퍼블릭 클라우드에서 AI 기반 자동화를 구현한 Komatsu

Turbonomic을 구현한 후, 팀은 마침내 문제 해결에만 매달리는 악순환을 끊을 수 있었습니다. "IBM Turbonomic은 성능 저하를 방지하는 사전 예방적 접근 방식을 제공합니다. 그래서 문제가 실제로 발생하기 전에 문제를 감지할 수 있었습니다."라고 Komatsu 인프라스트럭처 아키텍트인 Matthew Koozer는 설명합니다. 이제 Komatsu 팀은 Turbonomic의 전체 스택 가시성으로 무장하여 잠재적인 성능 위험을 신속하게 평가하고 다른 기술 스택 계층의 성능 저하 없이 리소스를 재할당하여 해당 위험을 제거하는 최적의 방법을 파악할 수 있습니다.

전체 스택 가시성은 비용을 절감하면서 성능을 지속적으로 보장하기 위한 Komatsu의 여정에서 시작에 불과했습니다. 다음 단계는 Turbonomic의 AI 기반 리소스 권장사항을 구현하는 것이었습니다. 팀은 이러한 권장사항을 수동으로 실행하는 것으로 시작했습니다. 그들은 Turbonomic의 권장사항이 기술 스택의 한 계층만 개선하는 단기적인 해결책이 아니라는 것을 금방 깨달았습니다. "Turbonomic은 스토리지 관점, 즉 퍼블릭 클라우드 오퍼링 내의 특정 스토리지 솔루션에 대한 IOPS를 기반으로 의사결정이 어떻게 이루어지고 있는지 보여줄 뿐만 아니라 데이터베이스 관점의 DTU 사용률, 문제가 메모리 또는 CPU 소비와 관련이 있는지 여부도 고려합니다."라고 Koozer는 말합니다. Komatsu의 전체 기술 스택을 고려한 이러한 리소스 권장사항을 통해 팀은 전체 환경의 성능을 개선할 수 있었습니다. 곧 팀은 자동화를 탐색할 준비가 되었습니다.

현재 Koozer와 그의 팀은 리소싱 권장사항의 자동화와 수동 실행을 결합하여 사용하고 있습니다. 이들은 주로 Azure에서 Turbonomic의 자동화된 리소싱 작업을 사용하여 서버, 스토리지 및 데이터베이스를 최적화합니다. Turbonomic은 실시간으로 리소스를 재할당할 위치와 방법에 대한 권장사항을 제공합니다. 그러면 팀은 비즈니스에 미치는 영향을 최소화하면서 이러한 작업이 실행되는 시간 블록을 미리 결정합니다. 리소스 작업 자동화로 조기에 성공을 거둔 후, 팀은 이제 IT 팀이 전혀 관여하지 않고도 조직의 매우 많은 부분에 대해 리소스 작업을 자동으로 실행할 수 있도록 Turbonomic을 사용하고 있습니다.