제러미 버튼, 옵서브의 CEO – 인터뷰 시리즈

제러미 버튼, 옵서브의 CEO는 20년 이상의 리더십 경험을 가진 시니어 엔터프라이즈 소프트웨어 전문가입니다. 그는 델 테크놀로지스, EMC, 오라클, 그리고 VERITAS를 포함한 주요 기술 회사에서 제품 개발, 마케팅, 그리고 전략적 M&A를 이끌었습니다. 버튼은 또한 오라클 테크놀로지 네트워크를 공동 설립했으며, 현재 스노우플레이크의 이사와 맥라렌의 포뮬러 1 팀의 고문을 맡고 있습니다. (DELL ) (ORCL )

옵서브, 샌마테오에 본사를 둔 차세대 SaaS 관측 가능성 플랫폼은 SRE, DevOps, 그리고 엔지니어링 팀이 현대의 분산 시스템을 조사하고 최적화하는 것을 도와줍니다. 스노우플레이크의 데이터 인프라를 기반으로 구축된 이 플랫폼은 로그, 메트릭, 그리고 트레이스를 하나의 컨텍스트가 풍부한 데이터셋으로 통합하여 팀이 사고 응답을 가속화하고,根本 원인을 식별하고, 복잡한 클라우드 환경에서 신뢰성을 향상시킬 수 있도록 합니다.

전 세계적인 기업에서 시니어 리더십 역할을 맡았으며, 이제 옵서브를 이끌고 있습니다. 안정성과 규모를 뒤로하고 새로운 것을 건설하기 위해 무엇이 동기를 부여했나요?

저는 경력 초기에 래리 엘리슨과 마이클 델과 같은 훌륭한 리더와 함께 일할 수 있는 기회를 가졌습니다. 저는 그들과 함께 20년 또는 30년 동안 일했지만, 그들이 초기에 제품 결정, 시장 진출, 그리고 장기적인 성공을 위한 문화를 설립한 것이 그들을 특별하게 만듭니다. 저의 역할은 이미 그들이 많은 노력을 기울인 후에 그 위에 조금씩 개선하는 것이었습니다. 결국, 저는 저 자신에게 公司을 건설하고, 제품을 시장에 출시하고, 판매 동작을 설정하고, 장기적으로 번창할 수 있는 문화를 만들 수 있다는 것을 증명하고 싶었습니다.

옵서브는 관측 가능성의 새로운 카테고리로 자리매김하고 있습니다. 로그, 분석, 그리고 모니터링을 하나의統一 플랫폼으로 통합하는 접근 방식은 스플렁크와 데이터독과 같은 레거시 플레이어와 어떻게 다를까요? (DDOG )

레거시 도구가 직면하는 큰 문제는 그들이 규모에 맞게 설계되지 않았다는 것입니다. 고객과 대화할 때, 스플렁크와 데이터독이 TELEMETRY 볼륨이 증가할 때 비용이 많이 들고, 이것이 기본적으로 레거시 도구의 아키텍처 문제라는 것을 보았습니다.

옵서브는 스트리밍 데이터 레이크 아키텍처를 사용하여 오픈 포맷인 아파치 아이스버그를 기반으로 구축되었습니다. 이것은 컴퓨팅을 저장소에서 분리하고, 탄력적으로 확장하며, 전통적인 시스템의 비용의 한 부분으로 관측 가능성을 제공할 수 있습니다. 스플렁크와 같은 경쟁자는 여전히 모놀리식 아키텍처에 의존하며, 피크 용량을 계획해야 하며, 데이터독과 같은 최신 도구는 비용을 제어하기 위해 데이터 티어링, 재수신, 및 재색인을 요구합니다.

또한, 우리는統一 관측 가능성 경험에 중점을 두고 있습니다. 로그, 메트릭, 트레이스, 그리고 이벤트가 모두 하나의 장소에 존재하며, 단일 쿼리 언어와 자동으로 서비스, 사용자, 그리고 사고 간의 관계를 매핑하는 지식 그래프가 있습니다. 이것이 문제 해결을 더 빠르게 만듭니다. 반면에, 스플렁크와 데이터독은 로그, 메트릭, 그리고 트레이스에 대한 별도의 백엔드를 가지고 있으며, 이것은 분석을 더 느리게 만듭니다.

