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
사용자매뉴얼
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
제니우스(Zenius), 웰메이드 드라마와 언론사에서도 주목하다
클라우드 전환과 하이브리드 클라우드가 성공하려면?
오다인
2024.01.18
페이스북 공유하기
트위터 공유하기
링크드인 공유하기
블로그 공유하기
가트너부터 딜로이트까지, 2024 IT트렌드 총정리
정부와 공공기관, 그리고 금융권과 대기업 등 모든 분야에서 클라우드 전환이 가속화되고 있습니다. 이에 따라서 가트너(Gartner)는 2018년 약 2.1조 원이었던 국내 클라우드 시장 규모가 2024년에는 약 '6조 원'에 이를 것으로 내다봤습니다.
。。。。。。。。。。。。
1. 클라우드 전환 단계
▪
초창기:
소규모 Workload가 시범적으로 전환되는 시기
▪
과도기:
인프라, 네이티브 앱 등 주요 Workload가 전환되는 시기
▪
정착기:
모든 Workload가 클라우드에서 개발/구축되는 시기
클라우드 전환은 크게 세 단계로 나누어서 진행됩니다. 대부분의 기업과 기관이 현재 '클라우드 전환 과도기'에 접어든 가운데, 몇 가지 작지 않은 이슈로 인한 어려움을 겪고 있습니다.
2. 클라우드 송환? 클라우드에서 On-Premise로 복귀?!
IDC는 최근, "향후 2년 내 프라이빗 클라우드(Private Cloud) 또는 비 클라우드 환경으로의 이전을 계획하고 있는 기업의 비중이 70%가 넘는 것으로 나타났으며, 이러한 현상은 더욱 심화될 전망이다"라고 발표했습니다.
'클라우드 송환(Cloud Repatriation)'이라고도 부를 수 있는 이 같은 현상은, 주로 클라우드의 높은 비용·성능 문제·보안 및 규제·공급자 Lock-in 등이 주요 원인으로 지적되고 있습니다.
이와 같은 클라우드 전환 과도기에서의 어려움을 극복하고 효율성을 높이기 위해, '하이브리드 클라우드'로의 전환이 새로운 트렌드로 자리 잡았습니다.
3. 유연하게 활용한다! ‘하이브리드 클라우드’로의 전환 트렌드
하이브리드 클라우드(Hybrid Cloud)는 퍼블릭·프라이빗 클라우드와 대형 IDC 센터와 같은, 온프레미스(On-Premise) 환경을 조합하여 사용하는 것을 말합니다.
ⓒ디지털 서비스 이용 지원 시스템
현재 87% 이상의 기업이 2가지 이상의 멀티 클라우드를 사용하며, 72% 이상은 하이브리드 클라우드를 사용하는 것으로 나타났습니다.
하이브리드 클라우드의 장점
▪
다양한 환경을 조합하여 유연하게 리소스를 확장하거나 축소 가능
▪
민감정보를 프라이빗 클라우드에 유지하여 보안성 강화
▪
서로 다른 클라우드 환경의 장점의 조합 및 활용 가능
하이브리드 클라우드는 위와 같은 분명한 장점이 있기에, 계속해서 많은 기업과 기관이 사용할 것으로 예상됩니다. 하지만 하이브리드 클라우드도 반드시 극복해야 할 한계와 문제점이 있습니다. 하이브리드 클라우드의 한계는 크게 세 가지로 나눠볼 수 있는데요.
4. 하이브리드 클라우드의 세 가지 한계, 그리고 극복 방안
관리의 복잡성
Complexity
On-Premise, 하이브리드 클라우드, 퍼블릭 클라우드 등은 모두 서로 다른 인프라 구성과 특성을 보유하고 있습니다. 따라서 다양한 CSP와 Legacy 시스템 등을 종합적으로 관제하기 위한 모니터링 기술이 필요합니다.
정책의 분산화
Decentralization
각 CSP의 독자적인 기술과 운영환경에 따라, 기업의 IT 인프라 관리 정책이 분산화될 우려가 있습니다. 따라서 서로 다른 API 환경에 대응할 수 있는 중립적인 모니터링 접근 방식이 필요합니다.
서비스 품질 이슈
Quality
이기종 환경에서의 실시간 성능 모니터링 부재로, 서비스 품질 및 성능 문제가 발생할 수 있습니다. 따라서 실시간 상태 및 성능 지표 모니터링을 통한 최적의 프로비저닝 역량 확보가 중요합니다.
