Google Cloud, 로그·트레이스 SQL 분석 Observability Analytics 확장

Google Cloud 공식 블로그에 따르면 Google은 Observability Analytics에서 로그와 트레이스를 SQL로 분석하는 기능을 확대했다. 이번 발표는 Cloud Logging, Cloud Trace, BigQuery 기반 분석 환경을 더 긴밀하게 연결해 운영 데이터 탐색 방식을 바꾸는 데 초점을 맞췄다.

Observability Analytics는 로그 버킷에 저장된 운영 데이터를 SQL로 조회하고 분석하는 기능이다. Google Cloud는 이번 글에서 로그뿐 아니라 트레이스 데이터까지 SQL 분석 대상으로 넓혔다고 설명했다. 개발자와 SRE는 개별 로그 항목이나 단일 트레이스를 찾는 방식에서 벗어나, 서비스 지연 시간, 오류율, 특정 고객 영향도 같은 질문을 집계 쿼리로 다룰 수 있다.

이번 변화의 핵심은 운영 데이터가 BigQuery 생태계와 더 직접적으로 연결된다는 점이다. Google Cloud는 Observability API를 통해 관측성 버킷에 연결된 BigQuery 데이터세트를 만들 수 있으며, 이를 표준 BigQuery API와 도구에서 조회할 수 있다고 밝혔다. AI 에이전트나 분석 워크로드가 로그와 트레이스 데이터를 직접 질의할 수 있는 기반도 함께 제시됐다.

Google Cloud는 예시로 실패한 에이전트 도구 호출을 트레이스에서 찾고, 관련 애플리케이션 로그와 결합해 실패 당시의 프롬프트와 추론 정보를 분석하는 흐름을 소개했다. 또 트레이스 속성에 고객 식별자를 직접 넣지 않더라도 애플리케이션 접근 로그와 결합해 지연 시간이 큰 고객군을 찾는 방식도 제시했다.

이 기능은 클라우드 운영에서 관측성 데이터가 사후 장애 분석 자료를 넘어 제품 운영과 AI 시스템 디버깅의 데이터 계층으로 이동하고 있음을 보여준다. 특히 에이전트형 시스템은 여러 도구 호출과 외부 API, 모델 응답이 얽히기 때문에 로그와 트레이스를 같은 분석 문맥에서 다루는 역량이 중요해지고 있다.

다만 운영 환경 적용에는 데이터 권한과 개인정보 처리 기준이 함께 검토돼야 한다. 로그와 트레이스를 BigQuery 분석 환경으로 연결하면 접근 제어, 보존 정책, 비용 관리, 민감 정보 마스킹 체계가 더 중요해진다. Google Cloud 문서도 Observability Analytics 사용을 위해 분석이 활성화된 로그 버킷과 관련 권한 설정이 필요하다고 안내한다.

이번 발표는 클라우드 관측성 도구가 단순 대시보드와 탐색기를 넘어 SQL 기반 분석 플랫폼으로 확장되는 흐름을 보여준다. 개발 조직은 같은 데이터를 장애 대응, 성능 개선, AI 에이전트 품질 점검, 고객 영향도 분석에 함께 활용할 수 있게 된다.

출처: Google Cloud Blog, Google Cloud Documentation