보안과 비용, Datadog 하나로 동시에 실현하다

레브잇 인프라팀은 스타트업 특유의 빠른 성장 속도에 맞춰 소수 인력으로 대규모 인프라를 운영해야 하는 과제를 안고 있었습니다. 레브잇은 서비스 출시와 실험, 종료 주기가 매우 빠른 조직으로, 인프라팀 역시 변화 속도를 따라갈 수 있는 민첩성과 자동화 중심 운영 문화가 강하게 자리 잡고 있습니다. DevOps·DevSecOps·MLOps·데이터 엔지니어·DB 엔지니어가 하나의 조직 안에서 긴밀하게 협업하며 인프라·데이터·보안을 함께 설계하는 구조도 이러한 운영 철학을 반영합니다.

하지만 서버 1,170대, EKS 6개 클러스터, 컨테이너 477개, DB 인스턴스 105개 이상을 포함한 환경에서 기존 CloudWatch 중심의 모니터링은 가시성이 극히 제한적이었습니다. 인프라·APM·보안 도구가 각각 분산 운영되면서 컨텍스트 전환 비용이 높아졌고, 장애 탐지와 원인 분석 사이의 연계가 끊어지는 문제가 반복됐습니다. 특히 빠르게 생성·종료되는 서비스와 테스트 리소스, AI·데이터 플랫폼 환경까지 운영 범위가 확대되면서 기존 방식만으로는 비용 흐름과 보안 이벤트를 실시간으로 추적하기 어려워졌습니다.

Datadog 도입은 이 모든 도구를 단일 플랫폼으로 통합하는 전환점이 되었습니다. 현재 호스트 1,170개 이상, 모니터 543개, 대시보드 98개, SIEM 룰 3,000개 이상을 Datadog에서 운영하고 있으며, 인프라 현황부터 비용·보안까지 하나의 화면에서 실시간으로 파악할 수 있는 환경을 갖추었습니다. 또한 Datadog 에이전트와 PrivateLink 기반 로그 수집 체계를 통해 운영 EKS 환경의 로그와 보안 데이터를 통합 수집하고, CloudTrail·AWS Config·Security Hub·CUR(Cost and Usage Report) 데이터까지 S3와 Lambda Forwarder를 통해 연계하면서 클라우드 전반의 데이터 흐름을 단일 체계 안으로 통합했습니다.

“우리는 모니터링 도구를 단순히 '보는 시스템'으로 생각하지 않았습니다. 비용·보안·운영 데이터를 하나의 흐름 안에서 연결하고, 문제가 발생했을 때 원인을 즉시 추적해 바로 액션으로 이어질 수 있는 운영 체계가 필요했습니다.”

비용 가시화에서 월 5억+ 절감까지

비용 절감의 출발점은 Datadog의 Cloud Cost Management를 통한 가시화였습니다. 레브잇은 단순히 월말 비용을 확인하는 방식이 아니라, 비용 데이터를 실시간 운영 지표처럼 관리하는 문화를 구축하고자 했습니다. AWS 비용을 서비스·팀·리소스 단위로 실시간 분석하고, 평소 대비 10% 이상 비용이 증가하면 Slack으로 즉시 알림이 전달됩니다. 이에 따라 월말 사후 점검이 아닌 하루이틀 이내에 선제 대응이 가능해졌습니다. 특히 파드(Pod) 및 노드(Node) 단위의 세분된 비용 할당 기능은 기존 솔루션 대비 한층 높은 수준의 가시성을 제공하였으며, 이를 통해 서비스별 비용 사용 현황을 직관적으로 파악하고 즉각적인 최적화 조치로 연계할 수 있었습니다.

“Datadog Cloud Cost Management 도입 이전에는 Reserved Instance 구매 계획을 일일이 스프레드시트로 계산하며 관리해야 했습니다. 상당한 시간과 리소스가 소요됐지만, 해당 대시보드를 접한 이후에는 비용 최적화를 훨씬 더 빠르고 효율적으로 수행할 수 있겠다는 확신이 들었습니다.”

레브잇은 최근 7일과 이전 7일의 평균 일 비용을 비교하는 방식으로 노이즈성 스파이크를 제거하고, 실제 지속적으로 증가하는 비용만 탐지하도록 비용 이상 탐지 체계까지 고도화했습니다. 또한 Commitment Cost 대시보드를 활용해 Savings Plans(SP)와 RI 현황, 커버리지, 유휴 리소스를 실시간으로 파악하며 구매 시점 최적화에도 활용하고 있습니다.

이 같은 배경에서 가장 먼저 식별된 비용 요인은 데이터베이스였습니다. 비즈니스의 급격한 성장에 따라 MongoDB Atlas 비용이 월 31만 7천 달러 수준까지 증가했으며, 이에 따라 데이터베이스를 VPC 프라이빗 서브넷으로 내재화하여 네트워크 접근 통제를 강화하고자 했습니다. 이 결정에는 비용 절감뿐만 아니라 핵심 데이터 자산을 직접 통제 가능한 환경으로 이전하려는 운영 전략이 반영되어 있습니다.

하지만 셀프 호스팅 전환 과정에서 Atlas 수준의 모니터링 환경 부재가 문제시 됐습니다. 이를 해결하기 위해 레브잇은 Datadog Database Monitoring(DBM)을 도입했으며, 쿼리 성능, 슬로우 쿼리, 인덱스 사용률, 실행 계획 등 주요 지표를 Atlas와 동일한 수준으로 분석·시각화할 수 있는 운영 환경을 구축했습니다. DBM은 MongoDB Atlas에서 셀프 호스팅 Percona 환경으로의 전환을 가능하게 한 핵심 요소였으며, 전환 이후에도 데이터베이스 가시성과 운영 안정성을 지속적으로 확보하는 기반으로 작용하고 있습니다. 그 결과, 데이터베이스 전환을 통해 월 5억 원 이상의 비용 절감을 달성할 수 있었습니다.

