메가존클라우드, IT 장애 '골든타임' 잡는다…복구 전 과정 자동화

메가존클라우드가 기업의 IT 서비스 장애를 감지하는 단계부터 원인 판단과 복구, 정상화 검증, 사후 분석까지 전 과정을 자동화하는 운영 방안을 제시했다. 메가존클라우드는 옵저버빌리티 플랫폼 기업 뉴렐릭과 지난 16일 서울 강남구에서 '프롬 코드 투 리커버리' 세미나를 열고 코드 변경부터 서비스 복구까지 이어지는 장애 대응 자동화 시나리오를 소개했다고 17일 밝혔다. 회사가 제시한 시나리오는 장애 대응 과정을 감지·판단·실행·검증·개선 등 5단계로 나눈다. 뉴렐릭과 깃랩, 아틀라시안, 페이저듀티를 연계해 하나의 신호가 다음 행동을 자동으로 호출하는 '폐쇄형 자동화 루프'를 구축하는 방식이다. 먼저 뉴렐릭이 애플리케이션과 서버, 네트워크 상태를 실시간으로 연결해 이상 징후를 감지하고 장애 원인으로 의심되는 부분을 찾아낸다. 회사 측은 이를 통해 평균 장애 복구시간을 기존보다 최대 50% 단축할 수 있다고 설명했다. 이후 아틀라시안이 변경 사항의 영향도를 분석해 변경 통제 요청을 판단·승인하면 깃랩이 이전의 안정적인 버전으로 자동 복구한다. 복구 작업이 끝나면 페이저듀티가 서비스 정상화 여부를 확인하고 대응 상황과 결과를 관계자에게 전달하는 구조다. 장애 원인과 조치 내용도 자동으로 남는다. 관련 기록은 아틀라시안의 컨플루언스에 정리해 동일하거나 유사한 장애가 다시 발생했을 때 참고할 수 있도록 지원한다. 핵심은 장애 신고부터 원인 판단과 대응, 결과 기록까지 사람이 단계마다 직접 개입하는 작업을 줄이는 것이다. 사전에 정한 규칙과 데이터를 기반으로 다음 대응 절차를 자동 호출해 여러 화면과 기록을 오가는 시간을 줄이고 담당자 호출 누락이나 수동 입력 과정에서 발생할 수 있는 오류도 최소화한다. 반복적인 확인과 정보 전달, 기록 작업을 시스템이 맡으면 개발자와 운영자는 복잡한 장애 원인을 분석하거나 서비스를 개선하는 업무에 더 집중할 수 있다는 설명이다. 메가존클라우드는 기업이 기존에 사용하고 있는 솔루션과 운영 프로세스를 분석한 뒤 필요한 기능부터 단계적으로 연결할 수 있도록 지원할 계획이다. 기업별 시스템 구조와 보안 정책, 담당 조직, 승인 절차를 반영해 자동화 시나리오를 설계하는 구조다. 실제 고객 환경에서 통합 운영 효과를 검증하는 개념검증(PoC)과 사이트 신뢰성 엔지니어링(SRE) 전문가를 통한 운영환경 진단도 지원할 방침이다. 김현수 메가존클라우드 SRE솔루션 비즈니스 유닛 전무는 "장애 대응이 늦어지는 가장 큰 원인은 개별 솔루션의 성능 부족이 아니라 서로 다른 도구와 담당 조직, 업무 절차가 단절돼 있다는 점"이라며 "좋은 도구들은 너무 많은데 장애대응은 여전히 지연되는 문제의 해결책으로 코드부터 복구까지 전 과정을 연결하는 통합 자동화 방안을 제시했다"고 말했다.