로컬 LLM 기반 AIOps 자율 관제 시스템

Project Overview

이기종 텔레메트리 데이터(Zabbix, Wazuh, Uptime Kuma)를 통합하고, Neo4j 토폴로지 의존성 그래프와 로컬 LLM을 연동하여 장애 탐지부터 근본 원인 분석(RCA)까지 자동화하는 자율형 관제 파이프라인을 개발했습니다.

Background & Problem

마이크로서비스 및 분산 인프라 환경에서는 장애 발생 시 이기종 모니터링 시스템의 파편화된 알람 폭탄으로 인해, 엔지니어가 근본 원인(Root Cause)을 파악하고 복구하는 데(MTTR) 지나치게 오랜 시간이 소요되었습니다.

Architecture & Approach

• 이기종 텔레메트리 통합: Zabbix, Wazuh, Uptime Kuma 등 파편화된 모니터링 데이터를 중앙 수집
• 토폴로지 그래프 매핑: Neo4j 그래프 데이터베이스를 활용해 리소스 간의 토폴로지 의존성 맵 구축
• AI 자동 관제: 온프레미스 로컬 LLM을 연동하여, 알람 발생 시 그래프 역추적을 통해 장애 원인을 자동 분석하는 RCA 파이프라인 개발

Key Outcomes

• 장애 알람 발생 시 Neo4j 그래프를 통한 근본 원인(RCA) 자동 도출 로직 구현
• AIOps 파이프라인 도입으로 장애 인지부터 분석까지의 MTTR(평균 복구 시간) 획기적 단축
• 퍼블릭 클라우드 의존성 없이 로컬 LLM을 활용한 폐쇄망 관제 체계 검증 완료