SRE 팀이 AI 기반 자동화 에이전트(Aurora)를 도입해 클라우드 네이티브 환경의 근본 원인 분석 프로세스를 자동화

Context

클라우드 네이티브 환경에서 단일 사용자 문제가 Kubernetes Pod 실패, 로드 밸런서 설정 오류, 데이터베이스 과부하, 최근 배포까지 여러 클라우드 제공자에 걸쳐 나타나면서 전통적인 수동 조사가 확장되지 않음. 자동 스케일링으로 인한 컨테이너 삭제, 에피머럴 인프라, 설정 드리프트 등으로 사후 조사가 점점 어려워지고 있음.

Technical Solution

• AI 에이전트 기반 조사 워크플로우: PagerDuty, Datadog, Grafana의 웹훅으로 트리거된 자동 에이전트가 조사 방향 결정 후 kubectl 명령어, CloudWatch 쿼리, Git 커밋 확인 등 30개 이상의 도구 자동 실행
• 인프라 의존성 그래프 활용: Memgraph 기반 그래프 데이터베이스로 전체 인프라를 매핑해 문제 발생 시 영향 범위, 상위 원인, 캐스케이드 효과 식별
• 벡터 검색을 통한 컨텍스트 제공: Weaviate의 RAG 기반 벡터 검색으로 조직의 Runbook, 과거 사후 분석, 문서에서 유사 사건 자동 검색
• 자동화된 사후 분석 문서 생성: 정확한 타임스탬프가 포함된 사건 타임라인, 근본 원인 식별(근거 포함), 영향받은 서비스/사용자/지속시간, 실행된 조치 및 권장 사항, 향후 예방 조치 항목을 포함한 구조화된 문서 자동 생성
• 다중 클라우드 및 온프레미스 지원: AWS, Azure, GCP, OVH, Scaleway, Kubernetes 환경에서 동작하는 오픈소스(Apache 2.0) 에이전트로 모든 LLM 제공자와 셀프호스팅 가능

Impact

엘리트 팀과 저성과 팀의 사건 복구 속도 차이가 7,200배. 중앙값 사건이 3.5개의 기여 원인을 포함하며, 5개 이상의 기여 원인을 가진 사건의 해결 시간이 3배 증가.

Key Takeaway

클라우드 네이티브 환경의 복잡한 의존성 체계에서 AI 에이전트는 다중 데이터 소스(로그, 메트릭, 설정, 인프라 그래프, 과거 지식)를 자동으로 수집·분석해 수동 조사의 반복 작업을 제거하고 SRE 팀이 체계적 인사이트에 집중하게 함. 근본 원인 분석의 자동화는 사건 복구 시간 단축과 재발 예방의 핵심 요소.