그라파나 랩스, 옵저버빌리티콘 2026에서 그라파나 클라우드에 더 빠른 전문 검색과 더 스마트한 데이터 최적화 도입

개방형 에이전틱 옵저버빌리티 클라우드 기업 그라파나 랩스(Grafana Labs)는 옵저버빌리티콘 2026(ObservabilityCON 2026)에서 팀이 AI 시대의 텔레메트리를 관리하고, 적절한 로그 라인을 수초 만에 찾으며, AI 워크로드가 확장되는 가운데 투자 가치가 높은 핵심 텔레메트리만 효율적으로 보존할 수 있도록 지원하는 신규 제품군을 발표했다. 

회사의 로그라인(Logline) 인수 기술을 기반으로 구축된 그라파나 클라우드 로그(Grafana Cloud Logs)의 주요 쿼리 성능 향상 기능이 현재 정식 출시(GA)됐으며, 어댑티브 로그 아카이브(Adaptive Logs Archive)는 공개 미리보기 단계에 있다.

AI는 텔레메트리 볼륨을 폭발적으로 증가시키고 있다. 코딩 에이전트가 누구나 코딩을 구현할 수 있도록 지원하면서 더 많은 소프트웨어가 한층 신속하게 개발되고 있으며, 이 모든 인프라에 대한 실시간 관측이 요구된다. 에이전트 역시 개별 에이전트 및 도구 호출마다 자체 텔레메트리를 생성해 시스템 부하를 가중시킨다. 방치할 경우 옵저버빌리티 인프라 비용이 신규 워크로드에 비례해 급증하므로, 대규모 AI 운영 환경에서는 비용 및 쿼리 최적화가 필수적이다. 이번 주 그라파나 랩스와 퓨처럼(Futurum) 계열사 ETR이 공동 발표한 ‘2026 옵저버빌리티 현황 보고서(2026 State of Observability Report)’에 따르면, 조사 대상 IT 및 엔지니어링 리더 300명 중 78%가 지난해 옵저버빌리티 지출을 늘렸으며 73%가 올해도 비용이 확대될 것으로 전망했다. 이들은 스택에 추가된 신규 제품(61%)과 AI 가속화 개발로 감시 대상이 늘어난 점(60%)을 주원인으로 꼽았다.

젠 빌라(Jen Villa) 그라파나 랩스 제품 수석 디렉터는 “옵저버빌리티의 경제성은 보존 가치가 높은 데이터를 엄선하고 시스템 상태 변동에 따라 이를 유연하게 조절할 수 있을 때 비로소 확보되며, 이는 AI 주도의 텔레메트리 폭증 시대에 더욱 결정적인 요소가 됐다”며 “보존 대상 데이터 자체도 여전히 방대하므로 원하는 타깃 데이터를 신속히 탐색하는 역량이 필수적이다. 어댑티브 텔레메트리(Adaptive Telemetry)가 데이터 선별을 담당하고, 그라파나 클라우드 로그의 쿼리 성능 향상 기능이 고속 탐색을 수행한다”고 설명했다.

중요한 로그 라인 하나를 수 초 만에 찾아내기

그라파나 랩스가 2026년 4월 인수한 로그라인의 기술을 기반으로, 클라우드 로그는 이제 고객에게 추가 비용 없이 더 빠른 전문(Full-text) 검색 기능을 제공한다.

이 추가 기능은 객체 스토리지 전반에서 요청 ID나 고객 ID 같은 저빈도(Low-frequency) 로그를 정밀 식별해, 야간 긴급 호출을 받은 엔지니어가 장애 알림 창에서 즉시 정확한 ID를 수 초 만에 추출할 수 있도록 돕는다. 에이전트는 사람보다 훨씬 많은 쿼리를 처리하므로, 쿼리 속도 향상은 에이전트와 엔지니어링 팀 전체의 대응 작업 속도를 극적으로 끌어올린다.

