• Link to Facebook
  • Link to LinkedIn
  • Link to X
  • Link to Youtube
  • 로그인
  • 회원가입
  •  한글 한글 한글 ko
  • English English 영어 en
OPENMARU APM
  • 오픈마루
    • 회사소개
    • 연혁
    • 오픈마루 CI
  • 제품
    • Cloud APM
      • Application 모니터링
      • Openshift & Kubernetes 모니터링
      • WEB/WAS 모니터링
      • URL 모니터링
      • Cubrid 모니터링
    • Cluster
    • Dashboard
    • COP
    • CogentAI
    • iAP
    • Observability
  • 오픈소스
    • 쿠버네티스
    • 아파치 톰캣
    • CentOS
  • 레드햇
    • Red Hat Enterprise Linux
    • Red Hat OpenShift
    • Red Hat JBoss EAP
  • 견적 문의
    • 견적문의
    • 가격 안내
  • 기술 지원
  • 조달물품
    • G2B 딜 등록
    • 조달물품 OPENMARU APM
    • 조달물품 OPENMARU Cluster
    • 조달물품 OPENMARU iAP
    • 혁신장터
    • 찾아가는 클라우드 네이티브 세미나
  • 레퍼런스
  • 문서
  • 블로그
    • 오픈마루
    • 구매 관련
    • 기술 지원
    • 트러블 슈팅
    • White Paper
    • Youtube
  • Click to open the search input field Click to open the search input field Search
  • Menu Menu

예방점검 의무화 대응, 판정과 증적은 AI 에이전트가 남긴다

정보시스템 예방점검 의무화 이후 감사는 점검 횟수가 아니라 판정 근거와 증적을 묻습니다. APM 수집, OpsKnow Agent 판정·승인, OpsKnow 축적 구조와 소버린 AI 구성을 정리한 108쪽 백서를 PDF로 받아 보세요.

From Checklists to Judgment. — 점검표를 넘어 판정으로, 정보시스템 예방점검 의무화 대응 백서

백서 다운로드 — 의무화 요건부터 차년도 사업 요구사항까지


예방점검 의무화에 대응하는 판정·승인·보고 구조를 108쪽에 담았습니다.

이 백서는 「행정기관 및 공공기관 정보시스템 안정성 고시」로 바뀐 정보시스템 예방점검 책임을 확인하고, 체계 없음·단순 자동화·지능화 세 수준을 비교합니다. OPENMARU APM이 지표를 모으고, OpsKnow Agent가 판정과 조치 승인을 잇고, OPENMARU OpsKnow가 운영 지식으로 쌓는 구조를 다룹니다. 보안 취약점 대응, 장애·정기 보고, 경쟁 방식 비교와 측정 지표까지 포함했습니다.

아래 버튼을 누르면 108쪽 분량의 백서를 PDF 한 파일로 받을 수 있습니다.

👉 백서 다운로드 : 정보시스템 예방점검 의무화, 감사 지적 대비 AI 판정 기준 (108쪽 PDF)

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.🙏

1 Step 1
keyboard_arrow_leftPrevious
Nextkeyboard_arrow_right

이 백서가 답하는 8가지 질문


백서는 발주 기관이 차년도 정보시스템 예방점검 사업을 준비하며 실제로 묻는 질문에 차례로 답합니다.

  1. 고시 제2026-23호와 A1~A4 등급은 우리 기관에 무엇을 요구하나?
  2. 점검표를 자동으로 채우는 단순 자동화로는 왜 감사 요건을 다 채우지 못하나?
  3. 수집·판정·연관·승인·조치·보고·학습 단계에서 지능화는 무엇이 다른가?
  4. APM·OpsKnow Agent·OpsKnow·Wallboard는 각각 무엇을 맡나?
  5. AI가 서버를 임의로 바꾸지 않는다는 것을 어떻게 보장하나?
  6. 30B 수준 내부 sLLM을 폐쇄망 GPU 1대에서 돌리는 이유는 무엇인가?
  7. KISA 보안공지가 나온 날부터 재점검까지 AI는 어디까지 이어 주나?
  8. 다른 방식과 비교해 무엇이 다르고, 도입 효과는 무엇으로 재나?

