F5의 OpenTelemetry 기여는 적응형 앱 비전을 발전시킵니다.
F5에서는 고객이 보안 및 애플리케이션 성능 위험에 압도당하지 않고도 고객 만족과 사업 성장에 집중할 수 있는 더 나은 디지털 세상을 구상합니다. 이를 실현하려면 원격 측정이 핵심입니다.
오늘날 디지털 기업의 가장 중요한 자산은 그 어느 때보다도 애플리케이션과 API입니다 . 이러한 앱의 보안, 성능 및 가치를 최적화하려면 조직에서는 앱과 이를 지원하는 서비스 및 인프라를 계측하여 의미 있는 원격 측정 데이터를 생성하고 이를 바탕으로 조치를 취해야 합니다. 오늘날 많은 조직에서는 원격 측정 기술을 사용하여 환경의 문제를 감지하고 있습니다. 점점 더 많은 사람들이 발생 가능한 실패를 예측하기 위해 관찰 가능성 및 자동화 솔루션에 투자하고 있습니다. 이러한 노력의 궁극적인 목표는 대부분의 실패를 방지하기 위해 올바른 원격 측정, 통찰력 및 자동화를 확립하는 것입니다.
실제로 강력한 원격 측정은 애플리케이션의 건강과 안전을 위한 기반입니다. 원격 측정을 효과적으로 활용하려면 여러 시스템과 애플리케이션에서 방대한 양의 데이터를 수집하고 전송하여 이를 실행 가능한 통찰력으로 전환할 수 있는 공통된 방법이 필요합니다. 일관된 원격 측정 표준은 서로 다른 공급업체와 제품에서 호환되지 않는 방식으로 포맷된 다양한 데이터를 결합하는 문제를 해결합니다.
오늘, 기존 OpenTelemetry Protocol (OTLP)보다 압축 비율을 약 100% 향상시키는 새로운 원격 측정 프로토콜을 발표하게 되어 매우 기쁩니다. 이를 통해 고급 원격 측정 시스템을 도입하거나 도입을 고려하는 조직은 상당한 비용 절감과 성능상의 이점을 누릴 수 있습니다. 새로운 OTel Arrow 프로토콜은 Cloud Native Computing Foundation의 오픈소스 프로젝트 OpenTelemetry 에 대한 당사의 지속적인 지원의 일환입니다. 이 프로젝트는 원격 측정 데이터를 수집하고 내보내는 방법에 대한 표준화된 형식을 제공합니다. 우리는 이 새로운 프로토콜이 데이터 처리 자체를 가속화하는 훨씬 더 중요한 최적화를 향한 길을 열어주기를 기대합니다.
F5의 저명한 엔지니어인 로랑 케렐(Laurent Quérel)이 주도하고, 선도적인 디지털 워크플로우 기업인 ServiceNow와 협력하여 새로운 OTel Arrow Protocol은 데이터 작업 부하에 따라 OTLP의 압축률을 평균 두 배로 높입니다. 이렇게 하면 네트워크 대역폭과 관련 네트워크 비용이 약 절반으로 줄어듭니다. 일부 상황에서는 측정 항목이 다변량적 특성을 갖는 경우(F5 제품 등) 관찰되는 압축이 더 커질 수 있습니다(아래 다이어그램 참조).
이 새롭게 설계된 프로토콜은 장치와 센서의 확산, 데이터 기반 및 AI 기반 기술에 대한 의존도 증가, 모놀리식 애플리케이션 배포에서 컨테이너 및 서버리스 기능과 같은 보다 세분화된 형태로의 전환으로 인해 원격 측정 기관에서 생성하는 양의 양이 급증하는 시기에 출시되었습니다. 동시에 원격 측정 데이터는 데이터 센터, 여러 클라우드, 엣지에 걸쳐 점점 더 분산되고 있습니다. 이러한 발전으로 인해 원격 측정 데이터가 인터넷을 통해 전송되는 방식을 최적화해야 하는 시급성이 더욱 커졌습니다.
원격 측정은 적응형 앱 비전을 실현하는 데 중요합니다.