티모 키르츠되르퍼(Timo Kirzdörfer) DATEV eG 오픈텔레메트리 및 그라파나 클라우드 관리자는 “로그라인을 활성화한 후 신규 유입 로그에 첫 쿼리를 실행했을 때 즉각적인 성능 개선을 체감했다. 기존에 약 1테라바이트의 로그를 처리하는 데 3분이 걸리던 작업이 약 100기가바이트를 3초 이내에 처리하는 수준으로 단축됐다”며 “이는 검색 대상 로그 볼륨이 80~90% 감소했음을 의미하며, 생산성 향상 효과를 현장에서 즉시 확인했다”고 말했다.

비용을 지불할 가치가 있는 데이터만 보관

그라파나 랩스의 어댑티브 텔레메트리 제품군은 집계하거나 샘플링할 대상을 추천해 메트릭, 로그, 트레이스, 프로파일 전반의 비용을 최적화함으로써 팀이 핵심 텔레메트리만 효율적으로 보관하도록 돕는다. 그 결과 더 낮은 비용으로 더 뛰어난 고품질 신호를 확보하게 되며, 먹스(Mux), 텔레트래킹(TeleTracking), 오딧보드(Auditboard)를 포함한 다수의 구성 요소를 사용하는 고객은 평균 30~50%의 텔레메트리 지출 절감 성과를 거뒀다. 이번 신규 업데이트는 로그, 메트릭, 트레이스 전반을 아우른다.

· 어댑티브 로그 아카이브(공개 미리보기): 어댑티브 로그 아카이브는 팀이 직접 소유한 객체 스토리지 버킷으로 로그를 개방형 규격으로 라우팅할 수 있게 한다. 해당 로그를 그라파나 클라우드에 직접 적재하지 않음으로써 인프라 비용을 절감하는 동시에, 인시던트 조사, 감사, 규정 준수 요청에 대비해 저비용 스토리지에 로그를 안정적으로 장기 보관할 수 있다.

· 어댑티브 메트릭 자동 적용(Auto-Apply, 정식 출시): 플랫폼 팀은 더 이상 카디널리티(Cardinality) 축소 권장 사항을 일일이 수작업으로 검토할 필요가 없다. 자동 적용(Auto-Apply) 기능은 인간 개입(Human-in-the-Loop) 없이도 최적화 추천값을 지속 자동 적용하며, 기존 대시보드와 알림 설정은 영향 없이 정상 작동한다. 내장 안전장치인 코스트 모드(Cost Mode)는 전체 활성 시리즈를 증가시키지 않는 안전 권장 사항만 선택 적용해 최적화 작업이 뜻밖의 비용 급증으로 이어지는 리스크를 원천 차단한다.

· 어댑티브 트레이스(Adaptive Traces)가 제외한 트레이스 조회(정식 출시): 핵심 트레이스 데이터 유실 우려 없이 적극적인 샘플링을 실행할 수 있다. 개발자는 어댑티브 트레이스가 샘플링에서 제외한 트레이스라 할지라도 지난 24시간 내의 어떤 트레이스든 ID 기반으로 즉시 조회할 수 있어, 비용 절감 때문에 장애 조사의 정밀도가 희생되는 일을 완벽히 방지한다.

칼 이스트먼(Carl Eastman) 래피드7(Rapid7) 수석 소프트웨어 엔지니어는 “이전에는 데이터 낭비를 제거하기 위해 엔지니어가 메트릭 카디널리티와 로그 볼륨을 수작업으로 일일이 파헤쳐야 했고, 신규 서비스가 지속 추가되면서 이 작업은 끝이 없었다. 이제 어댑티브 메트릭과 어댑티브 로그가 해당 데이터 분석을 자동 처리한다”며 “어떤 메트릭과 로그 패턴이 전혀 쿼리되지 않는지 시각화하고 집계 또는 제거 대상을 명확히 추천해주므로, 팀은 데이터 탐색 대신 해당 추천값을 즉시 반영하고 있다. 우리 엔지니어들은 노이즈성 디버그 로그 제거처럼 인간의 판단이 필요한 핵심 규칙에만 집중할 수 있게 됐다”고 밝혔다.