등급 확정 뒤 예방점검이 증적 의무로 바뀐 이유


15,033개 공공 정보시스템의 등급 확정으로 정보시스템 예방점검 증적이 기관 공통 과제가 됐습니다.

행정안전부 보도자료(2026-08-27)에 따르면 등급 분포는 A1 73개, A2 157개, A3 671개, A4 14,132개입니다. 등급 기준도 기관 규모에서 국민이 받는 서비스의 중요도로 바뀌었습니다. 같은 해 3월 행정예고된 안정성 고시에는 안정성 기준 46개와 서비스 수준 협약(SLA) 체결 의무가 들어 있는 것으로 알려졌습니다.

공공 정보시스템 15,033개의 A1~A4 등급별 시스템 수와 비율(2026-08-27 행정안전부 발표)

▲ 공공 정보시스템 15,033개의 A1~A4 등급별 시스템 수와 비율(2026-08-27 행정안전부 발표) (백서 5쪽)

그림은 등급별 시스템 수를 보여 줍니다. A4가 대부분이어서 장비마다 매일 쌓이는 점검 결과를 사람이 하나씩 판정하기는 어렵습니다. 기관은 등급별 정보시스템 예방점검 의무를 차년도 예산 산정 근거로 준비해야 합니다.

2023년 행정전산망 장애가 점검 이력 공백을 드러낸 과정


장애 원인을 공식적으로 밝히려면 장비별 정보시스템 예방점검 이력이 날짜순으로 남아 있어야 합니다.

정부 발표에 따르면 2023년 11월 17일 행정전산망 장애가 발생했고, 서비스는 11월 18일 오전 9시에 다시 열렸습니다. 원인은 라우터의 케이블 연결 모듈에 있는 포트 일부 이상이었고 해킹 흔적은 없었습니다. 11월 19일 포트를 교체한 뒤 정상화됐습니다(정책브리핑, 2023-11-25).

2023년 11월 행정전산망 장애의 정부 발표 기준 경과 — 발생, 서비스 재개, 포트 교체와 정상화, 원인 발표

▲ 2023년 11월 행정전산망 장애의 정부 발표 기준 경과 — 발생, 서비스 재개, 포트 교체와 정상화, 원인 발표 (백서 15쪽)

서비스 재개와 원인 발표 사이에는 시차가 있었습니다. 장비 상태 기록과 설정 변경 이력이 한곳에 있으면 원인 후보를 더 빨리 좁힐 수 있습니다.

단순 자동화가 점검표는 채우고 판정 근거는 비워 두는 구조


정보시스템 예방점검의 세 수준은 수집이 아니라 판정 이후 무엇이 기록으로 남느냐에서 갈립니다.

행정안전부가 2024년 마련한 예방점검체계는 일상점검·특별점검·구조진단 3개 분야, 8개 예방점검 항목으로 짜여 있습니다. 일상점검 수치를 스크립트로 모으는 일은 기존 도구로도 됩니다. 그러나 감사는 어떤 근거로 판정했고, 누가 승인했고, 다시 점검했는지를 묻습니다. 지금 쓰는 정보시스템 예방점검 도구가 판정 근거를 남기는지부터 확인해야 합니다.

행정안전부는 예방점검체계와 함께 정보시스템 표준운영절차서와 응용프로그램 표준운영절차서도 배포했습니다. 점검 항목만이 아니라 운영 절차를 지켰다는 기록까지 요구된다는 뜻이므로, 판정 기록과 절차 이행 기록은 같은 저장소에 함께 남아야 합니다.

