Michael Johnson모델 학습이 느려졌을 때 원인은 GPU 밖에 있을 수 있습니다. 네트워크, 스토리지, 작업 스케줄러 또는 연산 작업에 필요한 다른 구성 요소가 원인일 수 있습니다. 2026년 10월 22일 NVIDIA는 인프라 원격 측정 데이터를 실행 중인 AI 워크로드 정보와 연결하는 AIOps 플랫폼 Minerva를 공개했습니다. NVIDIA는 자사 AI 팩토리의 가용성과 생산성을 높이는 도구로 이 플랫폼을 소개합니다.
Minerva는 GPU, 네트워크 장비, 스토리지, 스케줄러, 워크로드에서 신호를 수집합니다. 그런 다음 플랫폼은 구성 요소와 작업 간의 동적 관계 그래프를 만듭니다. NVIDIA의 설명에 따르면 이러한 맥락 정보는 하드웨어 이상이 특정 학습 작업에 미치는 영향을 추적하고, 연관된 이벤트를 추정 근본 원인이 포함된 하나의 인시던트로 묶는 데 도움이 됩니다. 이 플랫폼은 시간당 수십억 개의 원격 측정 지점을 분석한다고 NVIDIA는 밝혔습니다.
인시던트 분석에서 달라지는 점
대규모 클러스터 모니터링의 일반적인 문제는 연산, 네트워크, 운영을 각각 별도로 살펴봐야 한다는 점입니다. Minerva는 이 계층들을 연결하려 합니다. 네트워크 인터페이스의 이상을 GPU 상태 및 해당 경로를 사용하는 작업의 성능과 함께 살펴볼 수 있습니다. 실질적인 목표는 여러 신호에서 병목 지점을 찾아내기까지 걸리는 시간을 줄이는 것입니다.
플랫폼에는 자연어 질문을 처리하는 내장 AI 어시스턴트가 있으며, 외부 에이전트 도구와도 연결할 수 있습니다. 운영자는 실시간 원격 측정 데이터를 바탕으로 클러스터 상태를 살펴보고 문제 해결 권고를 받을 수 있습니다. NVIDIA는 직원이 직접 수정 사항을 적용하는 방식과 인프라 API 및 외부 시스템을 통해 자동화를 연결하는 방식 모두를 설명합니다.
운영 측면에서 이는 진단과 조치를 분리합니다. 신호를 대조하면 원인을 찾아야 할 위치를 더 빨리 파악할 수 있지만, 인프라를 자동으로 변경할지는 팀이 별도로 결정해야 합니다. 도입 전에 어떤 권고를 자동으로 실행해도 되는지, 어떤 조치에는 승인이 필요한지, 결과를 어디에 기록할지 정해두는 것이 좋습니다. 이는 권고, 수동 수정, 연동된 자동화를 구분한 NVIDIA의 설명에서 도출할 수 있는 실무적 고려 사항입니다.
플랫폼 이용 대상
NVIDIA에 따르면 IREN은 이미 Minerva를 사용하고 있습니다. IBM, Lambda, Tesla를 포함한 다른 8개 조직도 도입을 계획하고 있습니다. 회사는 Dell Technologies, Lenovo, Supermicro가 AI 팩토리 솔루션 포트폴리오에 Minerva를 포함해 제공할 예정이라고 밝혔습니다. 발표에는 현재 및 계획 중인 도입 사례가 나열돼 있지만, 운영 효과를 독립적으로 비교한 측정 결과는 포함되지 않았습니다.
NVIDIA 제품 페이지에는 Grafana 같은 외부 도구로 데이터를 전달하는 원격 측정 수집부터 완전한 AIOps 플랫폼까지 여러 배포 방식이 소개돼 있습니다. 문서에는 다양한 구성 요소의 신호를 수집하는 방법과 운영 도구와의 통합도 설명돼 있습니다. 제품을 평가하기 전에 팀은 지원되는 데이터 소스 목록을 자체 인프라와 대조하고 원격 측정 데이터의 범위를 확인해야 합니다. 또한 클러스터 가용성, GPU 손실 시간, 진단 및 복구 시간 등 기준 지표를 기록해두는 것이 좋습니다.
Minerva는 연산, 네트워크, AI 작업이 맞물리는 지점에서 인시던트를 분석해야 하는 조직을 대상으로 합니다. 실용적인 의미는 이러한 신호를 하나의 맥락으로 모으는 데 있습니다. 실제 클러스터에서 원인을 얼마나 잘 찾아내고 복구 시간을 얼마나 줄이는지에 따라 구체적인 가치를 평가할 수 있습니다.