이와 같은 가시성을 기반으로 인프라 전반의 최적화도 병행되었습니다. EKS 비용은 파드·노드 단위로 10배 세분화된 가시화를 바탕으로 Karpenter 오토스케일링, 스팟 인스턴스 확대, 미사용 EBS·EC2 정리 등의 조치를 통해 42% 절감되었습니다. Datadog 대시보드를 통해 확인된 미사용 EBS만 117개, 약 91TB 규모였으며, 이를 즉시 정리함으로써 월 약 8,400달러의 비용 절감 효과를 확보했습니다. 또한 Datadog NPM과 ALB 대시보드를 활용한 트래픽 분석을 통해 VPC 엔드포인트 확대와 NAT Gateway 최적화를 수행하여 데이터 전송 비용을 48% 절감했으며, CloudFront 캐싱·압축 정책 개선과 AZ 간 트래픽 최소화를 병행해 월 7천만 원 이상의 추가 비용 절감 효과를 확보했습니다.

실시간 탐지와 자동 차단으로 구현한 DevSecOps

레브잇은 보안 역시 별도 조직의 사후 점검이 아니라 서비스 운영 과정 안에 자연스럽게 녹아들어야 한다고 판단했습니다. 이에 Datadog SIEM 커스텀 룰셋을 중심으로 탐지부터 자동 차단까지 이어지는 보안 파이프라인을 구축했습니다. 퇴사자 접근 차단이 대표적인 사례입니다. 인사 시스템 API로 입사·퇴사·조직 변경 정보를 S3에 저장하고, Datadog Lambda Forwarder로 SIEM에 연동해 퇴사자 이메일 기준으로 전 시스템 접근을 모니터링합니다. 접근이 탐지되면 Slack 알람과 동시에 Datadog 워크플로우와 Atlantis를 통해 Terraform 핫픽스가 자동 배포되어 계정이 실시간으로 차단됩니다. 사람이 개입하지 않아도 탐지·차단·기록이 자동으로 완결되는 구조입니다.

SQL 인젝션과 같은 공격 패턴 역시 Datadog SIEM 커스텀 룰셋 기반으로 탐지하고 있습니다. 이상 패턴이 감지되면 WAF ACL을 관리하는 Terraform 코드가 자동 배포되어 즉시 차단이 이루어지며, 과탐 가능성이 있는 일부 영역만 운영자가 최종 검토하는 방식으로 자동화와 안정성을 동시에 확보했습니다. 또한 WAF 로그를 서비스·시간대·국가·공격 유형·IP 단위로 분석해 공격 흐름과 패턴을 지속적으로 시각화하고, 이를 기반으로 WAF 룰셋을 반복적으로 최적화하고 있습니다.

셀러 계정 탈취 탐지도 강력한 사례입니다. 짧은 시간 내 일정 거리 이상 떨어진 IP 5개 이상에서 동일 셀러 계정 로그인이 성공하면 탈취로 판단해 즉시 접근을 제한합니다. 이 룰 하나로 월 최대 712건의 자격 증명 스터핑(stuffing) 공격을 선제 차단하고 있습니다. 이외에도 Datadog SIEM으로 통합해 누가, 어디서, 어떤 권한으로 접근했는지 하나의 화면에서 추적할 수 있는 체계를 구축했습니다.

“레브잇은 적은 인원으로도 빠르게 실험하고 바로 운영까지 이어져야 하는 조직입니다. Datadog은 인프라·보안·비용 데이터를 하나의 플랫폼 안에서 통합해 보여주면서, 운영 복잡도를 줄이고 의사결정 속도를 크게 높여줬습니다.”

컨테이너 런타임 보안은 Falco eBPF 커스텀 룰을 Datadog SIEM과 연계해 운영합니다. 초기에는 월 100만 건 수준까지 탐지되던 이벤트를 지속적인 필터링과 룰 최적화를 통해 현재 월 1만 건 이하로 줄였으며, 모든 운영 EKS 환경의 커널 레벨 이벤트를 실시간으로 분석하고 있습니다. 또한 사람이 수동으로 대응하기 어려운 영역은 읽기 전용 루트 파일 시스템 적용과 Kyverno 정책 기반 securityContext 강제를 통해 사전 예방 체계까지 구현했습니다. 특히 AI 에이전트 기반 워크로드가 증가하는 환경을 고려해 비정상 쉘 실행, 시스템 파일 접근, 컨테이너 내부 권한 상승 시도를 탐지·차단하는 구조까지 마련했습니다.

향후 계획

향후 레브잇은 Datadog을 중심으로 비용·보안·운영 데이터를 더욱 긴밀하게 연결하는 AI 기반 DevSecOps 체계를 고도화해 나갈 계획입니다. 특히 증가하는 AI·ML 워크로드와 AI 에이전트 운영 환경에 대한 가시성을 강화하고, Datadog SIEM·eBPF 런타임 보안·워크플로우 자동화를 연계해 탐지부터 대응까지 이어지는 자동화 운영 체계를 확대할 방침입니다. 또한 비용 데이터를 실시간 운영 지표처럼 활용하는 현재의 운영 방식을 더욱 정교화하고, 인증·인가·외부 API·데이터 플랫폼까지 통합 관측 체계 안에서 관리함으로써 소수 인력으로도 안정성과 운영 효율성을 동시에 확보할 수 있는 DevSecOps 환경을 지속적으로 발전시켜 나갈 예정입니다.