점검 결과, 조치 이력, 구성 변경 이력이 APM·ITSM·CMDB·보안 로그 도구에 따로 흩어져 있으면 감사 자료를 낼 때마다 담당자가 다시 모아 맞춰야 합니다. 증적을 한 저장소에 날짜순으로 쌓아 두면 판정 근거를 요청받은 순간 바로 꺼내 보여 줄 수 있습니다. 증적 저장소를 고르는 기준은 예방점검 증적 저장소와 AI 기반 운영 문서화 도입 기준에서 함께 읽어 볼 수 있습니다.

단순 자동화가 채우는 자동화 층과 감사가 요구하는 증적 층의 두 층 구조

▲ 단순 자동화가 채우는 자동화 층과 감사가 요구하는 증적 층의 두 층 구조 (백서 18쪽)

운영 단계 체계 없음 단순 자동화 AI 지능화
판정 담당자 경험, 근거 없음 임계치 초과 여부만 표시 코드가 판정하고 입력 값·규칙을 기록
연관 영역별로 따로 확인 OS·WAS·DBMS 경보가 각각 발생 트랜잭션 ID로 묶어 원인 후보 제시
승인 구두나 메신저 시스템 밖 결재 문서 승인 코드로 승인자·시각을 기록에 연결
보고 사람이 새로 작성 양식 칸을 자동으로 채움 원자료에서 보고서를 다시 생성
학습 담당자 기억 보고서 파일 보관 장애 기록이 다음 판정의 근거로 조회

APM이 모으고 OpsKnow Agent가 판정하고 OpsKnow가 쌓는 역할 분담 방식


수집·판정·축적·가시화를 구성요소마다 나눠 맡겨 정보시스템 예방점검의 판정 근거가 흩어지지 않게 합니다.

OPENMARU APM은 OS·미들웨어(WEB/WAS)·DBMS 지표를 상시 수집합니다. OpsKnow Agent는 그 지표를 기관별 임계치에 비추어 판정하고, 조치 제안과 보고서 초안을 만듭니다. OPENMARU CogentAI는 근거 검색(RAG)과 30B 수준 내부 sLLM 서빙을 기관 서버 안에서 맡습니다. Wallboard는 점검 결과·지연 트랜잭션·이상 그룹을 운영실 화면에 보여 줍니다. APM이 무엇을 재는지는 APM 핵심 지표 정리에서 먼저 확인할 수 있습니다.

APM 수집에서 OpsKnow Agent 판정, OpsKnow 축적, Wallboard·전국 Dashboard 표시로 이어지는 예방점검 흐름

▲ APM 수집에서 OpsKnow Agent 판정, OpsKnow 축적, Wallboard·전국 Dashboard 표시로 이어지는 예방점검 흐름 (백서 35쪽)

그림처럼 기관별 APM의 기록은 상급 기관의 전국 Dashboard로도 이어져, 운영실과 상급 기관이 같은 기록을 봅니다.

정기 점검 1회가 사람 개입 없이 저장소에 쌓이는 9단계 흐름


수집에서 보고서 생성까지 사람이 개입하는 단계는 마지막 알림 이후뿐입니다.

AAS의 예약 실행이 점검을 시작하면 OpsKnow Agent가 점검 항목과 임계치를 불러와 기관별 APM에 지표를 요청합니다. 판정 코드가 초과 항목을 뽑고 요일·시간대 변동으로 보정합니다. 이어 OpsKnow에서 과거 장애 사례를 찾아 근거로 붙이고, 결과를 예방점검 자산과 일일 보고 자산에 저장합니다.

OpsKnow 정기 점검 1회의 9단계 자동 적재 순서 — 수집, 판정, 보정, 사례 검색, 적재, 알림

▲ OpsKnow 정기 점검 1회의 9단계 자동 적재 순서 — 수집, 판정, 보정, 사례 검색, 적재, 알림 (백서 41쪽)

매일 같은 순서로 실행되기 때문에 정보시스템 예방점검 결과를 날짜별로 비교할 수 있고, 임계치를 넘은 항목만 담당자 승인 절차로 넘어갑니다.

