배경 및 문제 정의
현재 상황
우리 팀에서 웹 헬스 서비스를 개발 하고 있으며, 모니터링과 관련된 기술 스택을 학습하는 과정에서 다음과 같은 가시성 확보의 필요성을 느낌
학습 과정에서 도출된 문제
- 트래픽 패턴 분석 학습 : 실제 서비스에서 언제, 어떤 시간대에 트래픽이 몰리는지 파악 가능
- 서비스 성능 모니터링 기법 : API 응답시간, 처리량, 에러율 등 핵심 지표를 추적하는 기술 습득 필요
- 장애 감지 및 대응 시스템 : 시스템 오류나 성능 저하 발생 시 빠른 감지와 대응을 위한 모니터링 기술 학습 필요
- 데이터 기반 분석 역량 : 정략적 지표를 통한 시스템 분석 및 개선 방법론 학습 필요
요구사항 정의
모니터링 기술을 학습하고 실습하기 위한 핵심 요구사항
학습 목표
- 실시간 트래픽 모니터링 및 서비스 상태 추적 기술 습득
- API 성능 지표(응답시간, 처리량, 에러율) 수집 및 분석 방법 학습
- 시스템 리소스 사용률 및 병목 지점 실시간 감지 기법 학습
- 과거 데이터 기반 트렌드 분석 및 용량 계획 기법 학습
기술적 요구사항
- 학습하기 쉽고 실습 환경 구성이 간편한 도구
- 팀원들이 쉽게 이해하고 활용할 수 있는 기술 스택
- 확장성과 안정성을 갖춘 오픈소스 기반 솔루션
- 비용 부담 없이 학습할 수 있는 환경
후보 기술 분석
Grafana + Prometheus + Query Exporter
개요 : 메트릭 수집과 시각화에 특화된 오픈소스 모니터링 스택과 데이터베이스 모니터링 통합 솔루션
장점
- 강력한 시각화 기능으로 직관적인 대시보드 구성
- Pull 방식의 메트릭 수집으로 안정적인 데이터 수집
- Query Exporter를 통한 데이터베이스 상태 모니터링 가능
- 활반한 커뮤니티와 풍부한 문서
- 다양한 애플리케이션과의 통합 지원
단점
- 초기 설정의 복잡성 (특히 Query Exporter 설정)
- 저장소 관리 및 데이터 보존 정책 수립 필요
K6
개요 : 현대적인 부하 테스트 도구로 성능 모니터링 기능 제공
장점
- JavaScript 기반으로 개발자 친화적
- 클라우드 네이티브 환경에 최적화
- 경량화된 테스트 실행
단점
- 실시간 운영 모니터링보다는 테시트 도구에 가까움
- 스크립트 작성의 복잡성 : 복잡한 시나리오 구현 시 JavaScript 코드가 상당히 길어지고 유지보수가 어려워짐
- 시각화 기능 부족 : 테스트 결과를 직관적으로 파악할 수 있는 ㄴ대시보드나 시각화 기능이 제한적
- 지속적인 시스템 모니터링에는 부적합
nGrinder
개요 : 네이버에서 개발한 분산 부하 테스트 플랫폼
장점
- 웹 기반 GUI로 사용하기 편리
- 한국어 지원 및 국내 커뮤니티 활성화
- 분산 테스트 환경 구축 용이
단점
- Java 호환성 문제 : Java8 이상 버전에서 호환되지 않는 이슈가 있음.
