blog

MSA 환경에서의 버그 트래킹

날짜: 2025-02-24

목록으로

---

MSA 환경에서 버그 트래킹 및 모니터링을 구축하려면 분산 시스템의 특성을 고려한 모니터링 체계를 구성해야 한다. 주요 구성 요소와 유의할 점을 설명해줄게.

---

🔍 1. MSA 환경에서 버그 트래킹 및 모니터링 구성 방법

1️⃣ 로그 수집 및 분석

• 로그 중앙화: 서비스마다 개별 로그를 남기지 말고 중앙 로그 시스템(e.g., ELK Stack, Loki+Promtail, AWS CloudWatch, Datadog)을 활용
• 분산 트레이싱: 요청이 여러 서비스(API Gateway → Service A → Service B)로 흐르므로 Trace ID를 부여하여 추적(e.g., Jaeger, OpenTelemetry, AWS X-Ray)
• 로그 포맷 통일: JSON 기반 로그 형식으로 서비스 이름, Trace ID, 요청 ID, 사용자 ID 등 포함

📌 추천 기술 스택

• 로그 수집: Promtail, Fluent Bit, Filebeat
• 로그 저장/조회: Loki, Elasticsearch, CloudWatch
• 트레이싱: OpenTelemetry, Jaeger, Zipkin, AWS X-Ray

---

2️⃣ 실시간 메트릭 및 알람 설정

• 서비스별 성능 모니터링: API 응답 시간, 에러율, 트래픽 패턴을 실시간으로 확인
• 알람 설정: 특정 임계치를 초과하면 알림(e.g., Slack, PagerDuty, Opsgenie 연동)
• 사용자 경험 모니터링: 프론트엔드까지 포함해 APM (Application Performance Monitoring) 구축(e.g., New Relic, Datadog APM, AWS CloudWatch Synthetics)

📌 추천 기술 스택

• 메트릭 수집: Prometheus, AWS CloudWatch, Datadog
• 시각화: Grafana, Kibana
• 알람: Alertmanager, AWS SNS, Slack Webhook

---

3️⃣ 예외 및 에러 트래킹

• 중앙화된 예외 처리 시스템 구축: 각 서비스에서 발생하는 예외를 하나의 시스템에서 관리
• 오류 자동 수집: Sentry, Rollbar, Datadog 같은 SaaS 기반 도구 활용
• Slack/Webhook 연동: 주요 에러 발생 시 Slack 또는 Jira 이슈 생성 자동화

📌 추천 기술 스택

• 예외 수집: Sentry, Rollbar, Bugsnag
• 이슈 트래킹: Jira, Trello, ClickUp

---

⚠️ 2. 유의할 점

✅ 1️⃣ Trace ID 관리 (분산 트레이싱 필수)

• 서비스 간 API 호출 시 Trace ID를 Request Header로 전달하여 요청 흐름 추적 가능하게 해야 함
• Django/Flask 같은 백엔드 프레임워크에서는 Middleware로 자동 설정 가능

📌 예시 (Django DRF)

from django.utils.deprecation import MiddlewareMixin
import uuid

class TraceMiddleware(MiddlewareMixin):
    def process_request(self, request):
        request.trace_id = request.headers.get('X-Trace-ID', str(uuid.uuid4()))

    def process_response(self, request, response):
        response['X-Trace-ID'] = getattr(request, 'trace_id', 'N/A')
        return response

---

✅ 2️⃣ 로그 레벨 전략

• DEBUG 로그는 개발 환경에서만 사용하고, 프로덕션에서는 INFO/ERROR 수준만 남김
• 로그 필터링을 설정하여 PII(개인 정보) 유출 방지

📌 예시 (Django)

LOGGING = {
    'version': 1,
    'disable_existing_loggers': False,
    'handlers': {
        'file': {
            'level': 'ERROR',
            'class': 'logging.FileHandler',
            'filename': '/var/log/app/error.log',
        },
    },
    'loggers': {
        'django': {
            'handlers': ['file'],
            'level': 'ERROR',
            'propagate': True,
        },
    },
}

---

✅ 3️⃣ 서비스 헬스 체크 & 장애 대응

• 프로메테우스의 probe 또는 AWS ALB의 HealthCheck 활용
• 장애 감지 후 자동 스케일링(Auto Scaling Group) 또는 ECS Task 재시작 설정 필요

📌 헬스 체크 엔드포인트 예제 (Django)

from django.http import JsonResponse

def health_check(request):
    return JsonResponse({"status": "ok"}, status=200)

• 알람 설정 필수: 장애 발생 시 PagerDuty, Slack으로 알람 전송

---

🚀 결론

1. 로그 중앙화 (Loki, Elasticsearch, CloudWatch Logs) → Trace ID 포함
2. 실시간 모니터링 & 알람 (Prometheus, Datadog, Alertmanager) → 에러 감지
3. 분산 트레이싱 (OpenTelemetry, Jaeger, AWS X-Ray) → 서비스 흐름 추적
4. 예외 추적 (Sentry, Rollbar) → 자동 이슈 생성
5. 헬스 체크 & 장애 대응 (K8s, ASG, ECS) → 자동 복구

---

목록으로