반복영역 건너뛰기
주메뉴 바로가기
본문 바로가기
제품/서비스
EMS Solution
Features
클라우드 관리
서버관리
데이터베이스 관리
네트워크 관리
트래픽 관리
설비 IoT 관리
무선 AP 관리
교환기 관리
운영자동화
실시간 관리
백업 관리
스토리지 관리
예방 점검
APM Solution
애플리케이션 관리
URL 관리
브라우저 관리
ITSM Solution
서비스데스크
IT 서비스 관리
Big Data Solution
SIEM
AI 인공지능
Dashboard
대시보드
Consulting Service
컨설팅 서비스
고객
레퍼런스
고객FAQ
문의하기
가격
자료실
카탈로그
회사소개
비전·미션
연혁
2016~현재
2000~2015
인증서·수상
투자정보
재무정보
전자공고
IR자료
새소식
공고
보도자료
오시는 길
채용
피플
컬처
공고
FAQ
블로그
열기
메인 페이지로 이동
블로그
최신이야기
블로그
최신이야기
사람이야기
회사이야기
기술이야기
다양한이야기
서버 모니터링의 두 가지 방식
제 6회 브레인즈컴퍼니 패밀리데이
최순정
2023.05.26
페이스북 공유하기
트위터 공유하기
링크드인 공유하기
블로그 공유하기
[행사] Picnic with BRAINZER
브레인즈컴퍼니는 2015년부터 따뜻한 봄이 오면, '패밀리데이
'를 개최하고 있습니다.
패밀리데이는 브레인저들의 가족을 초청해 1박2일 간 함께 연휴를 즐기는 행사입니다.
한 번 참석한 가족들은 다음 패밀리데이를 손꼽아
기다릴 정도로 만족도가 높은 행사인데요.
코로나로 인해 잠시 중단됐던 패밀리데이가
지난 5월 20~21일 양일간 홍천 대명 비발디파크에서 열렸습니다!
가족들이 도착하기 전, 도우미로 나선 브레인저들이 행사장을 세팅했습니다.
헹사장에 도착한 가족들은 간식박스와 음료를 비롯한 웰컴키트를 수령하고,
뽑기를 통해 상품도 함께 받아갔습니다.
또, 차후에 진행될 로또 게임과 행운권 추첨을 위해 사전 등록도 진행했습니다.
브레인즈에서 준비한 웰컴키트와 선물을 한 아름씩 안고 가족사진도 찰칵!
2인 가족부터 3대가 모두 총출동한 가족까지, 약 100여명의 브레인저와 가족들이 참석했습니다.
모두 빠짐없이 추억을 남길 수 있도록 폴라로이드로도 사진을 제공했어요.
본격적인 행사를 시작하기 앞서, 브레인저와 그 가족들이 함께 단체사진을 촬영했습니다.
환한 표정의 참가자들! 기분좋게 행사가 시작됐습니다.
이번 행사는 영업그룹의 막내, 석빈님이 진행했습니다.
행사장 앞 무대에 잔뜩 쌓인 경품들 보이시나요?
첫 번째로, "사회자를 이겨라, 가위바위보!" 게임이 진행됐습니다.
많은 경쟁자를 물리치고 20여명이 무대 앞으로 나와 사회자와 겨뤘고, 최후의 4인이 남았습니다.
그 중 미모를 한껏 뽐내던 꼬마숙녀가 우승해 가족들의 환호를 받으며 상품을 차지했습니다!
다음으로 '청기백기' 게임이 진행됐는데요.
초등학교 입학 전 유아들이 먼저 참여했습니다.
아이들이 참여하다 보니, 마음 약한 사회자는 탈락을 쉽게 외치지 못해 곤혹을 치뤘습니다.
이어, 초등부 게임이 진행됐고 치열한 경쟁 끝에 경품을 차지할 수 있었습니다.
다음으로 중고등부!
이전 게임들에 비해 월등한 실력을
보여줘 우승자를 가리기 어려웠는데요.
결국 최후의 2인이 가위바위보를 통해 상품을 가져갔습니다.
마지막으로 남녀를 나눠 성인부 게임이 진행됐습니다.
한치의 양보도 없
이
진행된 게임의 승자는 브레인저들이 차지했습니다.
성인 여성부 게임에서는 브레인저의 가족들이 우승하며 경품을 나눠갔습니다.
다음으로, 가족이 모두 함께 즐길 수 있는 '파스타면&마시멜로우 탑 쌓기
' 게임이 진행됐는데요.
