 사용해 대규모 텔레메트리 데이터로부터 더 깊은 인사이트를 확보할 수 있도록 지원합니다.

이 블로그 게시물에서는 뉴렐릭 AI를 사용해 다음을 수행하는 방법을 알아봅니다.

• 성능 추세 분석
• 이상 징후 식별 
• 모니터링 간극 감지
• 신세틱 모니터 설정

뉴렐릭 AI 시작하기

현재 프리뷰 버전으로 제공되고 있으며, 쉽게 활성화할 수 있습니다. 시작하려면 페이지의 오른쪽 상단에 있는 Ask AI를 클릭한 다음 Get started를 클릭합니다. 

생성형 AI 관련 용어를 검토하라는 메시지가 표시됩니다. 이전에  뉴렐릭 사전 릴리스 정책을 수락하지 않은 경우 정책을 검토하라는 메시지가 표시됩니다. Accept를 클릭합니다. 완료되면 채팅 창이 표시됩니다. 

이제 AI 어시스턴트와 상호 작용하여 시스템을 모니터링하고 문제를 해결할 수 있습니다.

성능 추세 분석

선제적 모니터링은 서비스의 성능 이력을 파악하는 것에서 시작됩니다. 시간에 따른 추세를 분석하여 문제가 되기 전에 주의가 필요한 영역을 파악할 수 있습니다.

먼저 뉴렐릭 AI에 특정 서비스가 일정 기간 동안 어떻게 수행되었는지 간략한 개요를 요청합니다.

뉴렐릭 AI는 트랜잭션, 평균 지속 시간, 오류율 등 관련 성능 메트릭을 가져와 아래 예시와 같이 서비스 상태에 대한 간략한 개요를 제공합니다.

위의 예에서 뉴렐릭 AI는 트랜잭션, 평균 지속 시간, 오류율 등 카탈로그 서비스의 성능을 표시합니다. 오류율 같은 특정 메트릭에 집중하도록 요청할 수도 있습니다.

뉴렐릭 AI는 맥락을 유지하여 지난 1시간 동안 ‘카탈로그 서비스’에서 트랜잭션 오류가 있었는지 알고 싶다는 사실을 이해합니다. 자연어를 뉴렐릭 쿼리 언어(NRQL)로된 쿼리로 변환하여 서비스에 오류가 발생했었는지를 보여줍니다. 

또한 이러한 오류에 대한 자세한 설명을 요청하고 근본적인 원인을 조사할 수 있습니다.

여기에서 뉴렐릭 AI는 카탈로그 서비스의 모든 오류 목록과 관련 속성을 보여줍니다. 각 오류에 대해 더 자세히 알아볼 수 있습니다. 올바르게 질문을 하면 됩니다.

주목할 만한 또 다른 점은 성능 분석의 일부로 표시되는 메트릭이 분석되어지는 서비스마다 다르다는 것입니다. 예: 
 

뉴렐릭 AI는 브라우저 애플리케이션에 대한 질문임을 인지하고 브라우저 애플리케이션과 관련된 메트릭을 가져옵니다.

위의 예에서 뉴렐릭 AI는 지난 24시간 동안 평균 프런트엔드 지속 시간, 평균 퍼스트 콘텐츠풀 페인트(FCP), 평균 퍼스트 페인트 메트릭을 가져옵니다.

장기적으로 안정성이 유지되는지 확인하기 위해 여러 다른 기간의 성능을 비교할 수 있습니다. 이는 향후 문제로 발전할 수 있는 추세를 부각시키는 데 도움이 됩니다.

뉴렐릭 AI는 성능이 점차 감소하고 있는지 또는 스파이크가 더 빈번해지고 있는지 보여주어 더 깊게 문제를 파고들 수 있도록 합니다.

이 예에서는 평균 프런트엔드 지속 시간이 2% 개선되어 전반적으로 향상되었음을 보여줍니다.

이상 징후 식별

성능 추세를 분석한 후 선제적 모니터링의 다음 단계는 문제가 될 수 있는 비정상적인 패턴이나 동작을 식별하는 것입니다. 뉴렐릭 AI에게 최근의 이상 징후를 강조 표시하도록 요청하면 됩니다. 먼저 뉴렐릭 AI에 오류율, 응답 시간, 스택의 이상 징후 개요 등 주요 지표에서 비정상적인 동작이나 급증 현상을 탐지하도록 요청할 수 있습니다.