점검 결과는 일시, 판정 결과, 측정값, 담당자, 근거 로그를 한 행에 묶어 남겨야 감사에서 그대로 제출할 수 있습니다. 이상으로 판정된 항목은 임시 조치, 근본 조치, 재발 방지 조치로 나눠 이력을 이어 두면 다음 점검 때 같은 항목의 변화를 바로 비교할 수 있습니다.

판정은 코드, 결정은 사람, 설명은 AI가 맡아야 감사에서 재현되는 이유


같은 지표에는 항상 같은 판정이 나와야 감사에서 판정 과정을 다시 보여 줄 수 있습니다.

생성형 AI는 같은 질문에도 결론이 조금씩 달라질 수 있습니다. 그래서 OpsKnow Agent는 판정을 결정적 코드에 맡기고, 언어 모델은 요청 해석과 설명만 합니다. 서버를 바꾸는 조치는 1회용 승인 코드가 있어야 실행되고, 적용 직전에 서버 상태를 다시 확인합니다.

점검 → 승인 코드 발급 → 승인 코드 입력 → 적용 직전 재확인 → 적용 → 재점검으로 이어지는 조치 순서도

▲ 점검 → 승인 코드 발급 → 승인 코드 입력 → 적용 직전 재확인 → 적용 → 재점검으로 이어지는 조치 순서도 (백서 48쪽)

관리자 입력 OpsKnow Agent 동작
유효한 승인 코드 적용 직전 재확인 뒤 적용, 재점검
「네」 같은 동의 표현만 입력 적용하지 않음
유효 시간이 지난 승인 코드 적용하지 않음
이미 사용한 승인 코드 적용하지 않음

AAS는 도구별 승인 요청과 승인자 계정·시각을 기록하므로 결재 기록이 그대로 정보시스템 예방점검 증적이 됩니다.

소버린 AI Level 3가 운영 데이터를 기관 밖으로 내보내지 않는 방식


서버 설정과 장애 이력은 외부 LLM으로 나가면 안 되는 운영 정보입니다.

국가정보원이 공개한 N2SF 보안가이드라인 1.0은 업무 정보를 기밀·민감·공개로 나누고 등급마다 통제를 달리합니다. OpsKnow는 LLM·임베딩·벡터DB·가드레일을 모두 기관 서버에 두고, 외부 LLM API를 부르지 않는 폐쇄망 구성을 기본으로 합니다. AI를 붙이기 전에 데이터가 머무는 위치와 입증 방법을 결정해야 합니다.

소버린 AI Level 1~3 구성 비교 — AI 구성 요소가 기관 경계 안으로 들어오는 순서

▲ 소버린 AI Level 1~3 구성 비교 — AI 구성 요소가 기관 경계 안으로 들어오는 순서 (백서 58쪽)

단계 구성 확인 방법
Level 1 BUILT-IN 제품 안에 AI 기능 내장 기능 시연
Level 2 ON-PREM AI 구성 요소를 모두 기관 서버에 설치 설치 구성 확인
Level 3 AIR-GAPPED 인터넷 차단 상태에서 모든 AI 기능 동작 외부 연결 로그 0건 확인

판정을 코드가 맡기 때문에 모델은 설명만 하면 되고, 30B 수준 내부 sLLM을 GPU 1대에서 운영할 수 있습니다.

보안 취약점 권고 발표부터 재점검까지 한 기록으로 잇는 과정


권고 발표부터 조치 완료까지의 기간을 줄이는 것이 정보시스템 예방점검에서 보안 운영 수준을 가릅니다.

한국인터넷진흥원(KISA) 보호나라 보안공지와 CVE 발표가 나오면 OpsKnow Agent는 서버의 설치 패키지 버전과 대조해 영향 서버를 가려냅니다. OS 패키지뿐 아니라 미들웨어·DBMS 취약점도 점검하고 보고하며, 적용은 사람 승인 뒤에만 이뤄집니다. 조치 기간을 줄이려면 승인 절차를 미리 준비해야 합니다.