결국 하이브리드 클라우드의 세 가지 한계를 극복할 수 있는 '성공적인 모니터링 전략'이 필요합니다.
5. 하이브리드 클라우드 환경에서의 성공적인 모니터링 전략
앞서 살펴본 것처럼 하이브리드 클라우드의 효율을 높이고 한계를 극복하기 위해선,
성공적인 클라우드 & On-Premise 통합 모니터링
이 필요합니다.
통합 모니터링을 통해서 다양한 관리 Point를 단일화하고, 일관된 IT 정책을 적용하며, 다양한 관점별 View를 통한 데이터 가시성을 확보할 수 있습니다.
또한 각 환경에 대한 실시간 성능 지표 모니터링과 신속한 장애 감지 및 원인 분석을 통해, 높은 서비스 품질을 유지할 수 있습니다. 주요 Point에 대해서 자세히 살펴본다면 다음과 같습니다.
l 단일 Framework 기반의 통합 모니터링 환경 구성
성공적인 모니터링을 위해서는 Public/Private 클라우드와 On-Premise를 아우르는 단일 Framework 기반의 통합 모니터링 환경을 구성해야 합니다. 다양한 환경에 대한 통합 모니터링 시스템을 구축하여, 대시보드와 토폴로지 맵 등을 통해 분산된 IT 리소스와 서비스 정보를 한눈에 볼 수 있어야 하는 것이죠.
l 퍼블릭 클라우드 모니터링: 통합 관리 및 운영 가시성 확보
제니우스(Zenius)의 클라우드 서비스 맵
이용 중인 클라우드 서비스 전체 및 개별 단위의 주요 지표 상세 모니터링으로, 가시성을 확보해야 합니다. 이를 통해서 다양한 서비스의 주요 지표를 관리, 이용 서비스 간의 연관관계 관리, 과금(Billing) 관리, 즉각적인 장애 관리를 할 수 있습니다.
l 프라이빗 클라우드 모니터링: 개별적인 구성 환경을 고려한 모니터링
각 기업과 공공기관 개별적인 클라우드 구성 환경을 고려하여, 클라우드 인프라 자원을 관리하고 활용도를 높이기 위한 모니터링 전략도 필요합니다. 위의 설명처럼 쿠버네티스(Kubernetes), 컨테이너(Container), SDN 등 프라이빗 클라우드 환경을 구성하는 요소를 다각적으로 관리하여 IT 인프라 자원의 활용도를 향상시켜야 합니다.
l MSA 기반 애플리케이션 모니터링
IDC에 따르면 2025년에 출시되는 앱의 90% 이상이 '클라우드 네이티브'로 구현될 전망이라고 합니다.
클라우드 네이티브의 핵심은 'MSA(Micro Service Architecture)' 방법론으로의 전환입니다. 애플리케이션을 효과적으로 실행·배포·활용하기 위한 핵심요소는 'Container'이죠.
따라서 MSA 환경에서의 성공적인 애플리케이션 관리를 위해서는 실시간 모니터링, 분산 시스템 관제, 서비스 수요 변화 대응 이 세 가지가 가장 중요합니다.
위 도표에 정리된 것처럼 컨테이너 기반의 마이크로 서비스 모니터링, 복잡화된 시스템 간 트랜잭션 분석 및 가시화, 오토스케일링 자동 대응을 통한 관제 연속성 확보 전략을 구축한다면 성공적으로 MSA 기반의 애플리케이션 모니터링을 할 수 있습니다.
l 레거시 환경 모니터링
마지막으로 On-premise로 자체 보유하고 있는 레거시 장비와 프라이빗 클라우드 장비가 있는 전산실의 성공적인 모니터링을 위해서는, 먼저 On-premise 환경을 고려한 최적의 포인트 솔루션과 통합 플랫폼 기반 모니터링이 확보되어야 합니다.
또한 안정적인 On-Premise 환경 운영을 위해 전산실 부대설비(UPS, 항온 항습기 등), 환경감시(온/습도, 누수 등)에 대한 레거시 환경 맞춤형 관리가 가능해야 합니다. 물리/가상 자원 간의 그룹화 관리 기능, 다양한 자원 간의 이벤트 연관 설정 및 분석 기능도 성공적인 레거시 환경 모니터링을 위한 필수조건입니다.