뉴렐릭 AI는 스택을 검사한 후 갑작스러운 스파이크, I/O 작업 감소, 오류율 또는 기타 불규칙한 패턴 같은 서비스 이상 현상을 보고합니다.

위의 예에서 뉴렐릭 AI는 두 가지 이상 징후를 감지했습니다. 

• 읽기 및 쓰기 작업 감소
• 쓰기 시간 증가

또한 이상 현상에 문맥을 부여하고 관련된 성능 문제를 해결하는 단계를 보여 줍니다. 

신세틱 모니터 설정

신세틱 모니터링은 애플리케이션과 사용자의 상호 작용을 시뮬레이션하여 잠재적인 문제가 사용자에게 영향을 미치기 전에 감지합니다. 뉴렐릭 AI를 사용하면 정기적으로 서비스 가용성을 테스트하는 신세틱 모니터를 설정하여 성능 저하를 조기에 감지할 수 있습니다. 

시작하려면 뉴렐릭 AI에 신세틱 모니터링 권장 사항을 요청합니다.

위의 예에서 뉴렐릭 AI는 스택을 스캔하여 이상이 있는 엔터티를 식별하고 신세틱 모니터를 설정할 것을 제안합니다. 기본적으로 뉴렐릭 AI는  서비스와 애플리케이션에 대한 Ping 검사를 생성합니다. 그러나 스크립트 기반 브라우저 또는 API 테스트 같은 고급 신세틱 모니터를 설정하도록 안내할 수도 있습니다. 이러한 유형의 모니터를 사용하면 사용자의 상호 작용이나 API 호출을 시뮬레이션하여 애플리케이션이 지속적으로 작동되는지 뿐만 아니라 올바르게 작동하는지를 확인할 수 있습니다.

신세틱 모니터를 설정하면 실제 사용자에게 영향을 미치기 전에 문제를 포착할 수 있으므로 모든 사용자가 서비스와 매끄럽게 상호 작용할 수 있습니다.

모니터링 간극 감지

선제적 모니터링에서 중요한 것은 전체 스택이 알림 및 모니터링 도구의 대상이 되도록 만드는 것입니다. 주요 영역에 도구가 적용되지 않으면 문제가 발견되지 않는 사각 지대가 생겨날 수 있습니다. 모니터링되지 않는 서비스를 식별하려면 먼저 AI 어시스턴트에게 스택의 간극을 찾아주도록 요청할 수 있습니다. 더 구체적으로 스택에서 현재 알림이 적용되지 않는 영역을 알려달라고 요청할 수도 있습니다.

또는 뉴렐릭 AI에게 스택에서 간극을 찾아달라고 요청할 수도 있습니다.

위의 요청에 대해 뉴렐릭 AI는 알림 범위에 들지 않는 엔터티 목록을 표시해 팀에게 더 주의를 기울이도록 알림을 보낼 시스템의 부분을 알려줍니다.

예시에서 제안한 대로, 집중할 애플리케이션 유형을 지정하여 검색 범위를 좁힐 수 있습니다. 

위의 예는 알림 조건에 포함되지 않는 애플리케이션 성능 모니터링((APM) 서비스 목록을 보여 줍니다. 간극을 확인한 후에는 가장 중요한 서비스에 우선적으로 알림을 보내도록 설정할 수 있습니다. 한 걸음 더 나아가 뉴렐릭 AI에게 과거 인시던트를 기반으로 어떤 알림을 설정해야 하는지에 대한 권장 사항을 요청할 수 있습니다.

이렇게 하면 가장 중요한 서비스를 상시 모니터링하여 중요한 문제를 간과하는 것을 방지할 수 있습니다.

결론

뉴렐릭 AI는 스택을 모니터링하는 방법을 혁신하여, 문제가 커지기 전에 먼저 탐지할 수 있도록 합니다. 알림, 추세 분석, 오류 조사, 신세틱 모니터 설정에 AI 기반 어시스턴트를 사용하면 사후 대응에서 선제적 모니터링으로 전환하여 원활한 운영을 보장하고 인시던트를 줄일 수 있습니다.