본문 바로가기
IT뉴스

아리스타(Arista)의 새로운 통합 가시성 제품(CV UNO) 출시

by romydady 2024. 3. 6.

CV UNO - 아리스타의 네트워크 가시성 제품

 

아리스타 네트웍스(Arista Networks, ANET)는 네트워크, 컴퓨팅 및 애플리케이션 계층 전반에 걸쳐 통합된 가시성을 제공할 것을 약속하는 새로운 CloudVision Universal Network Observability(CV UNO) 제품을 발표했습니다 . 하이브리드 클라우드 환경이 성장함에 따라 IT 팀은 다양한 영역에 걸쳐 성능 문제의 근본 원인을 정확히 찾아내는 데 어려움을 겪는 경우가 많습니다. CV UNO를 통해 Arista는 다양한 데이터 소스를 단일 뷰로 병합하여 이 문제를 해결하고자 합니다. Arista의 새로운 플랫폼은 네트워크 및 애플리케이션 종속성에 대한 깊은 수준의 풍부한 상황별 데이터와 통찰력을 제공하는 것을 목표로 합니다. 네트워크는 물론 ID 관리 및 가상화 시스템 과 같은 기타 소스로부터 실시간 상태 데이터를 가져옵니다 . 이 데이터는 다양한 데이터베이스 기술로 구성된 중앙 집중식 데이터 레이크에 저장됩니다. 그런 다음 머신 러닝(ML) 알고리즘이 데이터 레이크를 분석하고 패턴과 상관 관계를 식별하여 위험 분석, 영향 분석 및 근본 원인 식별을 지원합니다.

Arista Networks는 “우리는 항상 CloudVision을 통해 네트워크 상태를 모니터링하는 기능을 갖고 있었습니다. 우리에게는 인접한 기록 시스템과 대화하고 동적 실시간 업데이트 애플리케이션과 네트워크 및 종속성 그래프를 구축하는 기능이 없었습니다." 라고 말했습니다.

가시성 완성을 위한 여러 소스의 데이터 통합

CV UNO의 주요 측면은 다양한 시스템의 데이터를 통합하여 네트워크에 대한 포괄적인 가시성을 구축하는 것입니다. CV UNO가 IP 주소 관리(IPAM), 구성 관리 데이터베이스(CMDB) 및 도메인 이름 시스템(DNS), ServiceNow  VMware 와 같은 공급업체 기술이 포함되며, 해당 데이터를 수집하고 그래프 데이터베이스에서 일련의 통합과 조인을 수행한 다음 컨텍스트를 생성할 수 있습니다.

아리스타는 모든 데이터베이스 시스템 정보를 데이터 레이크에 결합합니다. 데이터 레이크는 공통 API 표면으로 추상화된 일련의 다양한 다중 모드 데이터베이스입니다. 서로 다른 데이터베이스의 복잡성이 추상화되어 공통 언어를 사용하여 데이터가 유입되고 쿼리될 수 있습니다. 이를 통해 시스템 전반의 관계 및 종속성에 대한 가시성을 제공하는 동적 실시간 애플리케이션 및 네트워크 종속성 맵을 생성할 수 있습니다.

이러한 기능을 통해 CV UNO가 위험 관리 , 영향 분석 및 근본 원인 분석 에 대한 쿼리를 수행할 수 있습니다.

실행 가능한 통찰력으로 네트워크 운영 개선

아리스타는 통합 데이터 외에도 인공 지능(AI) 및 ML 기술을 활용하여 데이터에서 더욱 스마트한 통찰력을 제공합니다.

Arista가 지도(Supervised) 및 비지도(UnSupervised) ML 모델을 모두 사용하고 있습니다. 지도 학습 모델은 애플리케이션 성능 문제를 나타내는 반복 패턴을 이해하는 데 사용됩니다. 비지도 학습은 매우 높은 정밀도로 애플리케이션, 호스트 및 사용자와 같은 엔터티에 자동으로 태그를 지정하는 데 사용됩니다.

이 모델은 다양한 애플리케이션 유형에 대한 1.5% 패킷 손실의 영향과 같은 사항을 추론하는 데 도움이 됩니다. 전반적으로 AI와 ML은 중앙 집중식 데이터 레이크의 패턴을 분석하고 네트워크 운영 팀에 권장 사항, 예측 및 통찰력을 제공하는 데 사용됩니다. CV UNO의 핵심 목표가 네트워크 운영을 개선하여 수동 문제 해결 및 장애 해결 활동의 필요성을 줄이는 것입니다.

아리스타는 “아주 직설적으로 말하면 우리의 구매자는 위험을 보다 효과적으로 관리하고, 변경 관리에 대한 더 많은 통찰력을 갖고, 의도하지 않은 결과가 발생했을 경우 근본 원인(root cause) 분석을 보다 명확하게 이해할 수 있기를 원하는 네트워크 운영 또는 네트워크 엔지니어링 팀입니다. ” 라고 말했습니다.

 

 

반응형

댓글