datadog·2025년 11월 18일·2분 읽기큐레이션 요약

eBPF를 통한 실시간 파일

Datadog이 Gartner의 **2026년 Observability Platforms 매직 쿼드런트에서 Leader로 선정되었다는 소식**을 소개하는 페이지입니다. 제공된 내용에는 선정 배경이나 평가 기준, 제품별 설명은 포함되어 있지 않고 Datadog 제품 메뉴와 관련 링크가 대부분을 차지합니다. ### Gartner 매직 쿼드런트 선정 - Datadog이 Gartner® Magic Quadrant™ for Observability Platforms 2026에서 **Leader**로 소개됨 - 상세 평가 점수, 경쟁사 비교, 선정 근거는 제공된 본문에 포함되지 않음 - 링크의 캠페인 경로상 Datadog의 APM 및 관측성 플랫폼 홍보와 연관된 콘텐츠로 보임 ### Datadog 플랫폼 구성 제공된 메뉴는 Datadog이 관측성을 넘어 여러 운영 영역을 하나의 플랫폼에서 제공한다는 점을 보여줍니다. - **인프라 모니터링**: 메트릭, 컨테이너, Kubernetes 오토스케일링, 네트워크, 서버리스, GPU 및 클라우드 비용 관리 - **애플리케이션 모니터링**: APM, 서비스 모니터링, 연속 프로파일링, 동적 계측 - **데이터 및 로그**: 데이터베이스·스트림 모니터링, 로그 관리, 민감 데이터 탐지, 관측성 파이프라인 - **보안**: 클라우드 보안, 취약점 관리, SIEM, 워크로드 보호, 애플리케이션·API 보호 - **디지털 경험**: 브라우저·모바일 RUM, 세션 리플레이, 신세틱 모니터링, 오류 추적 - **소프트웨어 제공**: CI 가시성, 테스트 최적화, 코드 커버리지, 기능 플래그, 내부 개발자 포털 - **서비스 관리와 AI**: 인시던트 대응, SLO, 워크플로 자동화, Watchdog, AI 에이전트 및 조사 기능 ### 제공된 내용의 한계 - 본문에는 제목과 제품 내비게이션만 있으며, 실제 Gartner 보고서의 분석 내용은 확인할 수 없음 - 링크와 메뉴에는 Workload Protection 및 eBPF 기반 FIM 관련 경로가 포함되어 있지만, 해당 기능의 동작 방식이나 기술적 세부사항은 제공되지 않음 - 따라서 이번 자료만으로는 Datadog이 Leader로 평가된 구체적인 이유나 제품 성능을 판단하기 어려움 Gartner의 평가 근거와 제품별 장단점을 파악하려면 원문 보고서 또는 링크된 Datadog 발표문의 본문이 추가로 필요합니다.

원문 읽기(새 탭에서 열림)

file-integrity-monitoring쿠버네티스datadog옵저버빌리티+2

datadog·2025년 11월 18일원문

eBPF를 활용한 실시간 파일 모니터링 확장: 분당 수십억 개의 커널 이벤트를 필터링하는 방법 (새 탭에서 열림)

Datadog은 현대적인 대규모 인프라에서 신뢰할 수 있는 파일 무결성 모니터링(FIM) 시스템을 구축하기 위해 기존의 주기적 스캔이나 `auditd` 방식 대신 eBPF 기술을 채택했습니다. 이들은 커널 수준에서 실시간 가시성을 확보함으로써 프로세스 및 컨테이너 맥락이 포함된 상세한 보안 데이터를 수집하는 데 성공했습니다. 특히 초당 수십억 건에 달하는 방대한 이벤트를 처리하기 위해, 데이터의 94%를 커널 내부에서 미리 걸러내고 에이전트 단위에서 로컬 규칙 검사를 수행하는 2단계 필터링 아키텍처를 통해 시스템 성능 저하 없이 보안 가시성을 극대화했습니다. ### 기존 모니터링 방식의 기술적 한계 * **주기적 파일 시스템 스캔:** 스캔 사이에 발생했다가 복구된 공격자의 변경 사항을 감지할 수 없으며, 파일이 '어떻게', '왜', '누구에 의해' 변경되었는지에 대한 맥락 정보가 부족합니다. * **inotify:** 파일 이벤트와 프로세스 또는 컨테이너 간의 상관관계를 파악하는 데 필요한 시스템 레벨의 컨텍스트를 제공하지 못합니다. * **auditd:** 시스템 부하가 높은 환경에서 과도한 오버헤드가 발생하며, 대규모 환경에서의 확장성 문제가 고질적인 단점으로 지적됩니다. ### eBPF를 활용한 심층 가시성 확보 * **실시간 커널 모니터링:** eBPF를 통해 커널에서 직접 실시간 파일 활동을 관찰함으로써, 파일 변경 사실뿐만 아니라 이를 유발한 프로세스와 컨테이너 정보까지 포함된 풍부한 보안 데이터를 확보했습니다. * **데이터 폭증의 난제:** 모든 인프라에서 발생하는 파일 관련 이벤트가 분당 100억 건을 넘어서며, 이벤트당 약 5KB인 데이터를 모두 전송할 경우 초당 수 테라바이트의 네트워크 트래픽이 발생하는 심각한 규모의 문제에 직면했습니다. ### 에이전트 기반의 로컬 규칙 필터링 * **에지(Edge)에서의 결정:** 수집된 모든 데이터를 백엔드로 전송하는 대신, 각 호스트의 에이전트에서 로컬 보안 규칙에 따라 데이터를 1차 검증합니다. * **트래픽 절감:** 로컬 필터링을 통해 백엔드로 전송되는 데이터를 분당 100억 건에서 약 100만 건 수준으로 획기적으로 줄여, 네트워크 비용과 시스템 자원 소모를 최소화했습니다. ### 커널 내부 프리필터링(In-kernel prefiltering)을 통한 최적화 * **링 버퍼(Ring Buffer) 드롭 방지:** 에이전트가 처리할 수 있는 속도보다 더 빠르게 이벤트가 생성될 경우 데이터 유실이 발생하는데, 이를 막기 위해 처리 로직의 상당 부분을 커널 내 eBPF 프로그램으로 이동시켰습니다. * **2단계 평가 모델:** * **커널 내부 필터링:** 'Approvers'와 'Discarders' 개념을 도입하여, 무관한 시스템 호출(syscall)의 94%를 유저 공간으로 넘기기 전에 커널 단계에서 즉시 폐기합니다. * **유저 공간 평가:** 커널을 통과한 선별된 이벤트에 대해서만 유저 공간에서 상세한 맥락 정보를 결합하고 복잡한 상관관계 분석을 수행합니다. ### 실용적인 제언 대규모 시스템에서 FIM을 구현할 때는 단순한 데이터 수집보다 '불필요한 데이터의 조기 차단'이 성능의 핵심입니다. eBPF를 활용하되 모든 로직을 커널에 넣기보다는, 커널 내에서의 가벼운 필터링과 유저 공간에서의 심층 분석을 결합한 하이브리드 접근 방식을 취하는 것이 확장성과 보안성을 모두 잡는 전략이 될 수 있습니다.

file-integrity-monitoring데이터베이스 설계Linuxebpf+4