신뢰성 향상을 위한 SLI/SLO 활용 1편 - SLI/SLO 프레임워크 및 서비스 상태 확인 도구 LINE Status 개발기

Context

SRE 팀이 여러 서비스에 SLI/SLO를 개별적으로 도입하면서 반복되는 정의 및 운영 프로세스가 발생했다. 서비스별로 상태를 다르게 판단하고 있어 조직 전체가 공통 기준으로 서비스 상태를 파악할 수 없었다. 기존 LINE Status 페이지는 수동으로 정보를 업데이트하는 구조로 실시간성이 없었다.

Technical Solution

• SLI/SLO 프레임워크 표준화: Define(CUJ 선정 및 SLI 정의) → Instrument(메트릭 설계) → Observe(Grafana 대시보드 + Prometheus 기록 규칙) → React(28일 롤링 윈도우 기반 99.9% SLO 설정) → Improve(오류 예산 기반 거버넌스)의 5단계 프로세스를 Confluence 템플릿으로 제공
• CUJ 기반 상태 정의: 개별 장애 유무가 아닌 Critical User Journey 관점에서 사용자 경험 영향 여부를 중심으로 상태 판단
• LINE Status 자동화 시스템 구축: 각 서비스의 SLI/SLO 기반 알림을 webhook으로 수집하는 백엔드 서버 개발, 이벤트를 DB에 저장해 현재 상태와 변경 이력 추적
• 사용자 중심 상태 표현: "메시지 전송", "읽음 표시" 같이 기능 단위로 상태명 정의해 비기술 인원도 이해 가능하도록 구성
• LINE Status 주요 기능: 메인 페이지에서 전체 서비스 상태 한눈에 확인, 서비스 상세 페이지에서 CUJ별 타임라인 기반 최근 이벤트 표시, 히스토리 페이지에서 월 단위 과거 이력 및 이벤트 영향 범위 확인

Impact

LINE Status 개발에 약 1개월 소요되었다.

Key Takeaway

조직 전체의 신뢰성 운영을 확장할 때는 기술 지표보다 '기획의 명확성'이 우선이다. 마크다운으로 요구사항의 맥락과 의도를 구체적으로 정리하면 구현 완성도가 높아진다.