ㅁ 운영 자동화

ㅇ 정의:
– 운영 자동화는 IT 운영 과정에서 반복적이고 규칙 기반의 작업을 자동화하여 효율성과 정확성을 높이는 기술 및 절차를 의미한다.

ㅇ 특징:
– 인공지능, 머신러닝, 스크립트 기반 자동화 도구 등을 활용하여 장애 대응, 로그 분석, 자원 할당 등을 자동 수행.
– 운영 인력의 개입을 최소화하고, 시스템 신뢰성과 가용성을 향상시킴.

ㅇ 적합한 경우:
– 대규모 서버/네트워크 환경에서 장애 탐지 및 복구가 빈번한 경우
– 반복적이고 표준화된 운영 업무가 많은 경우

ㅇ 시험 함정:
– 운영 자동화와 단순 스케줄링 자동화를 혼동하는 경우
– AI 옵스 기반 자동화는 데이터 분석 및 예측 기능이 포함됨을 간과하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “운영 자동화는 반복적 IT 운영 작업을 자동화하여 효율성을 높인다.”
– X: “운영 자동화는 반드시 모든 작업을 무인으로 처리하며, 예외 처리를 지원하지 않는다.”

================================

1. Root Cause Analysis

ㅇ 정의:
– 시스템 장애나 성능 저하의 근본 원인을 식별하기 위한 분석 기법으로, 표면적인 증상보다 원인에 집중하여 문제를 해결한다.

ㅇ 특징:
– 로그, 메트릭, 이벤트 데이터를 종합 분석하여 원인을 추적.
– AI/ML 기반 분석으로 복잡한 상관관계를 자동 탐지.
– 원인 식별 후 재발 방지를 위한 개선책 도출.

ㅇ 적합한 경우:
– 장애가 반복적으로 발생하지만 직접적인 원인이 불명확한 경우
– 복잡한 분산 시스템 환경에서 장애 분석이 필요한 경우

ㅇ 시험 함정:
– Root Cause Analysis를 단순한 장애 보고서 작성과 혼동하는 경우
– 근본 원인과 2차적 영향 요인을 구분하지 못하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “Root Cause Analysis는 문제의 근본 원인을 찾아 재발을 방지하는 것을 목표로 한다.”
– X: “Root Cause Analysis는 증상 해결에만 집중하며 원인 규명은 포함하지 않는다.”

ㅁ 추가 학습 내용

Root Cause Analysis(RCA)에서 자주 활용되는 기법으로는 5 Whys, Fishbone Diagram(이시카와 다이어그램), Fault Tree Analysis가 있다. 각 기법은 원인 분석 접근 방식과 표현 방법에서 차이가 있으며, 시험에서 이들의 특징과 차이를 묻는 문제가 나올 수 있다.

AI Ops 환경에서는 RCA가 실시간 데이터 스트리밍 분석과 결합되어 자동화될 수 있으며, 이를 통해 평균복구시간(MTTR)을 단축하는 사례가 많다. 이를 위해 로그 데이터 전처리, 이상 탐지 알고리즘, 상관관계 분석 기법과의 연계성이 중요하다.

RCA 수행 시 근본 원인(Root Cause)과 Trigger Event를 구분하는 능력이 필요하다. 또한 AI 기반 RCA의 한계로는 데이터 품질 문제와 모델의 설명 가능성 부족이 있으며, 이러한 제약 사항도 함께 이해해야 한다.