5분 간 파스타면과 마시멜로우를 잘 조합해 가장 높이 탑을 쌓은 가족 3팀에게 경품을 증정했습니다.
이어서, OX
퀴즈를 풀었습니다.
어린 아이들 눈높이에 맞춰 다양한 문제가 출제됐고,
패자부활전을 거쳐 최후의 4인이 남았는데요.
승자는 ITSM 팀장인 희찬님이 차지했습니다.
이번에는 가족들의 단합력을 높여줄 다각 달리기!
2, 3, 4인 가족으로 나눠 게임이 진행됐습니다.
1그룹 브레인저들이 모두 승리를 거머쥐었네요.
행사장 입장 때 제출했던 로또를 맞히기 위해,
자녀들이 나와 각 번호의 풍선을 터뜨리는 게임이 진행됐습니다.
브레인저들이 옆에서 원하는 번호를 부르며 코치하고, 아이들이 열심히 다트핀
을 던졌습니다.
총 3팀의 가족들이 경품을 가져갔어요.
마지막 게임은 아이들이 가장 기다린 '보물찾기'였는데요.
도우미들이 행사 시작 전 건물 근처에 많은 보물을 숨겨뒀고,
한 명도 빠짐없이 상품을 가져갈 수 있었습니다.
평소 갖고 싶던 선물이 나오자, 활짝 웃음 짓던 아이들!
행사 중 가장 행복한 모습을 보여, 보는 이들도 절로 미소가 나왔네요.
게임이 끝난 후, 행운권 추첨이 시작됐습니다.
최연소 참가자인 인프라웹팀 보람님의 쌍둥이 딸도 추첨에 참여해 눈길을 끌었습니다.
APM팀의 진광님 가족이 1등 및 여러 상품을 휩쓸어가며 부러움을 샀어요.
행사가 끝난 후, 가족별로 모여
브레인즈에서 제공한 한우 불고기를 먹으며
오붓한 시간을 보냈습니다.
이후 각자 숙소에서 자유시간을 갖고,
다음날 오전 역시 브레인즈 측에서 마련한 조식을 먹은 후 집으로 돌아갔습니다.
이번 행사에 참석한 브레인저들이 마음 따뜻해지는 이야기
를 전해왔습니다.
"사춘기에 접어든 큰 아이와 서먹했는데, 기분 전환이 됐는지 좀 나아졌네요.
즐거운 시간이었어요."
"매년 아주 만족하며 행사에 참석하고 있습니다.
준비해주신 도우미분들께 감사드리고, 좋은 행사 계속 됐으면 해요."
"동료들의 가족들을 보니, 무엇인가 알 수 없는 책임감이 더 생기는 것 같아요.
예전에는 나만 잘하면 되지라고 생각
했는데
저와 협업하는 분이
누군가의 아버지이고 어머니라는 것을 느끼며, 더 많이 배려해야 겠다는 생각을 했습니다."
"코로나로 잠정 중지됐다 오랜만에 다시 열려서 기뻐요.
1박 2일 동안 가족들이 행복해하는 모습을 보며 저도 행복
했어요.
맛있는 음식과 깔끔한 숙소 그리고 멋지게 행사 준비한
도우미들이 있어 더욱 즐거운 시간을 보낼 수 있었어요."
#브레인즈컴퍼니
#사내행사
#패밀리데이
최순정
경영기획실(PR매니저)
브레인즈컴퍼니의 소식, 조직문화, 브레인저 이야기를 대내외에 전파하고 있습니다.