보안 권고 수신부터 영향 서버 선별과 상태 판정까지의 흐름

▲ 보안 권고 수신부터 영향 서버 선별과 상태 판정까지의 흐름 (백서 65쪽)

상태 판정 근거 다음 조치
이미 조치됨 설치 버전이 수정 버전 이상 증적만 보관
설치돼 있지 않음 영향 패키지 없음 없음
저장소에 수정본 없음 수정 버전 미등록 저장소 확인 후 재대조
보안 정보 없음 권고 정보 미제공 담당자 수동 확인
지원 종료 OS 수정본이 나오지 않음 교체·격리 계획

확실하지 않은 서버를 「최신」으로 판정하지 않으므로, 미해결 목록이 교체 예산의 근거가 됩니다.

알림과 적재는 자동으로, 서비스를 바꾸는 조치는 결재로 나눈 기준


자동 처리와 결재의 경계를 미리 정해 두면 정보시스템 예방점검 위탁 운영 계약에 그대로 옮길 수 있습니다.

알림 발송, OpsKnow 적재, 임계치 보고서 생성은 자동으로 끝납니다. 반면 임계치 조정, WAS 재시작, 인스턴스 증설·감축, 세션 강제 종료, 외부 시스템 재시작, DB 풀 크기 변경 6종은 결재 대상입니다. 6종 모두 점검, 승인 코드, 적용 직전 재확인, 재점검 절차를 거칩니다.

OpsKnow Agent의 자동 처리와 사람 결재 경계 매트릭스

▲ OpsKnow Agent의 자동 처리와 사람 결재 경계 매트릭스 (백서 76쪽)

결재 6종은 되돌리기가 있는 조치와 어려운 조치로 나뉩니다. 위탁 운영 계약에도 이 경계를 그대로 적용해야 운영자 권한이 분명해집니다.

운영기관과 위탁 운영사업자, 유지보수사업자가 나뉜 기관이라면 누가 결재하고 누가 적용하는지를 계약서와 SLA 부속 문서에 함께 적어 둡니다. 승인 코드 기록에 승인자 계정과 시각이 남기 때문에, 계약 문구에 적힌 책임 경계가 실제 운영에서 지켜졌는지 같은 단위로 확인할 수 있습니다.

관리자가 한국어 문장 한 줄로 보고서와 조치 제안을 받는 장면


정보시스템 예방점검 판정 요약부터 HWP 보고서 파일까지 관리자의 자연어 요청 한 줄에서 시작됩니다.

「이번 달 OS와 미들웨어, DBMS 점검 결과」를 요청하면 OpsKnow Agent가 영역별 판정 요약과 근거를 돌려줍니다. 「지난주 시스템 작업과 결과 보고서 찾아서 hwp로 보고서 만들어줘」라고 하면 OpsKnow에서 기록을 찾아 HWP 파일로 만듭니다. 장애 직후에는 과거 유사 Incident와 재발방지 조치를 찾아 줍니다.

월간 점검 요청이 LLM 접수 → 코드 해석·조회·판정 → LLM 설명으로 이어지는 흐름

▲ 월간 점검 요청이 LLM 접수 → 코드 해석·조회·판정 → LLM 설명으로 이어지는 흐름 (백서 83쪽)

보고서의 수치는 모두 APM 기록과 판정 기록에서 가져오므로 담당자는 검토와 승인에 집중합니다. 장애 분석 장면은 WAS 장애 분석 데모에서 볼 수 있습니다.

다른 방식과 판정 근거·증적·보안 조치 범위에서 갈리는 차이


비교 기준은 정보시스템 예방점검 감사 질문에서 출발해야 제안요청서 평가 항목으로 그대로 쓸 수 있습니다.

A사·B사 자료는 대개 일상점검 수집과 양식 보고 자동화를 중심으로 다룹니다. 특별점검·구조진단, 보안 취약점 조치, 폐쇄망 AI는 범위 밖으로 두는 경우가 많습니다. 발주 기관은 판정 근거 기록과 폐쇄망 AI를 요구사항에 넣을지 결정해야 합니다. 도입 효과는 아래 다섯 지표를 도입 전 기준선과 비교해 확인합니다.