OTel Arrow 프로토콜은 원격 측정 데이터 처리의 미래 향상을 위한 토대를 마련하며, 적응형 앱 비전 의 필수적인 부분이기도 합니다. F5에서는 고객이 보안 위협을 신속하게 탐지하고 무력화하고, 애플리케이션 성능과 복원력을 개선하고, 새로운 앱을 빠르게 배포하고, 온프레미스, 퍼블릭 클라우드 및 엣지 환경에서 정책을 쉽게 통합할 수 있는 미래를 향해 노력하고 있습니다. 궁극적인 목표는 자동화 및 머신 러닝 기술을 사용하여 방대한 양의 실시간 원격 측정 데이터를 고객을 위한 실행 가능한 통찰력으로 효율적으로 전환하여 여러 애플리케이션 환경에서 앱을 운영하는 데 드는 비용과 복잡성을 줄이는 것입니다.
보안 및 앱 성능 위험에 앞서 나가기 위해 고객은 전체 애플리케이션 포트폴리오에 대한 가시성이 필요합니다. 또한, 잠재적인 문제로 발전하기 전에 위험을 신속히 식별하는 데 도움이 되는 자동화된 예측 분석도 필요합니다. 예측 분석을 자동화하려면 기계 학습 모델을 훈련하고 개선하기 위한 방대한 양의 데이터가 필요하여 시간이 지남에 따라 원격 측정 데이터를 더욱 정확하게 분석할 수 있습니다. 원격 측정 데이터의 전송, 처리, 저장 및 쿼리 방식을 개선하는 오픈 소스 기여는 예측 분석을 보다 간단하고 저렴하게 만드는 데 중요합니다.
규모에 따른 예측 분석 수행
고객에게 적응형 앱을 실현하기 위해 노력하면서 F5 BIG-IP , F5 NGINX 및 F5 Distributed Cloud Services를 사용하여 OpenTelemetry 관찰 프레임워크를 구현해 왔습니다. 이러한 투자를 통해 시간이 지남에 따라 개선되는 AI 기능과 머신 러닝 모델을 활용하면서 대규모 데이터 분석을 보다 효과적으로 수행할 수 있는 입지를 굳건히 하게 되었습니다.
견고한 데이터 인프라를 구축한 우리는 고객에게 특정 F5 제품뿐만 아니라 전체 애플리케이션 포트폴리오에 걸쳐 앱과 API의 상태와 성능에 대한 종합적인 관점을 제공하기 위해 노력하고 있습니다. 이를 통해 조직에 새로운 위험을 빠르게 식별하고 무력화하는 데 필요한 보안 및 앱 성능에 대한 통찰력을 사전에 제공하는 데 도움이 됩니다.
실시간 원격 측정이 핵심이며, F5를 선두에 올려놓는 것은 당사 기술이 수천 명의 고객의 데이터 경로에 있다는 사실입니다. F5 기술은 Fortune 500 기업의 85%와 전 세계 애플리케이션의 거의 절반을 구동합니다. 우리가 통찰력을 갖춘 엄청난 양의 데이터는 위험에 대한 즉각적인 가시성을 제공하며, 이는 새로운 위협이 등장함에 따라 조직을 신속하게 보호하는 자동화된 솔루션을 구축하는 데 도움이 됩니다. 원격 측정 데이터를 실행 가능한 통찰력으로 전환해 나가면서 조직은 위험 관리에 소요되는 시간을 줄이고, 비즈니스 효율성을 개선하고 고객 경험을 향상시키는 디지털 혁신을 개발하는 데 더 많은 시간을 할애할 수 있게 될 것입니다.
근본적으로, 적응형 앱 비전은 다양한 소스에서 수집된 방대한 양의 원격 측정 데이터를 효율적으로 분석하는 능력에 달려 있으며, 지속적인 OpenTelemetry 기여는 이 비전을 실현하는 데 필요한 데이터 집계 및 분석을 최적화하는 데 도움이 됩니다.
F5의 최근 원격측정 프로토콜 기여에 대해 자세히 알아보려면 보도자료를 읽어보세요. 또한 Apache Arrow 블로그의 1부 와 2부 기사를 참조하세요.