6. 성공적인 모니터링 솔루션 선택 기준은?
클라우드 전환기, 하이브리드 클라우드 환경에서 성공적인 모니터링을 위한 루션 선택 기준은
1) 기술력이 있는지 2) 검증된 솔루션인지 3) 믿을 수 있는 기업인지
이렇게 세 가지로 정리할 수 있습니다.
하나, 기술력이 있는 솔루션인가?
클라우드와 레거시 통합을 위한 프레임워크 기반의 솔루션
인지, 그리고
여러 환경에 존재하는 IT 자원을 통합적으로 가시화
할 수 있는지,
변화에 쉽게 대응할 수 있는 사용자 맞춤 설계형 대시보드를 제공
하는지를 꼭 살펴봐야 합니다.
브레인즈컴퍼니 제니우스(Zenius)의 퍼블릭 클라우드 서비스 관제 예시
또한 AI 기술을 통해 장애를 사전에 예방하는 제니우스(Zenius) 처럼,
서비스 장애로 인한 손실을 방지하기 위한 사전 장애 감지 및 대응도 지원
하는지 꼭 살펴봐야 합니다. 업무 효율과 편의성을 높이기 위한
오토스케일링 자동 대응, 장애/이벤트 오토리커버리 등 운영 자동화 기능
도 필수 요소입니다.
둘, 검증된 솔루션인가?
클라우드 서비스 보안인증(CSAP), 마켓플레이스 등록 등 클라우드 환경에서의 성능 검증 절차 등 거친 솔루션
인지도 중요하게 살펴봐야 합니다. 또한 다수의 공공기관 및 다양한 산업군에서 사용되고 있는지도 중요한 판단 기준입니다.
셋, 믿을 수 있는 기업의 솔루션인가?
마지막으로
모니터링 서비스를 개발 및 운영한 업력, 재무 상태 안정성, 전문 인력 보유 등으로 지속적인 지원
이 가능한 기업의 솔루션인지를 검토해 봐야 합니다.
。。。。。。。。。。。。
브레인즈컴퍼니는 전통적인 IT 인프라 모니터링 시장에서의 경험을 바탕으로, 하이브리드 환경에서의 성공적인 모니터링을 수행하고 있습니다. 이제 필수가 된 클라우드 전환, 제대로 된 솔루션 선택을 통해 성공적으로 진행하시기 바랍니다!
#클라우드
#하이브리드클라우드
#프라이빗클라우드
#Cloud
오다인
프리세일즈팀
프리세일즈팀에서 사업 수주를 위한 업무를 수행하며 Zenius의 위닝 포인트를 만들어 갑니다.
필진 글 더보기
목록으로
추천 콘텐츠
이전 슬라이드 보기
eBPF로 구현하는 TCP 상태 추적 기반 네트워크 모니터링
eBPF로 구현하는 TCP 상태 추적 기반 네트워크 모니터링
예전에는 네트워크 성능을 모니터링할 때 tcpdump로 패킷을 캡처하거나, netstat으로 연결 상태를 확인하거나, NetFlow/sFlow 기반 분석을 많이 사용했습니다. 하지만 네트워크 환경이 복잡해지고 암호화 트래픽이 늘어나면서, 그리고 컨테이너·MSA 환경으로 서비스가 쪼개지면서 기존 방식의 패킷 기반 모니터링은 점점 한계를 드러냈습니다. 성능 부하는 커지고, 세부 가시성은 부족했습니다. 이 문제를 해결해 준 게 바로 eBPF(extended Berkeley Packet Filter)입니다. eBPF는 커널 내부 함수에 직접 훅(Hook)을 걸어서 데이터를 가져올 수 있기 때문에, 서비스에 큰 영향을 주지 않고도 운영 환경에서 실시간 성능 분석이 가능합니다. 쉽게 말해, 예전에는 netstat으로 “포트가 지금 어떤 상태인지”만 볼 수 있었다면, eBPF를 쓰면 “그 포트의 상태가 어떻게 변하고 있는지”까지 관찰할 수 있습니다. 그래서 최근 클라우드 네이티브 환경이나 초저지연 서비스 운영에서는 eBPF가 차세대 네트워크 모니터링 기술로 주목받고 있습니다. eBPF란? eBPF는 커널 안에서 안전하게 실행되는 작은 프로그램으로, 네트워크·시스템 동작을 실시간으로 추적하는 데 강점을 가집니다. 네트워크 모니터링 관점에서 자주 쓰이는 기능은 다음과 같습니다. • kprobe/kretprobe: 커널 함수 진입·종료 시점 후킹 • tracepoint: 커널 이벤트 발생 시점 후킹 • BPF Map: 커널과 사용자 공간 간 데이터 공유 • BPF Helper 함수: 커널 리소스 접근 API eBPF는 Verifier(검증기)가 프로그램의 안전성을 보장하지 못하면 로드를 거부합니다. 