필진 글 더보기
목록으로
추천 콘텐츠
이전 슬라이드 보기
쿠버네티스(K8s) 모니터링 시 꼭 기억해야 할 3가지
쿠버네티스(K8s) 모니터링 시 꼭 기억해야 할 3가지
최근 Kubernetes 활용 범위가 일반 컨테이너 애플리케이션을 넘어 AI·GPU 워크로드 운영까지 확대되고 있습니다. 멀티 클러스터와 하이브리드 클라우드 운영이 늘어나면서 모니터링 대상도 Pod, Node, Service 상태를 확인하는 수준에 머무르지 않고, 서비스 간 관계, 오토스케일링 패턴, GPU·리소스 사용량, 이벤트·로그 연계까지 넓어지고 있습니다. 이러한 변화는 쿠버네티스 모니터링의 기준도 함께 바꾸고 있습니다. 이제는 단순히 많은 지표를 수집하는 것보다, 변화가 잦은 운영 환경에서 정상 패턴과 이상 징후를 구분하고, 장애 원인을 빠르게 좁힐 수 있는 관점이 중요합니다. 특히 AI·GPU 워크로드, 멀티 클러스터, 하이브리드 클라우드, 비용 최적화, 보안 권한 관리까지 함께 고려해야 하는 환경에서는 모니터링을 단순 지표 확인이 아니라 운영 판단 체계로 설계해야 합니다. 쿠버네티스 운영 환경은 기존 서버 운영 환경과 차이가 있습니다. 기존 서버 운영 환경에서는 고정된 장비와 프로세스 상태를 지속적으로 관찰하는 방식이 중심이었다면, 쿠버네티스에서는 Pod가 생성·삭제되고, Replica 수가 조정되며, 워크로드가 노드 간에 이동하고, 서비스 트래픽이 여러 구성요소를 거쳐 처리됩니다. 같은 장애처럼 보이더라도 실제 원인은 애플리케이션 부하, 노드 리소스 부족, 스케줄링 실패, 이미지 Pull 오류, 네트워크 지연, 권한 문제 등으로 다양하게 나뉠 수 있습니다. 따라서 쿠버네티스 모니터링에서 중요한 것은 “어떤 지표를 수집할 것인가”를 넘어, 수집된 지표를 어떤 관계와 맥락 안에서 해석할 것인가입니다. 쿠버네티스 모니터링 시 꼭 기억해야 할 세 가지 기준을 자세히 살펴보겠습니다. 1. 구성요소 간 관계를 함께 봐야 합니다 쿠버네티스 모니터링에서 먼저 기억해야 할 점은 개별 지표만으로 장애 원인을 판단하기 어렵다는 것입니다. 쿠버네티스는 Cluster를 중심으로 Node, Namespace, Workload(Deployment, StatefulSet 등), Pod, Service가 유기적으로 연결되어 운영됩니다. 예를 들어 특정 Pod의 CPU 사용률이 높거나 재시작이 발생했다고 해서, 반드시 해당 Pod 자체에 문제가 있다고 단정할 수는 없습니다. 애플리케이션 부하가 원인일 수도 있고, 노드 리소스 부족, 스케줄링 문제, 특정 Namespace의 리소스 쏠림, 네트워크 지연이 함께 영향을 미쳤을 수도 있습니다. Pod가 Pending 상태일 때도 마찬가지입니다. 단순히 Pod가 실행되지 않았다는 상태만 확인해서는 원인을 알기 어렵습니다. 노드 리소스가 부족한 것인지, 스케줄링 정책에 걸린 것인지, PVC 연결 문제가 있는지, taint/toleration 설정 문제인지, 이미지 Pull 실패인지 함께 확인해야 합니다. 서비스 응답 지연이 발생했을 때도 Pod 상태만 확인해서는 충분하지 않습니다. 해당 Pod가 배치된 Node 상태, Service와 Ingress 흐름, 네트워크 지연, 최근 배포 이력까지 함께 봐야 실제 영향 범위를 파악할 수 있습니다. 즉, 쿠버네티스 모니터링은 점 단위 지표 확인이 아니라 관계 기반 해석으로 접근해야 합니다. 관계 기반으로 쿠버네티스를 모니터링하려면 다음 구성요소를 함께 확인해야 합니다. Cluster: 전체 리소스 사용량, API Server 상태, 이벤트 발생 현황을 통해 클러스터 전반의 안정성을 확인합니다. Node: Ready 상태와 CPU, Memory, Disk, Network 사용량을 함께 보며 워크로드 수용 가능성과 병목 여부를 판단합니다. Pod: Running, Pending, Failed, Restart 상태를 확인해 서비스 단위 이상 징후를 파악합니다. Workload: Deployment, ReplicaSet, StatefulSet 등의 상태를 통해 배포·확장·복구 흐름을 확인합니다. Service/Ingress: 트래픽 흐름, 응답 지연, 연결 오류를 확인해 사용자 영향도와 서비스 경로를 파악합니다. Namespace: 리소스 사용량과 정책, 워크로드 집중도를 확인해 특정 업무나 조직 단위의 리소스 쏠림을 점검합니다. 