Self-Driving Network™

운영 효율성, 견고한 안정성, 뛰어난 대응력.

2004년에 많은 무인 차량들이 모하비 사막을 횡단하는 긴 코스의 출발점에 모였습니다. 그것이 바로 제1회 DARPA 그랜드 챌린지였습니다. 이 대회는 실용적인 자율 주행 자동차를 개발하기 위한 기술 경쟁의 효시가 되었습니다. 지금도 이 세계적인 움직임은 조금도 누그러지지 않고 계속되고 있습니다.

비슷한 형태로, 운영 환경에서 곧바로 사용 가능하며 경제적으로 실현할 수 있는 Self-Driving Network™를 향한 여정도 시작되었습니다. 자율 차량의 발전을 보면서 배운 것들을 네트워크 기술의 진화에 응용하는 것이 가능합니다. 세계는 자율 네트워크를 맞이할 준비가 되었습니다. 인공 지능, 머신 러닝, 인텐트 기반 네트워킹의 발전으로 인해 이제는 자동화가 아닌 자율화로 넘어갈 때가 되었습니다.

네트워킹 커뮤니티는 최신 네트워크의 지속 불가능한 경제성을 해결하기 위한 획기적인 아이디어를 갈구하고 있습니다. 오늘날, 트래픽이 폭증하고 새로운 디바이스가 급증함에 따라 운영은 점점 더 복잡해지고 있습니다. 늘어나는 운영 비용과 느려진 수익 실현 시간 때문에 기존 서비스 프로바이더의 마진은 줄어들고 기업 성장도 제한되고 있습니다.

주니퍼는 네트워크 트래픽의 유형과 양에 관계없이 운영 복잡성을 없애는 새로운 패러다임인 Self-Driving Network가 이 문제에 대한 해답이라고 보고 있습니다.

예측 및 대응을 넘어

Self-Driving Network는 IT 직원에게서 부담스러운 짐을 덜어줍니다. 약간의 수동 작업만으로 자동 구성하고, 모니터링하고, 관리하고, 수정하고, 방어하고, 분석합니다. 환경을 예측하고 환경에 적응함으로써 최종 사용자와 상황에 맞게 환경을 최적화하고 맞춤 설정합니다.

오늘날의 네트워크에서는 트래픽 스파이크가 발생할 때 그것이 분산형 DDoS 공격인지 아니면 레이디가가의 새로운 앨범이 발표되어 다운로드가 급증한 것인지를 구분하기 어렵습니다. 방대한 트래픽 동작 데이터를 해석하는 머신 러닝 알고리즘을 사용함으로써 Self-Driving Network는 사용자가 영향을 받기 전에 성능 문제를 예측합니다. 이 예에서는 Twitter 피드를 긁어 모으는 알고리즘을 사용하는 연결로 다음과 같은 가설을 확인합니다. 해킹 그룹이 특정 기업을 위협하고 있는 것인가? 몇 주 동안 레이디가가의 앨범에 환호를 보내고 있는 팬들이 트래픽 스파이크를 일으킨 것인가? Self-Driving Network는 분석 후, DDoS 공격을 격리하기 위해 포트를 차단하거나 앨범 다운로드 급증을 수용하기 위해 대역폭을 추가하는 등 알맞은 조치를 취할 수 있습니다.

자동화, 증강 그리고 이제는 자율화

주니퍼는 Self-Driving Network가 자동화 및 프로그래밍 기능으로부터 시작되어 텔레메트리, 머신 러닝, 인텐트 기반 네트워킹, 로컬 및 글로벌 인식이라는 네 가지 기술 부문의 통합과 발전을 통해 진행된 점진적 여정의 마지막 목표라고 여깁니다.

자동화 및 프로그래밍 기능은 언제나 주니퍼의 하드웨어 및 소프트웨어 개발을 이끄는 주요 고려 사항이었습니다. 토폴로지 검색, 경로 계산, 경로 설치는 이미 자동화되어 있습니다. Junos® OS용 JET(Juniper Extension Toolkit)는 타사 애플리케이션의 다른 여러 작업 자동화를 지원합니다. 예를 들어 대역폭 예약은 이미 트래픽 변화에 반응하고 있는데 더 스마트하게 만들 수 있을까요? 서비스 배치 및 모션을 자동화할 수 있을까요? JET는 전진하는 데 도움을 줄 수 있습니다.

Junos Telemetry Interface는 성능 모니터링 및 최적화 도구에 고주파 텔레메트리 데이터를 제공합니다. 하지만 SNMP, 풀 기반 텔레메트리 및 간단한 심층 패킷 검사는 한계를 드러내기 시작하고 있습니다. Self-Driving Network의 성공을 위해서는 푸시 의미론과 머신 러닝 기반 이상 탐지를 바탕으로 하는 텔레메트리가 필요합니다.