- 접근성 제약 : 호환성 문제로 인해 개발 환경 구성과 유지보수에 상당한 제약이 발생
- 부하 테스트에 특화되어 실시간 모니터링 기능 제한
- 지속적인 메트릭 수집 및 분석에 적합하지 않음
기준별 비교
| 기준 | Grafana + Prometheus + Query Exporter | k6 | nGrinder |
|---|---|---|---|
| 실시간 모니터링 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐ |
| 사용자 트래픽 분석 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |
| 데이터베이스 모니터링 | ⭐⭐⭐⭐⭐ | ⭐ | ⭐ |
| 오류 감지 및 알림 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐ |
| 시각화 및 대시보드 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
| 스크립트 작성 용이성 | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ |
| 환경 호환성 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐ |
| 학습 용이성 | ⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ |
| 운영 비용 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 확장성 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |
실제 검증 과정
Grafana + Prometheus + Query Exporter 테스트
- Docker에 Prometheus, Grafana, Query Exporter 설치 및 설정
- 웹 서비스의 HTTP 메트릭 수집 테스트 진행
- Query Exporter를 통한 DB 상태 및 비즈니스 메트릭 수집 테스트
- 통합 대시보드 구성 및 알림 설정 테스트
- 트래픽 패턴, 시스템 리소스, DB성능 모의 메트릭을 통한 종합 시각화 확인
결과 : 초기 설정이 복잡했지만, Query Exporter를 통해 DB에서 직접 비즈니스 메트릭을 수집할 수 있어 애플리케이션 코드 수정 없이도 풍부한 모니터링이 가능, 특히 실시간 모니터링과 히스토리 데이터 분석, 그리고 DB상태까지 통합적으로 관리할 수 있는 점이 매우 유용
K6 테스트
- 테스트 환경에서 K6 설치 및 기본 사용법 학습
- 웹 서비스의 간단한 API 부하 테스트 스크립트 작성 시도
- JavaScript 기반 시나리오 구현 테스트
결과 : 복잡한 서비스 플로우를 스크립트로 구현하는 과정에서 어려움을 겪음. 또한 테스트 결과를 시각적으로 파악할 수 있는 대시보드가 제한적이어서 결과 해석에 어려움이 있었음.
nGrinder 테스트
- 테스트 서버에 nGrinder 설치 시도
- 웹 GUI를 통한 기본 테스트 시나리오 설정 테스트 -> 불발
결과 :
팀의 개발 환경이 Java17을 사용하고 있는데,nGrinder가 Java 8 이상 버전과의 호환성 문제로 인해서 안정적인 실행 불가.
버전 호환문제로 인해 환경 구성 자체에 상당한 시간을 소요, 이로 인해 접근성이 크게 떨어져 실질적인 평가를 진행하기 어려움.
최종 결정
선택 이유
요구사항과의 완벽한 부합 : 예약 시스템의 실시간 모니터링이라는 핵싱 요구사항에 가장 적합 하다고 판단. 사용자 행동 패턴, 예약 프로세스 진행 상황, 시스템 오류를 실시간으로 추적하고 시각화 하는데 최적화
종합적인 모니터링 생태계 : 단순한 메트릭 수집을 넘어서 알림, 시각화 분석까지 통합된 솔루션을 제공. 특히 Grafana의 대시보드 기능을 통해 복잡한 데이터를 직관적으로 파악 가능
확장성과 미래 대응력 : 마이크로서비스 아키텍처로의 전환이나 다른 시스템 추가 시에도 유연하게 대응할 수 있는 확장성을 제공. 서비스 메시 쿠버네티스 등과의 통합도 용이
비용 효율성 : 오픈소스 기반으로 라이선스 비용 부담 없이 운영할 수 있으며, 클라우드 환경에서도 효율적으로 운영 가능
다른 도구 대비 결정적 차이점
K6의 한계
- 스크립트를 추가 구현하게 된다면 복잡한 비즈니스 로직을 구현해야하고 결과적으로 상당한 개발 비용이 필요. 특히 우리 팀의 예약 프로세스를 정확히 모델링하기 위해서 JavaScript 전문성이 필요하며, 이는 팀의 현재 역량에서는 힘든 부분으로 인지
- 시각화 기능의 부족으로 테스트 결과를 직관적으로 이해하기 어려워 의사결정에 필요한 인사이트를 얻기 힘듦
- 일회성 테스트에는 적합하지만 24시간 지속적인 운영 모니터링에는 부적합
eGrinder의 한계
- Java 호환성 문제는 단순한 기술적 이슈를 넘어서 운영의 신뢰성과 직결 되는 문제
- 현재 팀 프로젝트의 개발 환경을 Java8로 다운그레이드하는 것은 다른 시스템과의 호환성 문제를 야기 할 수 있어 현실적으로 불가능
- 환경 구성의 복잡성으로 인해 팀원들이 쉽게 접근하여 사용하기 어려운 구조
- 부하 테스트 도구로서의 기능에 특화되어 있어 실시간 모니터링 요구사항에 적합하지 않음
반면 Grafana + Prometheus + Query Exporter는 이러한 제약 없이 안정적인 환경에 직관적인 모니터링 환경을 제공하며, 팀의 기술 역량 내에서 효과적으로 운영할 수 있는 최적화 된 솔루션 특히 Query Exporter를 통해 DB에서 직접 비즈니스 메트릭을 수집할 수 있어 개발 부담을 줄있 수 있음
