대규모 환경에서도 신뢰할 수 있는 APM 사용자 수 집계 전략
애플리케이션 성능 모니터링 (APM) 에서 ‘액티브 사용자 수’ 는 단순한 지표를 넘어
시스템 상태와 비즈니스 건전성을 동시에 판단할 수 있는 핵심 기준입니다.
![[백서 다운로드] 대규모 환경에서도 신뢰할 수 있는 APM 사용자 수 집계 전략](https://i0.wp.com/www.openmaru.io/wp-content/uploads/2026/02/om-body-active-user.webp?fit=1500%2C500&ssl=1 "om-body-active-user")
백서 소개 – 대규모 환경에서 사용자 수를 다루는 방법
애플리케이션 성능 모니터링(APM)에서 ‘액티브 사용자 수’는 단순한 지표를 넘어 시스템 상태와 비즈니스 건전성을 동시에 판단할 수 있는 핵심 기준입니다.
하지만 수백만, 수천만 사용자가 동시에 접속하는 환경에서 중복 없는 사용자 수를 정확하게 계산하는 일은 생각보다 복잡한 기술적 과제입니다.
본 백서에서는 OPENMARU APM이 이 문제를 해결하기 위해 채택한 HyperLogLog(HLL) 알고리즘의 원리와,
단 16KB의 메모리만으로 99% 이상의 정확도를 유지하며 사용자 수를 추정하는 정교한 아키텍처를 상세히 다룹니다.
오픈마루 백서 구독하기🔔
새로운 백서 소식을 가장 먼저 만나보세요!
오픈마루가 전하는 클라우드 네이티브 인사이트와 최신 백서 소식을 가장 빠르게 받아보실 수 있습니다.
구독해 주시면 더 좋은 콘텐츠로 보답하겠습니다.🙏
백서의 목적
본 백서는 다음과 같은 질문에 답하기 위해 작성되었습니다.
- APM 대시보드에 표시되는 사용자 수는 어떻게 계산되는가?
- 왜 COUNT(DISTINCT) 방식은 대규모 실시간 환경에 적합하지 않은가?
- 적은 메모리로도 수백만 사용자를 정확하게 추정할 수 있는 이유는 무엇인가?
- 분산된 서버 환경에서 중복 없는 사용자 집계는 어떻게 가능한가?
이를 통해 APM 사용자 통계의 신뢰성과 기술적 근거를 명확히 이해할 수 있도록 돕습니다.
이런 분들께 추천합니다
이 백서는 다음과 같은 독자를 위해 작성되었습니다.
- 대규모 웹·모바일 서비스를 운영하는 플랫폼/서비스 운영자
시스템의 복잡성과 장애 위험에 대응하기 위한 운영 자동화 전략을 이해할 수 있습니다.
- APM, Observability, 모니터링 시스템을 설계·운영하는 엔지니어 및 아키트트
확률적 데이터 구조인 HyperLogLog를 활용해 메모리 자원을 극도로 아끼면서도 성능을 극대화하는 설계 노하우를 배울 수 있습니다.
- 사용자 지표(DAU/WAU/MAU, Active User)의 산출 기준이 궁금한 기획자
단순한 카운팅을 넘어 쿠키나 IP 등 다양한 식별 기반에 따른 지표의 신뢰성과 실제 계산 로직을 파악할 수 있습니다.
- 분산 환경에서의 데이터 집계 방식과 카디널리티 추정 기술에 관심 있는 분
여러 서버 인스턴스에서 발생하는 방대한 데이터를 중복 없이 병합하여 하나의 인사이트로 만드는 아키텍처를 이해할 수 있습니다.
백서 요약
이 백서에서는 APM 사용자 수 집계의 전체 흐름을 단계적으로 다룹니다.
1. APM 사용자 식별 방식
- KHANUSER 쿠키, JSESSIONID, 클라이언트 IP 기반 사용자 식별
- 장기적이고 일관된 사용자 추적을 위한 쿠키 기반 전략
2. 대규모 사용자 집계의 한계
- 전통적인 정확 집계 방식의 메모리·연산 비용 문제
- 실시간 대규모 환경에서 발생하는 카디널리티 추정의 딜레마
3. HyperLogLog 알고리즘의 원리
- 해싱과 확률적 관찰을 통한 사용자 수 추정 방식
- 적은 메모리로 높은 정확도를 확보하는 이유
4. APM 에이전트 구현 사례
- HyperLogLogPlus 기반 UserCard / LoginCard 구조
- 2초 단위 수집과 Read-and-Reset 설계
- 약 16KB 메모리로 구현되는 사용자 집계
5. 서버 단 집계와 Merge 아키텍처
- 시간·인스턴스 간 중복 제거 방식
- 1분 / 5분 / 1시간 단위 사용자 수 롤업 구조
- APM 대시보드에 표시되는 사용자 수의 실제 의미
마무리하며
대규모 서비스 환경에서 사용자 수는 더 이상 단순히 “세는 대상”이 아닙니다. 그 숫자는 시스템의 현재 상태를 보여주고, 비즈니스 의사결정의 기준이 되는 중요한 지표입니다.
이 백서는 APM이 수백만 사용자를 어떻게 효율적으로 집계하는지, 그리고 제한된 자원 안에서 정확성과 확장성을 동시에 확보하기 위해 어떤 기술적 선택을 했는지를 실제 아키텍처 관점에서 설명합니다.
APM 대시보드에 표시되는 사용자 수의 의미와 계산 방식을 이해하고, 대규모 트래픽 환경에서도 신뢰할 수 있는 사용자 지표를 설계하고 싶다면,
본 백서가 실질적인 기준과 인사이트를 제공할 것입니다.
모든 계란을 한 바구니에? 데이터센터 재난과 모놀리식 구조의 위험성
/카테고리: APM/작성자: 오픈마루 마케팅3OPENMARU CogentAI: IT 운영자를 위한 지능형 AI 에이전트 플랫폼
/카테고리: APM, Cluster, OPENMARU/작성자: 오픈마루 마케팅3[자료다운로드] AI 기반 MSA, 쿠버네티스, 옵저버빌러티 기술지원 서비스
/카테고리: APM, Cluster, OPENMARU/작성자: 오픈마루 마케팅3