스토리지 업계, 데이터센터에 AI 심기 분주

최근 IDC와 마이크로소프트의 발표에 따르면, 2021년까지 모빌리티, 클라우드, IoT 및 AI 등 디지털 기술을 활용한 제품 및 서비스가 아시아태평양 지역 국내총생산(GDP)의 약 60%를 차지할 것으로 예상된다. 2021년이면 디지털 트랜스포메이션이 아태지역 전체 GDP에 1조 달러 정도를 기여할 것으로 전망된다.

오늘날 기업 IT부서는 애플리케이션 수와 데이터 양의 증가 때문에 이를 관리하는 데 드는 시간을 줄여야 하는 과제를 안고 있다. 관리 시간을 줄이는 대신 혁신에 더 많은 시간을 투자하는 게 더 중요하기 때문이다. 현재 사람의 실수에 따른 전체 시스템 장애 원인의 40% 가량을 차지한다. 자동화된 인프라 관리는 사람의 실수로 발생하는 장애를 원천차단하고, 장애를 미리 예측, 신속히 해결하는 노력의 일환이다.

효성인포메이션시스템, 델EMC, 넷앱 등 데이터 전문기업은 사람의 실수를 줄이면서 인프라의 성능을 최적화 하기 위해 자사의 시스템에 AI 및 머신러닝 기법을 도입하고 있다. 복잡한 가상화 공유 인프라의 환경에서 머신러닝 기반의 지능형 AI 운영을 지원함으로써 자가 치유가 가능한 민첩한 클라우드 인프라를 지원할 수 있게 된다.

최근 데이터센터에 적용되는 AI 기반 분석 및 IT 자동화 기술 동향을 살펴보면, 일부 요소에 국한되지 않고 전체적인 접근법을 취한다. 데이터가 거쳐가는 가상머신, 서버, 네트워크, 스토리지 등 모든 인프라의 성능과 환경설정 변화 데이터를 수집, 분석한다. 요소의 조율을 통해 성능 최적화를 추구하는 것이다.

AI 기반 운영 소프트웨어 등장 전까지 기업은 여러 IT업체의 가상 및 물리 인프라를 혼용하는 IT 환경에서 관리에 어려움을 겪었다. 장애 발생 시 각각의 업체에게 해결을 요청해야만 했던 것이다. 또한, 컨테이너 및 가상머신 등 가상화 공유 인프라에서 단 한 번의 조작 실수가 전체 인프라에 어떤 영향을 미치고 어떤 요소에 기준을 두고 성능을 모니터링해야 하는지 판단하기 어렵다.

AI 기반 운영 소프트웨어를 도입하면 애플리케이션을 최상 성능으로 유지하고, 시스템 가동률을 향상시키기 위해 정확한 예산 계획을 수립할 수 있다. 자동화된 분석 및 문제 해결 기능을 써드 파티 인프라까지 확대 적용해 성능을 정확하게 예측하는 AI 적용 솔루션도 등장했다.

대표적으로 효성인포메이션시스템은 지난 5월 새로운 히타치 VSP제품군을 출시했다. 새로운 VSP는 100% 데이터 가용성을 보장하고, 민첩한 클라우드 인프라 구축을 지원하며, 인공지능 기능을 제공한다.

히타치 VSP에 탑재된 AI 분석 소프트웨어는 성능 병목점 사전 판단과 조치 방법 제안 등의 기능을 갖췄다. AI가 전체 인프라의 과거 성능 트렌드 데이터를 분석, 미래를 예측하는 ‘예측 분석(Predictive Analytics)’을 수행한다. IT담당자의 리소스 계획 수립을 지원하거나, IT 분석으로 얻어낸 예측 결과를 기반으로 실수 없이 즉각적인 조치를 취할 수 있는 서비스 카탈로그 기반 자동화 툴을 기본 제공한다.

또한 AI 운영 소프트웨어 기반으로 제시한 ‘자율 데이터 센터’는 데이터 보호 프로파일 설정과 복제, 재해복구(DR) 및 스토리지 운영 관리를 자동화해서 데이터 손실 시 스스로 복구가 가능해서 AI가 비즈니스 연속성 보장 영역에도 관여할 수 있음을 보여줬다.

델EMC는 머신러닝 등 중요 워크로드에 최적화된 새로운 x86기반 4소켓 14세대 델EMC 파워엣지 서버를 발표했다. 디지털 트랜스포메이션을 가속해 총소유비용 절감을 돕는 델EMC ‘레디 솔루션’, AI를 활용해 워크스테이션 성능과 생산성을 향상시키는 ‘델 프리시전 옵티마이저 5.0’ 등도 출시했다.

넷앱은 최근 AI를 활용한 기술지원 상담 챗봇 ‘엘리오’와 머신러닝 기술을 접목해 장애 여부를 사전에 차단하는 분석서비스인 액티브IQ를 출시했다. 액티브 IQ는 넷앱 시스템에 대한 실시간 예측, 새로운 패턴을 학습해 스토리지의 효율성 및 구성을 향상해 장비 운영을 개선할 수 있다.

업계 전문가들은 AI 기술이 단순히 AI 워크로드에 최적화된 인프라만 제공하거나 제품 레벨의 AI 구현에만 국한되는 경우도 있다고 지적하고 있다. 이 때문에, AI가 구현됐다고 무조건 도입을 진행할 게 아니라 도입 목적과 사용 용도에 맞도록 도입 전에 충분한 검토가 필요하다고 조언한다.