과거에는 Verifier가 루프의 종료를 판별하지 못해 루프 사용이 전혀 허용되지 않았지만, 최근에는 단순 반복문은 사용할 수 있게 되었습니다. 또한 BTF(BPF Type Format)와 CO-RE(Compile Once – Run Everywhere) 기술 덕분에, 커널 버전이 달라져도 동일한 eBPF 프로그램을 별도 빌드 과정 없이 그대로 운용할 수 있습니다. eBPF 사용 방법 제가 공부하면서 가장 흥미로웠던 예제는 BCC 툴셋에 포함된 **tcpstates**입니다. TCP 연결 상태 변화를 추적하는 예제인데, 구조를 간단히 정리하면 다음과 같습니다. • bpf.c: 커널에서 실행되는 함수 중 “어떤 걸 관찰할지”와 “관찰 시 어떤 데이터를 수집할지” 정의 • .h: 커널과 유저 공간이 공유하는 데이터 구조체 정의 • .c: 수집된 데이터를 가공해서 사용자에게 출력 예를 들어, tcpstates.bpf.c에서는 커널 tracepoint inet_sock_set_state를 후킹해서 TCP 상태 변화를 잡아냅니다. 아래 코드를 보면 이해가 쉬우실 겁니다. int handle_set_state(struct trace_event_raw_inet_sock_set_state *ctx) { struct sock *sk = (struct sock *)ctx->skaddr; __u16 family = ctx->family; __u16 sport = ctx->sport; __u16 dport = ctx->dport; __u64 *tsp, delta_us, ts; struct tcpstates_t tcpstates = {}; if (ctx->protocol != IPPROTO_TCP) return 0; ts = bpf_ktime_get_ns(); tcpstates.skaddr = (__u64)sk; tcpstates.ts_us = ts / 1000; tcpstates.pid = bpf_get_current_pid_tgid() >> 32; tcpstates.oldstate = ctx->oldstate; tcpstates.newstate = ctx->newstate; tcpstates.family = family; tcpstates.sport = sport; tcpstates.dport = dport; bpf_get_current_comm(&tcpstates.task, sizeof(tcpstates.task)); if (family == AF_INET) { bpf_probe_read_kernel(&tcpstates.saddr, sizeof(tcpstates.saddr), &sk->__sk_common.skc_rcv_saddr); bpf_probe_read_kernel(&tcpstates.daddr, sizeof(tcpstates.daddr), &sk->__sk_common.skc_daddr); } else { /* family == AF_INET6 */ bpf_probe_read_kernel(&tcpstates.saddr, sizeof(tcpstates.saddr), &sk->__sk_common.skc_v6_rcv_saddr.in6_u.u6_addr32); bpf_probe_read_kernel(&tcpstates.daddr, sizeof(tcpstates.daddr), &sk->__sk_common.skc_v6_daddr.in6_u.u6_addr32); } // 상태가 변경되면 유저 공간에 알리는 부분 bpf_perf_event_output(ctx, &events, BPF_F_CURRENT_CPU, &tcpstates, sizeof(tcpstates)); return 0; } 핵심 로직은 단순합니다. 커널에서 inet_sock_set_state가 호출되면 handle_set_state 함수가 실행되고, 이때 변경된 TCP 상태를 잡아내 사용자 공간으로 전달합니다. 언뜻 보면 복잡해 보일 수 있지만, 사실 bpf.c의 역할은 데이터를 가공하는 것이 아니라 수집하는 것입니다. 