머신 러닝은 알고리즘을 사용하여 데이터 입력으로부터 반복적으로 학습합니다. 규칙 기반의 정적 네트워크 프로그래밍(“x가 발생할 경우 y를 수행함”) 대신 머신 러닝 알고리즘은 데이터 패턴을 인식하고, 예측하고, 프로그래밍 없이 적절한 조치를 취합니다. 이러한 유형의 예측 분석은 휴리스틱 알고리즘을 사용하는 주니퍼 보안 제품에 이미 탑재되어 있습니다. 네트워크의 알고리즘에 더 많은 데이터가 공급될수록 네트워크가 더 스마트해지고 인텐트 기반 인프라가 촉진됩니다.

또한 인텐트 기반 네트워킹은 기존 'x이면 y' 프로그래밍을 완전히 뒤집습니다. 이 시나리오에서는 방법이 아니라 원하는 결과를 네트워크에 알리는 것입니다. 인텐트 기반 기능은 최신 주니퍼 제품에 탑재되어 있습니다. 현재, NorthstarContrail 같은 SDN 컨트롤러에 고급 인텐트 기반 가상 네트워킹 기능이 내장되어 있습니다. 그리고 최근에 주니퍼가 인수한 AppFormix는 인텐트 기반 명령과 머신 러닝 기술을 사용하여 소프트웨어 정의 인프라 및 애플리케이션 레이어를 위한 텔레메트리 및 클라우드 운영 관리의 새로운 기준을 제시합니다.

“인텐트 기반 네트워크는 요구 사항을 설계에 적용하는 네트워크 관리 소프트웨어를 통해 네트워크 설계자가 필요한 것을 설명할 수 있게 해주는 중요한 진화이며, Self-Driving Network의 토대를 형성하는 중요한 부분입니다. 인텐트 기반 기능을 SDN 관리 및 제어 소프트웨어에 추가함으로써 자동화된 네트워크 구성 및 운영을 촉진하는 것이 매우 중요해질 것입니다”라고 IHS Markit 리서치 담당 이사 겸 클라우드 및 데이터센터 연구 고문인 Cliff Grossner 박사는 말합니다.

여전히 로컬에서 네트워크를 보고 확인해야 하지만 글로벌 인식이 향상되어 자율 네트워크에서 부족할 수 있는 효율성과 최적화를 가져다 줍니다. 로컬 및 글로벌 보기, 시간, 지역, 네트워크 레이어, BGP 피어 간의 정보 상관 관계는 더 많은 통찰력을 제공하고, 이러한 통찰력은 고객 및 애플리케이션의 네트워크 요구를 보다 정확하게 예상하도록 해줍니다.

인공 지능이 아닌 증강 지능

자동화 및 인공 지능 기술의 발전이라고 하면 적어도 직장 내에서는 로봇의 출현이라는 이미지를 떠올리게 합니다. 몇 가지 일상적인 업무는 어쩔 수 없이 로봇의 손에 넘어가겠지만, 언제나 기술은 없애는 일자리보다 만들어 내는 일자리가 더 많습니다. 비즈니스 세계에서는 언제나 네트워크 및 설계를 감시하고 로봇을 모니터링하기 위한 사람이 필요합니다. 인공 지능을 교육하기 위해 네트워크가 어떻게 작동하는지를 이해하는 사람들 그리고 감시 및 알고리즘 응용을 제공할 전문가들이 필요합니다.

Self-Driving Network는 네트워크 인력의 반복적인 허드렛일만 없앱니다. IT는 성능 문제를 해결하고 네트워크를 가동하는 데 시간을 덜 보내고, 비즈니스를 보호하고 발전시키는 전략적인 작업과 혁신에 더 많은 시간을 투자할 수 있습니다. 사물 인터넷이 가속화됨에 따라 폭주하는 수신 데이터를 이해하기 위해 IT 엔지니어의 수요가 커질 것입니다. Self-Driving Network는 정상적인 것을 걸러내어 IT가 비정상적이거나, 예상치 못했거나, 위험한 것들에 집중할 수 있도록 합니다.

DARPA 그랜드 챌린지의 무인 차량들처럼 네트워킹 업계는 패러다임 변화의 출발점에 서 있습니다. 네트워킹 업계에서는 네트워크를 추상화하고 간소화하여 복잡성을 줄이는 것이 새로운 최대 과제, 즉 그랜드 챌린지이며 이 흐름을 이끄는 것이 바로 Self-Driving Network입니다.

주니퍼는 자율 네트워크의 토대를 마련하기 위해 자동화 및 분석 개발에 크게 투자했습니다. 서비스 프로바이더, 클라우드 사업자, 기업의 입장에서 자동화 및 프로그래밍 기능은 Self-Driving Network를 향한 첫걸음입니다. 드라이버, 기술 그리고 자율 네트워크를 향한 여정에 대해 더 자세히 알아보려면 본 문서와 관련된 자료를 살펴보십시오.