A사·B사 방식과 OPENMARU 방식이 덮는 예방점검 범위 비교

▲ A사·B사 방식과 OPENMARU 방식이 덮는 예방점검 범위 비교 (백서 95쪽)

측정 지표 시작 시각 종료 시각
점검 소요 시간 점검 시작 마지막 항목 판정 기록
권고 조치 기간 보안공지 게시일 재점검 결과 기록
원인 규명 시간 장애 인지 원인 필드 기록
보고서 작성 시간 보고 주기 마감 결재 상신
증적 누락 건수 측정 기간 시작 측정 기간 종료

핵심 정리


  • 행정안전부는 2026년 8월 공공 정보시스템 15,033개의 등급을 A1~A4로 확정했습니다.
  • 고시 제2026-23호 이후 정보시스템 예방점검에서 감사가 묻는 것은 점검 횟수가 아니라 판정 근거와 증적입니다.
  • 단순 자동화는 수집과 양식 보고까지만 채우고, 판정·승인·재점검 기록은 비워 둡니다.
  • OPENMARU APM이 모으고 OpsKnow Agent가 판정하고 OpsKnow가 운영 지식으로 쌓습니다.
  • 서버를 바꾸는 조치는 1회용 승인 코드와 적용 직전 재확인을 거쳐야 실행됩니다.
  • 소버린 AI Level 3 구성은 외부 LLM 호출 없이 GPU 1대에서 30B 수준 내부 sLLM을 돌립니다.
  • 도입 효과는 점검 소요 시간부터 증적 누락 건수까지 다섯 지표로 측정합니다.

자주 묻는 질문


고시 제2026-23호는 예방점검에 무엇을 요구하나요?

정보시스템 예방점검의 판정 결과와 그 근거, 조치와 재점검 기록까지 남기도록 요구합니다. 행정예고 단계에서 안정성 기준 46개와 SLA 체결 의무가 함께 알려졌습니다.

점검 스크립트와 양식 보고서만으로는 부족한가요?

수집과 양식 채우기는 되지만 판정 근거와 승인 기록이 남지 않습니다. 감사는 어떤 기준으로 판정했고 누가 승인했는지를 묻기 때문에 그 기록이 필요합니다.

OpsKnow Agent가 서버를 마음대로 바꿀 수 있나요?

아니요, 1회용 승인 코드가 입력돼야만 조치를 실행합니다. 「네」 같은 동의 표현만으로는 적용하지 않고, 적용 직전에 서버 상태를 다시 확인합니다.

왜 30B 수준 내부 sLLM으로 충분한가요?

판정은 결정적 코드가 맡고 모델은 요청 해석과 설명만 하기 때문입니다. 그래서 GPU 1대 폐쇄망 구성으로 운영할 수 있습니다.

소버린 AI Level 3는 어떻게 확인하나요?

인터넷을 차단한 상태에서 모든 AI 기능이 동작하는지 시험해 확인합니다. 외부 송신 차단 시험과 외부 연결 로그 0건이 판정 기준입니다.

미들웨어와 DBMS 취약점도 점검하나요?

네, OS 패키지와 함께 미들웨어·DBMS 취약점도 점검하고 보고합니다. 실제 적용은 담당자가 승인 코드로 승인한 뒤에만 진행됩니다.

도입 효과는 어떤 지표로 확인하나요?

점검 소요 시간, 권고 조치 기간, 원인 규명 시간, 보고서 작성 시간, 증적 누락 건수로 확인합니다. 도입 전 기준선을 먼저 측정해 두고 비교합니다.

