인시던트 대응을 넘어 OpenTelemetry를 엔터프라이즈 데이터 자산으로 전환하는 방법

Snowflake에서 고객들과 함께 일하며 목격한 가장 흥미로운 변화 중 하나는 옵저버빌리티를 둘러싼 논의가 진화하고 있다는 점입니다.

몇 년 전만 해도 엔지니어링 리더들의 관심은 계측과 가시성에 집중되어 있었습니다. 어떻게 하면 더 많은 텔레메트리를 수집할 수 있을까? 평균 해결 시간(MTTR)을 어떻게 단축할 수 있을까? 점점 더 복잡해지는 시스템에 대한 가시성을 어떻게 높일 수 있을까?

오늘날에는 OpenTelemetry와 Observe by Snowflake 같은 최신 옵저버빌리티 플랫폼 덕분에 이러한 질문 상당수에 훨씬 쉽게 답할 수 있게 되었습니다. 이제 옵저버빌리티 논의는 로그, 메트릭, 트레이스가 아니라 비즈니스 지표와 성과에서 출발할 수 있습니다. 목표 역시 분산 시스템에서 무슨 일이 일어나는지 파악하는 데 그치지 않고, 기술 데이터를 비즈니스 관점의 의미와 연결하는 것으로 확장되었습니다.

이러한 변화는 엔지니어링 팀에 몇 가지 현실적인 질문을 던집니다.

• 텔레메트리를 얼마나 오래 보존해야 할까?
• 운영 데이터를 고객 데이터, 비즈니스 데이터와 어떻게 연결할까?
• 텔레메트리는 분석과 AI를 어떻게 뒷받침할 수 있을까?
• 옵저버빌리티 데이터의 개방성과 통제권을 어떻게 유지할까?

이는 결코 이론적인 질문이 아닙니다. 인시던트의 기술적 영향이 고객 이탈, 매출, 비즈니스 영향의 문제로 번지는 순간 곧바로 현실이 됩니다.

수백만 명의 고객에게 서비스를 제공하는 대형 금융 서비스 기업을 가정해 보겠습니다. 여느 디지털 비즈니스와 마찬가지로, 단 몇 분간의 성능 저하만으로도 고객 경험이 훼손되고 지원 문의가 늘어나며 매출이 위협받을 수 있습니다.

어느 날 운영 환경에서 인시던트가 발생했고, 엔지니어링 팀은 고객 대상 결제 서비스의 지연 시간이 증가한 것을 감지했습니다. 처음에는 문제가 애플리케이션에서 비롯된 것인지, 업스트림 종속성이나 기반 인프라에서 발생한 것인지조차 불분명했습니다. 어떤 고객이나 거래가 영향을 받고 있는지도 즉시 파악할 방법이 없었습니다.

팀은 Observe의 Observability Context Graph와 AI 사이트 안정성 엔지니어링(AI SRE)을 활용해 분산된 텔레메트리 Stream을 통합하고, 오작동하는 컴포넌트를 격리했습니다. 이어 복잡한 종속성을 따라 다운스트림 영향을 추적하고 환경을 정상 상태로 복구했습니다.

운영 측면에서 인시던트는 종료되었습니다. 그러나 전략적 측면에서는 이제 막 시작된 셈이었습니다.

엔지니어링 팀은 ‘무엇이 고장 났는가?’라는 질문에 답했습니다. 그러나 경영진은 곧바로 후속 질문을 던지기 시작했습니다.

• 고객에게 미친 영향은 어느 정도인가?
• 위험에 노출된 매출 규모는 얼마인가?
• 특정 결제 서비스업체가 더 큰 영향을 받았는가?

이번 일은 일회성 인시던트인가, 아니면 더 광범위한 안정성 문제의 신호인가?

이 질문에 답하려면 운영 텔레메트리를 고객 계정, 결제 거래, 배포 이력, 제품 사용 데이터와 결합해야 했습니다. 바로 이 지점에서 옵저버빌리티는 단순한 운영 문제를 넘어 데이터 문제가 되었습니다.