결국 중요한 것은 “내가 원하는 값이 구조체의 어디에 들어 있는지”를 정확히 찾아내는 일입니다. 그 값을 Map에 담아 사용자 공간으로 넘기면 됩니다. netstat으로 보이는 출력은 아래와 같죠. Proto Recv-Q Send-Q Local Address Foreign Address State PID/Program name tcp 0 0 192.168.0.10:22 192.168.0.55:54321 ESTABLISHED 2048/sshd: user@pts/0 netstat은 사용자가 명령어를 실행한 시점의 상태만 스냅샷 형태로 보여줍니다. 그래서 LISTEN, ESTABLISHED, CLOSE_WAIT처럼 비교적 오래 유지되는 상태만 주로 확인할 수 있습니다. 반면 tcpstates를 활용하면 커널 내부에서 발생하는 모든 TCP 상태 변화를 이벤트 단위로 추적할 수 있습니다. 덕분에 기존 툴로는 관찰하기 어려웠던 3-way handshake와 4-way handshake 과정까지 실제로 확인할 수 있다는 점이 흥미로웠습니다. 조금 더 실무적으로 활용하자면, CLOSE_WAIT이 비정상적으로 쌓이는 경우 커넥션 누수를 빠르게 탐지할 수 있고, TIME_WAIT이나 FIN_WAIT2 패턴을 분석하면 리소스 사용량 문제를 조기에 파악할 수 있습니다. 관측용 예제지만, 확장하면 운영 환경에서도 충분히 유용한 진단 도구가 될 수 있습니다 다음으로 유저 공간의 tcpstates.c는 커널 eBPF 프로그램이 보낸 이벤트를 받아서 보기 좋게 출력하는 역할을 합니다. 흐름은 단순합니다. ①eBPF 오브젝트 열기 (tcpstates_bpf__open()) ②프로그램 커널 로드 (tcpstates_bpf__load()) ③훅 부착 (tcpstates_bpf__attach()) ④필요 시 cgroup 필터 등록 (open(), bpf_map_update_elem()) ⑤주기적으로 Map을 읽거나 이벤트를 받아 상태 출력 현재는 TCP 상태 변경 이벤트가 발생할 때마다 화면에 출력하는 방식으로 동작하지만, 필요하다면 일정 주기마다 netstat을 호출하듯이 현재 상태를 스냅샷 형태로 출력하도록 구현할 수도 있습니다. 마무리하며 이처럼 간단한 코드만으로도 tcpdump나 netstat보다 훨씬 세밀하게 네트워크 흐름을 분석하는 프로그램을 만들 수 있습니다. tcpstates 같은 예제는 단순하지만, eBPF의 장점을 잘 보여줍니다. • 저부하 eBPF는 패킷 전체를 캡처하지 않고, 연결 상태나 세션 정보 같은 핵심 메타데이터만 선택적으로 수집합니다. 이로 인해 CPU와 메모리 사용 부담이 최소화되며, 운영 중인 서비스에 성능 저하를 거의 일으키지 않습니다. 즉, 실서비스 환경에서도 안정적으로 적용 가능한 경량 모니터링 방식입니다. • 높은 가시성 단순히 IP와 포트 수준의 정보만 보여주는 데 그치지 않고, 프로세스명·PID·서비스 단위까지 트래픽을 구분할 수 있습니다. 이를 통해 “어떤 서비스가 얼마만큼의 네트워크 자원을 소비하는지”를 즉시 파악할 수 있으며, 서비스별 자원 사용 현황을 보다 세밀하게 모니터링할 수 있습니다. • 확장성 기본적인 송·수신량 분석을 넘어, RTT(왕복 지연시간), 재전송률, 패킷 드롭률 등 다양한 지표를 손쉽게 확장할 수 있습니다. 필요한 메트릭을 커널 훅(Hook)에 연결해 Map에 저장하기만 하면, 곧바로 시각화와 분석에 활용할 수 있습니다. 이 덕분에 환경 변화나 분석 요구에도 유연하게 대응 가능한 구조를 제공합니다. 브레인즈컴퍼니 역시 이 기술을 Zenius NPM(Network Performance Monitoring)에 적용하면서 기존 방식으로는 확인하기 어려웠던 세밀한 성능 데이터를 확보할 수 있었습니다. 이를 통해 단순한 모니터링을 넘어 서비스 간 통신 병목을 실시간으로 파악하고, 장애 분석 시간을 크게 줄일 수 있는 솔루션을 완성할 수 있었던 점이 큰 성과였습니다. 앞으로도 이러한 경험을 바탕으로 eBPF 활용을 더 넓혀가고자 합니다.