처음이라면 여기부터

APM 핵심 지표 읽는 법 — 응답시간·TPS·에러율의 의미

개념 가이드 보기

참고 리소스


  • APM 핵심 지표 정리 — OPENMARU
  • APM(애플리케이션 성능 관리)이란? — OPENMARU
  • 프롬프트로 WAS 장애 분석 — OPENMARU APM AI Agent 데모
  • OPENMARU CogentAI — IT 운영자를 위한 AI 에이전트 플랫폼
  • AIOps란? 안정적인 IT 운영을 위한 방법 — OPENMARU
  • WAS 장애·세션 유실·APM 선택 기준 정리 — OPENMARU
  • AI에게 우리 회사 자료를 어디까지 맡길까 — OPENMARU AI Native News
  • 행정안전부, 공공 정보시스템 등급 전면 재조정 보도자료 — KDI 경제정보센터
  • 행안부 정보시스템 안정성 고시 제정 — 보안뉴스
  • 지방행정전산서비스 장애 원인 발표 — 뉴시스
  • 라우터 포트 불량으로 결론 난 행정 전산망 마비 — 디지털데일리
  • 공공 정보시스템 응용프로그램 표준운영절차 배포 — 보안뉴스
  • 국정원 N2SF 가이드라인 1.0 정식 버전 공개 — 바이라인네트워크
  • 보호나라&KrCERT/CC 소개 — 한국인터넷진흥원
  • KNVD 취약점 정보포털 — 한국인터넷진흥원

자료 다운로드


고시 대응에 필요한 판정 기준과 승인 절차, 측정 지표를 108쪽 PDF 한 파일에 정리했습니다.

👉 백서 다운로드 : 정보시스템 예방점검 의무화, 감사 지적 대비 AI 판정 기준 (108쪽 PDF)

백서에는 자가진단 5문항과 제안요청서 문안 예시도 함께 들어 있습니다. 우리 기관의 정보시스템 예방점검이 자동화 단계인지 지능화 단계인지 판정한 뒤 차년도 요구사항을 고르는 데 쓸 수 있습니다.

Spring Boot 컨테이너 애플리케이션을 APM으로 모니터링 하는 방법

Spring Boot 컨테이너 애플리케이션을 APM으로 모니터링 하는 방법

2025-11-05/카테고리: blog-support/작성자: 오픈마루 마케팅3
자세히 보기
https://i0.wp.com/www.openmaru.io/wp-content/uploads/2025/11/om-title-springboot-container.webp?fit=512%2C512&ssl=1 512 512 오픈마루 마케팅3 https://www.openmaru.io/wp-content/uploads/2020/11/logo@2x.png 오픈마루 마케팅32025-11-05 13:05:182026-10-27 16:23:42Spring Boot 컨테이너 애플리케이션을 APM으로 모니터링 하는 방법
공공기관의 성공적인 클라우드 네이티브 전환 파트너:오픈마루

공공기관의 성공적인 클라우드 네이티브 전환 파트너 : 오픈마루

2025-10-30/카테고리: APM/작성자: 오픈마루 마케팅3
자세히 보기
https://i0.wp.com/www.openmaru.io/wp-content/uploads/2025/10/om-title-openmaru-digital.webp?fit=512%2C512&ssl=1 512 512 오픈마루 마케팅3 https://www.openmaru.io/wp-content/uploads/2020/11/logo@2x.png 오픈마루 마케팅32025-10-30 18:01:212026-10-14 17:37:17공공기관의 성공적인 클라우드 네이티브 전환 파트너 : 오픈마루
오픈마루 뉴스레터 | 뉴스레터로 알아보는 클라우드 네이티브 주간 브리핑

🔎 글로벌 데이터센터, 화재·지진이 남긴 교훈은 무엇일까요?