운영 텔레메트리에 고객, 제품, 재무 컨텍스트를 더하자 이 금융 조직의 엔지니어링 리더와 비즈니스 리더는 인시던트의 영향을 같은 시각으로 바라볼 수 있게 되었습니다. 팀은 근본 원인 분석에 머무르지 않고 고객 영향을 정량화하고, 위험에 노출된 매출을 추정하며, 비즈니스 성과를 기준으로 복구 우선순위를 정할 수 있었습니다.

이것이 바로 옵저버빌리티의 더 넓은 활용 가치입니다. 엔지니어가 프로덕션을 복구하는 데 쓰는 데이터는 리더가 고객 영향을 이해하고, 장기적인 안정성 추세를 파악하고, 엔지니어링 의사 결정을 개선하고, AI를 구동하는 데에도 똑같이 활용될 수 있습니다.

조직은 무엇이 실패했는지를 묻는 데 그치지 않고, 그 영향이 무엇인지까지 이해할 수 있습니다. 텔레메트리가 비즈니스 컨텍스트와 연결되면 인시던트 대응은 분석의 종착점이 아닌 출발점이 됩니다. 이제 남은 과제는 옵저버빌리티 데이터를 분석, AI, 운영 워크플로우 전반에서 어떻게 보존하고 거버넌스를 적용하며 재사용할 것인가입니다.

옵저버빌리티 관행이 성숙해지면서 엔지니어링 조직은 텔레메트리가 인시던트 대응 기간을 훨씬 넘어서는 가치를 지닌다는 사실을 깨닫고 있습니다. 로그, 메트릭, 트레이스는 이제 장기적인 엔터프라이즈 자산으로 자리 잡고 있습니다. 고객, 제품, 비즈니스 데이터와 함께 보존하고 거버넌스를 적용하며 보강해야 할 데이터가 된 것입니다.

개방형 옵저버빌리티가 주목받는 이유도 여기에 있습니다. OpenTelemetry 표준은 일관되고 벤더 중립적인 방식으로 애플리케이션을 계측할 수 있게 해줍니다. Apache Iceberg™ 같은 개방형 기술은 스토리지와 컴퓨팅을 분리하고 여러 엔진 간 상호 운용성을 지원함으로써 조직이 엔터프라이즈 데이터를 저장하고 관리하는 방식을 바꾸고 있습니다. Apache Iceberg 기반 Observe(현재 프라이빗 프리뷰) 자세히 알아보기

이러한 기술이 함께 작동하면 텔레메트리가 더 이상 운영 플랫폼 안에만 머물 필요가 없는 기반이 마련됩니다. 조직은 텔레메트리를 직접 통제하는 개방형 데이터 세트로 보존할 수 있습니다. 일관된 거버넌스를 적용하고, 엔터프라이즈 데이터와 함께 분석하며, 분석, AI, 운영 워크플로우 전반에서 활용할 수 있는 데이터 세트입니다.

엔지니어링 리더들에게 가장 자주 듣는 질문은 옵저버빌리티 플랫폼과 데이터 플랫폼이 어떻게 함께 작동해야 하느냐는 것입니다. 그 답은 인시던트 라이프사이클을 자세히 살펴보면 분명해집니다.

흔한 오해 중 하나는 텔레메트리를 Snowflake로 가져오면 옵저버빌리티 플랫폼이 필요 없어진다는 생각입니다. 그러나 현장에서 보면 고객들은 대체로 두 플랫폼을 배타적인 관계가 아닌 상호 보완적인 관계로 인식합니다.

인시던트에 대응하는 엔지니어에게는 데이터와 컨텍스트를 한데 모아 문제를 신속하게 파악하고 해결할 수 있는 운영 워크플로우가 필요합니다. Snowflake가 데이터 기반을 제공하는 한편, Observe는 목적에 맞게 설계된 옵저버빌리티 워크플로우와 AI SRE, 그리고 로그, 메트릭, 트레이스, 인프라 관계를 연결하는 Observability Context Graph를 더합니다. 이를 통해 팀은 데이터에서 실행 가능한 컨텍스트를 도출하고 서비스를 더 빠르게 복구할 수 있습니다.

인시던트 이후의 분석은 또 다른 과제입니다. 장기적인 추세를 파악하려면 텔레메트리를 고객 데이터, 재무 데이터와 연결해야 합니다. 텔레메트리 데이터가 Snowflake AI 데이터 클라우드에 들어오면 전략적인 엔터프라이즈 자산으로서 보강하고 분석할 수 있습니다.

