IT Ops에서 자동화가 부족한 이유

초기 오케스트레이션 및 조정과 함께 자동화 규칙은 write-once-deploy-anywhere 모델을 따릅니다. 적응의 여지가 없습니다. 새로운 엔터프라이즈 앱이 추가될 때마다 워크로드가 클라우드로 또는 클라우드 간에 이동되거나 회사의 전반적인 전략 계획이 변경되므로 규칙도 변경되어야 합니다.

1947년 General Motors는 최초의 현대 자동화 부서를 설립했습니다. 목표는 일련의 기계, 유압 및 컴퓨터 기술을 결합하여 일반적으로 시급 직원이 처리하는 시간 소모적이고 자원 집약적인 작업을 대체함으로써 자동차 생산을 간소화하는 것이었습니다.

70년 후, 자동화 현상은 모든 산업과 시장으로 확산되었으며 IT 분야에서 특히 열성적인 청중을 찾았습니다. 관리자와 IT 환경 간의 작업 및 응답을 모방하기 위해 여러 스크립트를 결합하는 전체 플랫폼은 스펙트럼 전반에 걸쳐 IT 전문가가 최대한 많은 활동을 자동화하도록 이끌었습니다.

이제 새 소프트웨어를 출시하고 시스템을 구성하는 것부터 연결이 끊긴 서버를 다시 시작하고 예기치 않은 변경 사항에 대한 수정 조치를 취하는 것까지 모든 것이 기본적으로 자동 조종 장치에 있습니다. 그러나 한때 병든 IT 팀에 대한 만병통치약으로 여겨졌던 것이 IT 관련 문제의 다음 물결(확장된 인프라, 기하급수적으로 증가하는 데이터 볼륨, 빠르게 진화하는 비즈니스 요구)에 대해 비효율적인 징후를 보이기 시작했습니다. 궁금한 점:IT 자동화가 디지털 시대에 번창하기에 충분합니까? 그렇지 않다면 어떻게 IT 조직이 계속해서 효과적으로 운영할 수 있습니까?

정적 규칙으로 동적 환경 관리

디지털 변혁의 여파로 IT 환경은 그 어느 때보다 복잡하고 광범위합니다. 관리해야 할 인프라와 애플리케이션, 집계, 분석 및 운영해야 할 데이터가 늘어나고 있으며, 이 모든 것이 하이브리드 클라우드 전략의 등장으로 가능합니다.

오늘날 일반 기업은 점점 더 기대되는 고객 기반과 기타 경쟁 압력으로 인해 빠르게 변화하는 비즈니스 요구 사항을 충족하기 위해 여러 퍼블릭 및 프라이빗 클라우드에서 수백 개 이상의 애플리케이션을 실행합니다. 클라우드 플랫폼의 빠른(그리고 열광적인) 채택과 유용한 포인트 도구에 대한 손쉬운 액세스는 지속적인 변화와 진화의 환경을 만들어냈고, 이는 빠르게 관리할 수 없게 되는 복잡성을 추가했습니다. 실제로 많은 IT 의사 결정권자들은 디지털 혁신 노력이 효과적으로 관리되지 않을 경우 전체 조직에 부정적인 영향을 미칠 위험이 있다고 보고합니다. 그리고 그 도전은 기존의 자동화에 비해 너무 역동적일 수 있습니다.

우리가 알고 있는 자동화는 규칙 기반 및 정책 기반입니다. 규칙은 특정 작업 또는 활동을 수행하기 위한 간단하고 예측 가능한 명령이며 해당 작업 및 활동에 대한 임계값이 위반될 때 경고를 생성합니다. 자동화 규칙은 범위가 좁고 정적이며 운영을 원활하고 효율적으로 유지하기 위해 수천 개의 다른 규칙과 조정되어야 합니다. 이것이 바로 디지털화된 현대 IT 환경에서 더 이상 충분하지 않은 이유입니다.

초기 오케스트레이션 및 조정과 함께 자동화 규칙은 실제로 적용할 여지가 없는 write-once-deploy-anywhere 모델을 따릅니다. 새로운 엔터프라이즈 앱이 추가될 때마다 워크로드가 클라우드로 또는 클라우드 간에 이동되거나 회사의 전반적인 전략 계획이 변경되므로 규칙도 변경되어야 합니다.

게다가 오늘날의 클라우드 기반 서버리스 환경은 자동화에 대한 지속적인 조정과 변경이 필요하며 이 모든 것을 효과적으로 수행할 수 있는 인력, 리소스 또는 능력을 갖춘 IT 팀이 존재하지 않습니다.

AIOps는 자동화를 강화합니다.

인공 지능의 부상은 끊임없이 변화하는 IT 환경 관리에 대한 접근 방식을 완전히 바꿀 수 있기 때문에 어디에서나 IT 운영 전문가에게 변곡점입니다. AI를 IT 운영(AIOps)에 적용하면 가장 시간이 많이 걸리고 반복적인 작업은 물론 고차원적이고 복잡한 작업도 자동화합니다.

AIOps 시스템은 전체 IT 환경(온프레미스 및 클라우드 인프라 모두)에 걸쳐 소스 대상의 데이터를 단일 데이터 레이크로 집계합니다. 그러나 해당 정보에 대해 조치를 취할 수 있는 각 시나리오에 대한 규칙이 필요한 기존의 자동화와 달리 AIOps는 인간이 놓칠 수 있는 방대한 양의 정보 속에서 가장 희미한 조기 경보 신호라도 사전에 식별하고 중요성을 맥락화하고 적절하고 결정적인 조치를 즉시 취하는 방법을 학습합니다. 사람의 개입 없이.

팀원들이 수동으로 수많은 경고를 살펴보고 우선 순위가 높은 경고와 영향이 적은 경고를 구별하려고 하는 대신 AIOps 도구가 모든 경고를 자동으로 수행합니다. 수백만 개의 로그 레코드와 메트릭을 선별하는 특정 IT 작업에 매핑된 미세 조정된 알고리즘을 적용하여 가장 중요한 경고를 표시하여 시스템 성능 및 상태에 대한 가시성을 높이고 IT 팀 구성원이 우선 순위가 더 높은 이니셔티브에 집중할 수 있도록 하고 IT 생산성 및 효율성 향상이 절실히 필요합니다.

표준 IT 자동화는 수년 동안 조직에 광범위하고 많은 이점을 제공했습니다. 그러나 오늘날의 기업은 초기에는 거의 상상할 수 없었던 IT 관리 문제에 직면해 있으며 기존 IT 자동화로는 도저히 처리할 수 없습니다. 비즈니스가 점점 더 디지털화되어(인프라 추가, 새로운 서비스 출시, 새로운 데이터 스트림 통합) 확장되는 인프라에 대한 완전한 제어를 유지하고 빠르게 진화하는 경쟁 환경에 보조를 맞추려면 보다 발전된 지능형 자동화 솔루션이 필요합니다.

OpsRamp의 데이터 과학 설계자인 Jiayi Hoffman이 작성했습니다.