2025.09.18
복잡한 네트워크 트래픽, Zenius NMS·TMS·NPM으로 정확하게 분석하기
복잡한 네트워크 트래픽, Zenius NMS·TMS·NPM으로 정확하게 분석하기
오늘날 기업의 IT 인프라는 클라우드, 가상화, 마이크로서비스(Kubernetes)로 빠르게 전환되고 있습니다. 서비스는 점점 더 세분화되고 연결 구조는 복잡해지면서, 단일 지점에서 발생한 문제라도 전체 서비스 품질에 즉각적인 영향을 미칠 수 있습니다. 그러나 기존의 네트워크 모니터링 방식은 주로 장비 단위에 국한되어 있어, 트래픽 증가나 지연 같은 현상이 발생했을 때 원인을 신속하고 정확하게 파악하기가 쉽지 않습니다. 이러한 환경에서는 단순한 장비 레벨 모니터링을 넘어, 인터페이스 → 트래픽 흐름 → 프로세스 단위까지 네트워크를 다각도로 관찰하는 체계가 필요합니다. Zenius의 NMS, TMS, NPM은 각각의 레벨에서 데이터를 수집·분석함으로써, 네트워크 전반을 단계적으로 추적하고 문제 지점을 빠르게 규명할 수 있도록 돕습니다. 이번 글에서는 세 가지 솔루션을 연계하여 실제 운영 환경에서 어떻게 트래픽 원인을 분석할 수 있는지를 구체적으로 살펴보겠습니다. Zenius NMS·TMS·NPM: 각 솔루션의 특징과 차이점 Zenius NMS, TMS, NPM의 정의와 역할을 먼저 정리해보겠습니다. 각각의 솔루션은 모두 네트워크 트래픽을 모니터링하고 분석하는 기능을 제공하지만, 적용되는 관점과 수집 방식, 그리고 활용 목적에서 분명한 차이가 있습니다. Zenius NMS(Network Management System)는 SNMP를 기반으로 라우터, 스위치 등 네트워크 장비의 물리 인터페이스 관점에서 트래픽을 모니터링합니다. 이를 통해 장비별 포트 사용량, bps/pps, 에러 발생 여부 등을 실시간으로 확인할 수 있으며, 네트워크 전반의 기본적인 상태를 빠르게 파악하는 데 유용합니다. 반면 Zenius TMS(Traffic Management System)는 NetFlow, sFlow, IPFIX와 같은 Flow 데이터를 활용하여, 네트워크를 경유하는 IP·Port 단위 트래픽 흐름을 분석합니다. 스위치를 경유하는 트래픽에 대해 bps/pps와 같은 기본 지표를 확인할 수 있을 뿐 아니라, 애플리케이션별·서비스별·포트별로 트래픽을 분류하고 TopN 분석을 제공하기 때문에, 백본이나 라우터 구간에서 어떤 서비스가 대역폭을 가장 많이 사용하는지 직관적으로 파악할 수 있습니다. 마지막으로 Zenius NPM(Network Performance Monitoring)은 eBPF 기술을 기반으로 서버 및 컨테이너 환경의 커널 레벨 통신을 모니터링합니다. 단순 트래픽량뿐만 아니라 Latency, RTT, Jitter, Retransmit 등 정밀한 성능 지표까지 수집할 수 있어, Kubernetes나 MSA 기반 서비스처럼 복잡한 구조에서 세밀한 원인 분석이 가능합니다. 정리하자면, NMS는 장비·인터페이스 레벨, TMS는 네트워크 경로·서비스 레벨, NPM은 서버·프로세스 레벨에서 각각 네트워크를 해석합니다. 이 세 가지를 유기적으로 결합하면, 물리적 인터페이스 → 네트워크 경로 → 커널 기반 통신까지 다층적으로 추적할 수 있어, 복잡한 네트워크 환경에서 발생하는 트래픽 문제를 효과적으로 해결할 수 있습니다. 이제 각 솔루션이 실제로 어떻게 연계되어 활용되는지, 구체적인 기능 구성 및 분석 절차를 하나씩 살펴보겠습니다. NMS·TMS·NPM 기반 트래픽 분석 기능 구성 및 확인 절차 본격적으로 NMS·TMS·NPM 기반 트래픽 분석 절차를 살펴보겠습니다. 