Improving the Anomaly Detection System for KakaoTalk Messaging Metrics
카카오톡 메시징 지표 이상감지 시스템의 개선사례 / if(kakao) 2022
https://www.youtube.com/watch?v=j5xsDv35Nd4&ab_channel=kakaotech
“이상이 있으면 더 빨리 알려주면 좋지 않을까?” 이렇게 문제가 발생했을때, 빠르게 인지하고, 원인을 파악하고, 재발방지할 수 있도록 구조를 개선려고함.
케이스:
문제: 말풍선 좋아요가 안됌!
예상 원인 파악:
HBase문제?
Grafana에서는?
API 호출량은?
K8s ingress?
타임아웃이 늘었다
최근 배포 확인 (커밋 로그, 릴리즈)
네트워크 장비, 작업 여부
DB인가?
원인: 비즈니스 변경으로 인해 api호출이 많아졌고, mongoDB 조회 호출이 증가해, 응답이 느려져서 발생
해결: 쿼리가 몰리지 않도록 수정
재발방지: 방어 코드, 테스트 코드, 인프라 구축(지표 알림, 관리 기능)
일평균 수발신량: 백억건
트래픽: 5만 TPS
일평균 로그 용량: 6TB
로그 정보
애플리케이션 API 호출 관련 내용: API 호출 수, 에러 응답 수, 응답시간
애플리케이션 에러 관련 내용: 종류별 에러 수
Memchached, Redis, DB, kafka, JVM: Status 지표
k8s: ingress, worker node 시스템 지표
System: CPU, 메모리, 디스크, 네트워크 등 지표
효율적으로 관리하는 방법 (ELK 스택 구축)
Kafka: 안정적 메세지 수집
Grafana: 지표 시각화
이상 감지 알림 시스템은 자체 구축
지표의 수:
API 종류 * 호출양 * 서버 수
수천 개의 지표 중에서 비정상정 패턴 탐지 방법 (전통적인 방법)
임계치 설정 방법
서비스 이해도와 경험적인 임계치 선정 필요
기능 변경으로 임계치 변경이 필요한 경우 개입 필요
지표가 줄어든 경우 탐지가 어려움
과거 비교 방법
트래픽이 비슷한 지난날의 지표와 비교하여 문제 탐색
비교하는 날에 장애가 발생했다면, 지표가 장애로 오염되어 판별하기 어려움
“지표가 너무 많다” → “수 천 개의 지표에서 문제 발생시 알림을 받아보자 (aka 찾아오는 알림): 문제를 찾아가는 것이 아닌, 문제가 알림으로 찾아오도록
개선 방안
시계열 모델로 이상 탐지
이상 탐지 모델 사용
텍스트나 이미지 학습에 비해 쉬움 → GPU 없이 가능
하둡과 같은 별도의 인프라 구축 불필요
“시간:값” 데이터이기 때문에 전처리 작업도 시계열 데이터라 단순
이상탐지: 데이터 세트의 예상치 못한 변경 또는 예상 패턴에서 편차를 찾아냄
Point Anomlay: 정상 데이터 분포로부터 벗어난 데이터
Contextual Anomaly: 데이터 흐름이 정상이 아닌 데이터
Group Anomaly: 비정상 구간
시계열 데이터 메시징 지표 특징
추세성 (데이터가 우상향, 하향)
계절성, 순환성, 불규칙성
메시징 지표는 평일과 주말에 변화가 있는 계절성을 갖는 지표
시계열 데이터 분석 학습 모델 && 알고리즘
ARMIA: 방식이 단순하고, 이상치를 찾는데 효과적
Prophet: 직관적이며 사용이 쉽고, 속도가 빠름. Seasonality, holiday 지원
RNNModel: 딥러닝 LSTM, GRU 사용 예측 기반 모델
Informer: transformer 기반으로 단점을 해결한 모델, AAAI에서 best paper 선정
AutoEncoder: 재구성 기반, 이미지간 차이로 이상 탐지
Prophet을 먼저 구축하고, 추후에 다른 모델들도 함께 사용할 수 있도록 구축
자동 학습 시스템
grafana에서 데이터를 접근할때 가로채서, 데이터를 자동 수집, 학습하고 결과를 출력하도록 구성.
grafana에서 그래프의 데이터를 선택할때, 어떤 모델로, 어떻게 학습시킬지, 커스텀 쿼리를 놓음.
grafana 그래프에서 outlier가 보여지도록 하였고, 이 구간을 넘어가면 알려주도록 함.
outlier 모델이 최적화가 되지 않아서 정상 지표들이 outlier 범위를 넘어갔고, 모델을 개선하기 위한 평가 방법 설정.
학습 모델 평가 방법
오차를 기반으로 오차 수 자체가 많은지, 정상 값에서 오차가 얼마나 벌어졌는지를 평가하고 서비스에 맞게 적절하게 평가 방법에 우선순위를 두고 사용하기
학습 모델 교차 검증
시계열 데이터에서 initial 기간을 학습 → horizon 기간을 예측 평가
period / 2 만큼 순차적으로 이동하면서 평가 반복
왜 순차적으로 이동하면서 평가를 반복하는가?
테스트 데이터를 구간별로 여러개 두어서, 학습 모델을 점차적으로 수정.
학습 모델은 새로 만드는 것보단 기존 학습 데이터를 수정하는데 더 효율적.(기존 학습데이터는 더 많은 학습데이터로 만들어졌기때문)
Prophet Parameters
파라미터의 조합을 통해 교차 검증을 하면서 모델 성능을 향상 시킬 수 있음
구현 예정
최적화된 모델을 찾아서 교체: 모델 파라미터들을 자동으로 조합하여 교차 검증을 지속적으로 함
어노테이션 사용: grafana에서 학습에 제외시킬 부분 / 데이터 라벨링이 필요한 경우 바로 피드백을 전달
결과: 기존 방식과 비교
모든 지표에서 이상 탐지를 미리 알 수 있는것을 기대
지표에 대한 추세를 확인해 임계치를 넘지 않는, 이상 지표라도 미리 대응
느낀점
기발하게 접근했다.
다만, “예측 모델”이기때문에, 정확하지 않으면, 다시 알림을 참고해서 문제를 식별해야할 수도 있을 것 같다.
대체하기에는 위험이 좀 있을 수 있을 것 같아서, 기존 알림이랑 같이 사용하면 좋을 것 같다.
Last updated