2025-10-30/카테고리: Newsletter, OPENMARU/작성자: 오픈마루 마케팅3
자세히 보기
https://i0.wp.com/www.openmaru.io/wp-content/uploads/2023/11/231122_newsletter_title.jpg?fit=380%2C302&ssl=1 302 380 오픈마루 마케팅3 https://www.openmaru.io/wp-content/uploads/2020/11/logo@2x.png 오픈마루 마케팅32025-10-30 10:06:532025-10-30 10:06:53🔎 글로벌 데이터센터, 화재·지진이 남긴 교훈은 무엇일까요?
Page 45 of 178«‹4344454647›»

Recent Posts

  • [발표자료 다운로드] 공공 정보시스템 예방점검 AI를 통한 지능화 발표자료 2026-11-16
  • 백서 다운로드-행정기관 및 공공기관 정보시스템 안정성 고시 (AI 기반 지능형 공공 정보시스템 예방점검 방안) 2026-11-16
  • AI가 일을 가져가면, 사람에게는 무슨 일이 남을까요? 2026-11-12
  • AI 에이전트가 사고 치면, 누가 책임지나요? 2026-11-05
  • AI Native News | AI에게 일 맡기기 전 안전장치 8가지, 장애 나도 서비스는 그대로 2026-10-29

Categories

  • Blog
    • blog-price
    • blog-support
    • blog-trouble-shooting
    • blog-whitepaper
  • OPENMARU
    • APM
    • Cluster
    • Cogent AI
    • Dashboard
    • iAP
    • Newsletter
    • Observability
  • OPENMARU APM
  • Technical
    • Cloud
    • Container
    • JBoss
    • Kubernetes
    • Linux
    • Microservices Architecture
    • OpenShift
    • Red Hat
  • Youtube
  • 기술백서
  • 미분류

이메일로 블로그 구독하기

이 블로그를 구독하고 이메일로 새글의 알림을 받으려면 이메일 주소를 입력하세요

태그

AI AIOps APM cloud Cloud Native Container DevOps Docker jboss JBoss EAP Kubernetes linux LLM MSA MSAP.ai Native Observability OPENMARU OPENMARU APM OpenShift RAG Red Hat RHEL tomcat WAS 가상화 네이티브 데브옵스 도커 레드햇 리눅스 마이크로서비스 모니터링 애플리케이션 오픈마루 오픈마루 APM 오픈소스 오픈시프트 옵저버빌리티 인공지능 주간 컨테이너 쿠버네티스 클라우드 클라우드 네이티브

Search

Search Search

오픈마루

04778 서울시 성동구 뚝섬로1길 31 906 호
(성수동1가, 서울숲M타워)

Tel : 02-469-5426 | Fax : 02-469-7247
Email : sales@openmaru.io

  • OPENMARU CLOUD APM
    • Application 모니터링
    • Openshift & Kubernetes 모니터링
    • WEB/WAS 모니터링
    • URL 모니터링
    • Cubrid 모니터링
  • Cluster
  • Dashboard
  • COP
  • CogentAI
  • iAP
  • Observability

  • 가격안내
  • 고객 레퍼런스
  • 고객지원
    • 문서
    • 사용자가이드
    • 기술지원
  • 블로그
    • 오픈마루
    • 구매 관련
    • 기술 지원
    • 트러블 슈팅
  • 이용약관
  • 개인정보처리방침
  • 서비스수준협약
  • 회사소개

Copyright © OPENMARU, Inc. All Rights Reserved. - powered by Enfold WordPress Theme
  • Link to Facebook
  • Link to LinkedIn
  • Link to X
  • Link to Youtube
Link to: AI가 일을 가져가면, 사람에게는 무슨 일이 남을까요? Link to: AI가 일을 가져가면, 사람에게는 무슨 일이 남을까요? AI가 일을 가져가면, 사람에게는 무슨 일이 남을까요?AI Native News Link to: [발표자료 다운로드] 공공 정보시스템 예방점검 AI를 통한 지능화 발표자료 Link to: [발표자료 다운로드] 공공 정보시스템 예방점검 AI를 통한 지능화 발표자료 공공 정보시스템 예방점검 지능화 발표자료 대표 이미지[발표자료 다운로드] 공공 정보시스템 예방점검 AI를 통한...
Scroll to top Scroll to top Scroll to top
  • 한글
  • English