이번 사례는 쿠버네티스(K8s) 기반 WAS 서비스의 트래픽 흐름을 추적하며, 각 구간을 어떤 방식으로 점검할 수 있는지를 단계별로 살펴보겠습니다. [Step 1] 운영환경과 트래픽 흐름 구간 확인 먼저 운영환경의 기본 구성도를 확인하고 분석 대상이 되는 구간을 정리합니다. 본 사례에서는 DB POD → WAS POD → Worker Node → 내부 L3 → 백본 → 방화벽으로 이어지는 흐름을 점검 대상으로 삼습니다. 이러한 흐름을 명확히 정의해두면 이후 어떤 도구와 지표를 중점적으로 확인해야 할지 쉽게 구분할 수 있습니다. [Step 2] 구간별 모니터링 체계 구성 다음으로 각 구간을 어떤 방식으로 수용하고 분석할지 체계를 구성합니다. - 내부 L3, 백본, 방화벽은 SNMP를 통해 NMS에 연계하여 인터페이스 단위 트래픽을 수집합니다. - 백본은 NetFlow, sFlow 등의 Flow 데이터를 TMS에 수용해 애플리케이션 및 서비스 흐름을 분석합니다. - Worker Node는 Agent 기반으로 NPM에 연결해 POD 간 세밀한 통신 현황을 추적합니다. 이렇게 구성하면 서버, 네트워크 장비, 서비스 경로까지 계층별로 입체적인 모니터링이 가능합니다. [Step 3] 구간별 상세 분석 ① POD ↔ WAS POD DB POD와 WAS POD 사이의 통신은 [NPM > 모니터링 > 트래픽 > View, 필터 조건 검색] 경로를 통해 확인합니다. 여기서 IP와 Port를 기준으로 필터링하면, 해당 세션의 트래픽량뿐 아니라 Latency, RTT, Jitter, Retransmit 같은 세밀한 성능 지표를 함께 살펴볼 수 있습니다. 또한, [NPM > 모니터링 > 트래픽현황 > View, 필터 조건 검색] 메뉴를 이용하면 DB POD Port를 기준으로 실제 트래픽 흐름이 어떻게 연결되는지를 시각적으로 파악할 수 있습니다. ② WAS POD ↔ Worker Node ↔ 내부 L3 그다음에는 [NPM > 모니터링 > 트래픽현황] 화면에서 Worker Node 전체 기준으로 트래픽을 점검합니다. 이 과정에서는 상위 트래픽 발생 호스트, 송수신 바이트, Latency, Jitter 추이를 시간대별로 확인할 수 있어, 특정 시점에서 발생한 지연 현상을 이벤트와 연관 지어 분석하기에 적합합니다. ③ Worker Node ↔ 내부 L3 내부 L3 구간은 [NMS > 모니터링 > 장비 > 인터페이스] 메뉴에서 확인합니다. bps, pps, 에러 발생 여부 같은 항목을 중심으로 살펴보면 링크의 안정성과 과부하 여부를 빠르게 점검할 수 있습니다. 또한, [NMS > 모니터링 > 성능 > 인터페이스] 메뉴를 활용하면 시간대별 bps/pps 그래프를 통해 트래픽 패턴 변화를 확인할 수 있으며, 이는 NPM에서 관측한 Latency나 Jitter 지표와 교차 검증하는 데 도움이 됩니다. ④ 내부 L3 ↔ 백본 ↔ 방화벽 마지막으로 백본 구간은 TMS를 통해 흐름을 분석합니다. [TMS > TopN > 어플리케이션] 메뉴에서 HTTPS, PostgreSQL 등 주요 애플리케이션별 트래픽 분포를 확인할 수 있으며, [TMS > TopN > 트래픽, Port] 화면에서는 IP와 Port를 기준으로 어떤 서비스가 대역폭을 점유하고 있는지 빠르게 파악할 수 있습니다. [ TMS > TopN > 트래픽, Port ] IP, Port 등 다양한 기준의 백본 경유 트래픽 분석 결국, NPM은 POD·서버 간 세밀한 지연과 통신 성능을, NMS는 네트워크 장비 인터페이스 단위 안정성을, TMS는 서비스 및 애플리케이션 흐름을 각각 보여줍니다. 이렇게 다층적인 분석을 통해, 단일 구간이 아닌 전체 서비스 경로를 종합적으로 추적할 수 있으며, 이는 재현이 어려운 네트워크 장애 원인 파악에 큰 도움이 됩니다. 