특히 멀티 클러스터나 하이브리드 클라우드 환경에서는 관계 해석이 더 중요해집니다. 온프레미스와 클라우드, 여러 클러스터, 서로 다른 Namespace에 분산된 워크로드를 운영하는 경우 장애가 발생한 지점과 실제 서비스 영향 지점이 다를 수 있기 때문입니다. 따라서 쿠버네티스 모니터링 체계는 단순 지표 목록이 아니라, Cluster → Node → Pod → Service로 이어지는 드릴다운 구조와 구성요소 간 토폴로지 관점을 함께 제공해야 합니다. 2. 상태 변화의 반복성·시점·영향도를 봐야 합니다 쿠버네티스 운영 환경에서는 상태 변화가 자주 발생합니다. Pod는 새로 생성되거나 종료되고, HPA에 따라 Replica 수가 늘어나거나 줄어듭니다. 배포 과정에서 기존 Pod가 교체되기도 하고, 특정 워크로드가 다른 Node로 이동하기도 합니다. 따라서 “상태가 바뀌었다”는 사실만으로 장애를 판단해서는 안 됩니다. 중요한 것은 해당 변화가 정상적인 운영 흐름인지, 이상 징후인지 구분하는 것입니다. 예를 들어 Pod Restart가 한 번 발생했다고 해서 반드시 장애라고 보기는 어렵습니다. 배포나 설정 변경, 일시적인 리소스 부족으로도 재시작은 발생할 수 있습니다. 그러나 특정 시간대마다 반복되거나, 배포 이후 지속적으로 증가하거나, 특정 Node에 배치된 Pod에서만 집중적으로 발생한다면 단순 이벤트가 아니라 장애 징후로 봐야 합니다. Pod 수의 변화도 함께 확인해야 합니다. ReplicaSet에 의해 정상적으로 Pod가 유지되는 것인지, 반복적인 Pod 생성·삭제가 발생하는 것인지, 또는 노드 리소스 부족으로 원하는 수의 Pod가 유지되지 않는 것인지 함께 확인해야 운영 리스크를 정확하게 판단할 수 있습니다. 상태 변화가 정상 흐름인지 이상 징후인지 판단할 때는 다음 기준을 함께 봐야 합니다. 반복성: 같은 현상이 반복되는지 확인해야 합니다. 예를 들어 특정 Pod의 Restart가 계속 증가한다면 일시적인 현상으로 보기 어렵습니다. 시점: 변화가 언제 발생했는지 확인해야 합니다. 배포 직후, 트래픽 피크, 야간 배치 이후에 발생한 변화는 원인 분석의 중요한 단서가 됩니다. 집중도: 특정 Node, Namespace, Service에만 문제가 집중되는지 확인해야 합니다. 특정 영역에만 반복적으로 문제가 발생한다면 리소스 쏠림이나 설정 문제를 의심할 수 있습니다. 영향도: 사용자 서비스에 실제 영향을 주는지 확인해야 합니다. 응답 지연, 오류율 증가, 연결 실패가 동반된다면 우선 대응이 필요합니다. 기준선: 평상시 패턴과 얼마나 다른지 확인해야 합니다. 평소 대비 CPU, 메모리, 네트워크 사용량이 급증했다면 이상 징후로 볼 수 있습니다. AI·GPU 워크로드를 쿠버네티스 위에서 운영하는 경우에는 이러한 관점이 더 중요해집니다. AI 학습이나 추론 워크로드는 일반 웹 애플리케이션보다 리소스 사용 패턴이 급격하게 변할 수 있습니다. GPU 사용률, 메모리 점유, 작업 대기 시간, 추론 지연 같은 지표가 짧은 시간 안에 크게 흔들릴 수 있기 때문에 단순 임계값만으로는 정상과 이상을 구분하기 어렵습니다. 또한 GPU, FPGA 같은 특수 리소스를 사용하는 워크로드에서는 리소스 준비 상태와 스케줄링 조건까지 함께 확인해야 합니다. Kubernetes v1.36에서도 Dynamic Resource Allocation과 workload-aware scheduling 관련 개선이 이어지고 있으며, 이는 AI/ML 및 고성능 워크로드 운영에서 리소스 배치와 스케줄링 가시성이 점점 중요해지고 있음을 보여줍니다. 