AI가 엔지니어링 워크플로우의 중심으로 자리 잡을수록, 텔레메트리를 엔터프라이즈 데이터와 함께 두면 분리된 시스템에서는 찾기 어려운 패턴과 이상 징후를 발견할 수 있습니다.

프로덕션 성능이 저하되면 엔지니어에게는 즉각적인 답이 필요합니다. Observe와 같은 목적형 옵저버빌리티 플랫폼은 바로 이러한 운영 워크플로우를 위해 설계되었습니다. AI SRE는 인시던트 조사, 이상 징후 탐지, 인사이트 요약을 지원하고, 컨텍스트 그래프는 애플리케이션, 인프라, 로그, 메트릭, 트레이스를 연결해 시스템 전체를 통합된 시각으로 보여줍니다.

이러한 기능이 결합되어 엔지니어는 무슨 일이 일어났는지 이해하고 최대한 신속하게 서비스를 복구하는 데 필요한 컨텍스트를 확보할 수 있습니다.

서비스가 복구되면 동일한 텔레메트리를 고객, 거래, 재무, 제품, 배포 데이터와 연결할 수 있습니다. 팀은 이렇게 확장된 컨텍스트를 바탕으로 비즈니스 영향을 정량화하고, 반복되는 패턴을 파악하며, 안정성 투자의 우선순위를 정할 수 있습니다.

Snowflake가 옵저버빌리티의 가치를 확장하는 지점이 바로 여기입니다. 텔레메트리를 엔터프라이즈의 다른 데이터와 함께 보존하고 분석할 수 있으므로, 기술 데이터를 해석에 필요한 비즈니스 컨텍스트와 분리하지 않고도 거버넌스가 적용된 분석과 AI를 지원할 수 있습니다.

Observe는 실시간 인시던트 해결을 위한 운영 인텔리전스를 제공합니다. Snowflake는 텔레메트리를 장기 분석과 AI를 위한 개방형 거버넌스 자산으로 만들어 그 가치를 확장합니다. 두 플랫폼은 함께 옵저버빌리티의 전체 라이프사이클을 지원하도록 설계되었습니다.

• 계측 및 수집: 개방형 표준으로 신호를 계측하고 수집
• 인시던트 조사: 신속하고 컨텍스트 중심적인 운영 워크플로우로 인시던트 조사
• 영향 정량화: 텔레메트리를 비즈니스 데이터와 연결해 영향을 정량화
• 보존 및 거버넌스: 분석, 안정성 엔지니어링, AI를 위해 결과 데이터를 보존하고 거버넌스 적용

목표는 옵저버빌리티 플랫폼과 데이터 플랫폼 중 하나를 선택하는 것이 아닙니다. 인시던트 중에 엔지니어가 사용하는 플랫폼과 인시던트 이후 엔터프라이즈가 활용하는 데이터를 연결하는 것입니다.

텔레메트리는 더 이상 단순한 운영 데이터가 아닌 엔터프라이즈 데이터입니다. 조직이 텔레메트리를 엔터프라이즈 데이터로 다룰 때 인시던트 대응을 넘어 시스템으로부터 지속적으로 학습할 수 있습니다.

여러분의 조직은 이러한 변화를 어떻게 바라보고 있나요? 운영 텔레메트리를 다른 엔터프라이즈 데이터와 어떻게 연결하고 있나요? 그리고 보다 개방적이고 거버넌스가 적용된 접근 방식이 안정성 신호를 비즈니스 인사이트로 전환하는 데 어떻게 도움이 될 수 있을까요?

Observe by Snowflake 자세히 알아보기 또는 snowflake.com/en/product/observe/contact/로 문의하세요.

고지 사항

본 게시물에는 당사의 향후 제품 제공에 대한 미래 전망 진술이 포함되어 있으며, 이는 제품 제공에 대한 보장이 아닙니다. 실제 결과 및 제공 내용은 달라질 수 있으며, 알려진 위험과 알려지지 않은 위험 및 불확실성의 영향을 받을 수 있습니다. 보다 자세한 내용은 최신 10-Q를 참조하세요.