활용 예시 “특정 Worker Node 트래픽 급증” 원인 추적하기 쿠버네티스(K8s) 환경의 서비스는 일반적으로 다수의 POD가 상호 연결되어 하나의 서비스를 제공합니다. 이러한 구조에서는 특정 Worker Node의 트래픽이 급격히 증가했을 때, 기존의 일반 모니터링 도구(SMS) 만으로는 증가 원인을 정확히 분석하기 어렵습니다. SMS는 대개 NIC 단위 트래픽 수준까지만 보여주기 때문입니다. 따라서 Zenius NPM을 활용해 OS(커널) 관점에서 IP·Port 기준의 세밀 분석을 수행해야만, 어떤 POD·세션·포트가 원인인지 구체적으로 밝혀낼 수 있습니다. 1) NPM으로 포트/세션 단서 포착 먼저 [NPM > 모니터링 > 트래픽 > View, 필터 조건 검색]에서 문제의 Worker Node를 기준으로 플로우 목록을 정렬합니다. 다수의 POD에서 동일 포트(예: 8081) 로 통신하는 패턴이 확인되면, 수집 트래픽 증가 가능성이 높습니다. → 8081은 Zenius APM 데이터 수집 포트이므로, APM 수집량 증가에 따른 네트워크 사용량 상승을 1차 가설로 설정합니다. 2) NPM 트래픽 맵으로 대상·방향 확정 다음으로 [NPM > 모니터링 > 트래픽현황 > View, 필터 조건 검색]에서 RemotePort = 8081로 필터링합니다. 트래픽 맵을 통해 어떤 POD들이 8081 수집 지점으로 트래픽을 보내는지와 연결 방향을 직관적으로 확인할 수 있습니다. 본 사례에서는 4개의 POD에서 동일 포트로 집중되는 흐름이 나타났고, 추가 8081 통신 대상은 확인되지 않았습니다. 3) K8s에서 트래픽 발생 POD 상태 교차 검증 이제 [Zenius K8s > 모니터링 > 파드]에서 트래픽 발생 POD(예: 192.168.0.216) 를 선택해 상태와 자원 사용률(CPU/메모리), 네트워크(bps) 를 확인합니다. 본 사례에서는 상태가 정상이고 Limit 대비 사용률도 안정적이어서, 트래픽 증가는 장애가 아닌 정상적인 수집 과정에서 발생한 현상으로 판단할 수 있습니다. 4) APM 지표로 맥락 검증 마지막으로 [Zenius APM > 모니터링] 대시보드에서 요청 건수, 응답 시간, 동시 사용자 등의 애플리케이션 지표를 확인합니다. NPM에서 포착된 8081 증가 시점과 APM 지표가 동조하면, 네트워크 증가는 APM 수집 트래픽 증가(정상 동작)로 판단할 수 있습니다. 반대로 APM 지표가 평온한데 8081만 치솟는다면, 이는 수집 설정이나 라우팅 구성의 이상을 의심해야 합니다. 이 경우, 동일 조건을 재현해 문제를 다시 발생시켜 보고, 원인이 확인되면 수집 주기·라우팅·리소스 할당 등을 조정(튜닝)하여 최적화할 수 있습니다. NPM–NMS–TMS–K8s–APM을 유기적으로 연결해, 특정 Worker Node 트래픽 급증 이슈를 포트/세션 단서 포착 → 흐름 확인 → POD 상태 교차 검증 → 애플리케이션 지표로 맥락 확인의 순서로 좁혀가는 방법을 살펴봤습니다. 핵심은 커널 레벨의 정밀 지표(NPM)로 원인을 가설화하고, 맵/인터페이스/서비스 흐름을 통해 이를 빠르게 검증하는 것입니다. 이 흐름을 표준 운영 절차로 적용하면, 재현이 어려운 상황에서도 원인 구간의 신속한 특정과 실질적인 조치(설정·라우팅·리소스 튜닝)도 가능합니다. 이번 글에서는 Zenius NMS·TMS·NPM을 통해 네트워크 트래픽을 다층적으로 분석하는 방법을 살펴보았습니다. 각 솔루션이 담당하는 관점과 역할은 다르지만, 함께 연계해 활용하면 장애 원인을 더 빠르고 정확하게 파악할 수 있습니다. 복잡해지는 인프라 환경에서 이런 분석 체계를 마련해 두는 것이 안정적인 서비스 운영의 핵심입니다.
2025.09.23
다음 슬라이드 보기