따라서 쿠버네티스 모니터링에서는 특정 시점의 상태보다 시간 흐름에 따른 패턴을 봐야 합니다. 지표가 임계값을 넘었는지뿐 아니라, 왜 그 시점에 변화가 발생했는지, 반복되는지, 서비스 영향으로 이어졌는지를 함께 판단해야 합니다. 3. 메트릭·이벤트·로그를 연결해 원인을 분석해야 합니다 쿠버네티스 모니터링에서 메트릭은 중요한 출발점입니다. CPU, 메모리, 네트워크, 디스크, Pod 상태, Node 상태 같은 지표는 현재 시스템이 어떤 상태인지 빠르게 보여줍니다. 하지만 메트릭만으로 장애 원인을 충분히 설명하기는 어렵습니다. 예를 들어 Pod가 Pending 상태인 경우를 생각해볼 수 있습니다. 메트릭만 보면 Pod가 정상 실행되지 않았다는 사실은 알 수 있습니다. 그러나 원인이 노드 리소스 부족인지, 이미지 Pull 실패인지, PVC 마운트 문제인지, 스케줄링 정책 때문인지, 권한 문제인지는 이벤트와 로그를 함께 확인해야 알 수 있습니다. 쿠버네티스 장애 분석에서는 메트릭, 이벤트, 로그, 트레이스를 각각 다른 역할로 봐야 합니다. 메트릭은 상태와 성능 추이를 보여줍니다. CPU, Memory, Disk, Network, Pod 상태를 통해 현재 시스템의 이상 여부를 빠르게 확인할 수 있습니다. 이벤트는 쿠버네티스 내부 판단 과정을 보여줍니다. Scheduling 실패, ImagePullBackOff, OOMKilled 같은 이벤트는 왜 특정 상태가 발생했는지 파악하는 데 도움이 됩니다. 로그는 애플리케이션과 컨테이너 내부 원인을 보여줍니다. 예외 메시지, 오류 코드, 요청 실패 기록을 통해 실제 장애 원인을 좁힐 수 있습니다. 트레이스는 서비스 간 호출 흐름과 병목을 보여줍니다. API 지연, 서비스 호출 경로, 특정 구간의 병목을 확인할 때 유용합니다. 최근에는 OpenTelemetry 확산으로 메트릭, 로그, 트레이스를 표준화된 방식으로 수집하고 연계하려는 흐름이 강화되고 있습니다. 쿠버네티스 운영 데이터가 여러 도구에 흩어져 있으면 장애 발생 시 원인을 찾기 어렵기 때문에, 관측 데이터를 일관된 방식으로 수집하고 연결해 분석할 수 있어야 합니다. 또한 모니터링 데이터 접근 자체도 보안 관점에서 관리해야 합니다. kubelet API는 노드 메트릭, Pod 목록, 컨테이너 로그 등 민감한 운영 정보를 제공할 수 있습니다. 따라서 모니터링 도구가 어떤 권한으로 어떤 데이터를 조회하는지도 확인해야 합니다. 결국 쿠버네티스 장애 대응에서는 “무슨 일이 발생했는가”와 “왜 발생했는가”를 구분해야 합니다. 메트릭이 상태 변화를 보여준다면, 이벤트는 쿠버네티스가 어떤 판단을 했는지 보여주고, 로그는 애플리케이션 내부에서 어떤 문제가 있었는지 설명합니다. 이 세 가지를 연결해야 장애 원인을 빠르게 좁힐 수 있습니다. 쿠버네티스 모니터링은 단순히 지표를 많이 수집하는 작업이 아니라, 변화가 잦은 운영 환경을 해석하는 과정에 가깝습니다. Pod가 생성·삭제되고, 워크로드가 이동하며, 서비스 경로가 계속 바뀌는 구조에서는 개별 지표만으로는 장애의 원인과 영향 범위를 파악하기 어렵습니다. 따라서 모니터링 체계를 설계할 때는 수집 대상의 범위를 넓히는 것만큼이나, 수집된 데이터를 어떤 기준으로 연결하고 해석할 것인지가 중요합니다. 특히 AI·GPU 워크로드, 멀티 클러스터, 하이브리드 클라우드처럼 운영 환경이 복잡해질수록 모니터링은 상태 확인을 넘어 장애 징후를 조기에 발견하고 대응 우선순위를 판단하는 역할을 해야 합니다. 결국 쿠버네티스 모니터링의 목적은 “현재 상태를 보는 것”에 머무르지 않습니다. 운영자가 문제의 위치와 원인, 서비스 영향도를 빠르게 좁히고 안정적인 운영 판단을 내릴 수 있도록 돕는 데 있습니다.
2026.08.26
다음 슬라이드 보기