마지막으로, 우리는 AI 기반 문제 해결에大量으로 투자했습니다. 우리의 O11y AI SRE는 자연어 입력을 받고, 가설을 생성하며, 사고 해결을 위한 엔지니어를 안내할 수 있습니다. 그리고 이것은 우리의 지식 그래프를 사용하여 정확한 문제 해결을 제공합니다. 이것은 현재 경쟁자가 제공하는 이상 탐지 또는 경고를 제공하는 것보다 한 단계 더 나아간 것입니다.

간단히 말해서, 우리는 비용 효율적이며,統一적이며, 오픈입니다. 이러한 세 가지 특성이 고객이 스플렁크와 데이터독과 같은 레거시 플레이어와 옵서브를 구별하는 데 도움이 됩니다.

대규모 기업에서 효율성, 민첩성, 그리고 혁신에 대한 교훈은 무엇인가요? 그리고 어떤 교훈은 적용되지 않나요?

대규모 기업이 성공하는 것은 몇 가지를 정말 잘한다는 것입니다. 그리고 그들은 모든 세부 사항을 이해합니다. 실패하는 기업은 너무 많은 것을 하려고 하며, 모든 것이 중간 정도가 됩니다.

스타트업에서는 한 가지 일에 집중하고, 모든 세부 사항에 대해 집착합니다. 충분한 자금이 없기 때문에 더 많은 것을 할 수 없습니다. 따라서, 스타트업이 इतन한 긴장감을 가지고 있는 것은 빠르게 결정해야 하며, 빠르게 출시해야 하며, 빠르게 실패해야 하며, 빠르게 학습해야 한다는 것입니다. 그리고 모든 것을 더 적은 인원으로 해야 합니다.

그러나, 스타트업의 가장 자유로운 측면은 새로운 가정을 모든 것에 대해 할 수 있다는 것입니다. 이미 확립된 제품, 비즈니스 모델, 또는 시장 진출 경로가 없습니다. 이것은 이미 확립된 제품, 비즈니스 모델, 또는 시장 진출 경로가 없는 경우에만 가능합니다. 예를 들어, 이미 확립된 비즈니스 모델을 깨뜨릴 수 있는 새로운 제품을 만들 수 없습니다. 기술적으로 만들 수 있더라도, CFO와 월 스트리트는 그 잠재력을 최대화하지 않을 것입니다. 이것이 왜 스타트업이 때때로 이길 수 있는 이유입니다.

스노우플레이크의 이사로 거의 10년간 활동했습니다. 스노우플레이크의 여정에서 무엇을 배웠으며, 이것이 옵서브의 전략에 어떻게 영향을 미치나요?

스노우플레이크는 오래된 문제를 새로운 아키텍처로 해결했습니다. 그들은 간단하지만 강력한 아이디어를 기반으로 기술을 구축했으며, 거대한 시장에서 레거시 벤더를 혼란스럽게 만들었습니다. 여기서 배울 수 있는 교훈은 두 가지입니다. 첫째, 거대한 시장에서 활동하세요. 거대한 시장에서는 거대한 公司을 건설할 수 있습니다. 둘째, 기존의 접근 방식과는 근본적으로 다른 접근 방식을 가져야 합니다. 그래서 고객이 이동하는 데 큰 이점을 볼 수 있습니다.

우리가 공격하는 관측 가능성 시장은 거대하며, 30억 달러가 넘고 성장하고 있습니다. 우리는 데이터 레이크 기반, 탄력적인 컴퓨팅, 그리고 오픈 포맷을 사용하여 관측 가능성 문제를 독특한 방식으로 해결했습니다. 이것은 고객에게 문제 해결 속도와 전체 비용에서 몇십 배의 개선을 약속합니다.

제품 개발, 마케팅, 그리고 대규모 M&A에 깊이 관여했습니다. 이러한 광범위한 배경은 옵서브에서 성장 전략을 우선순위로 하는 데 어떻게 영향을 미치나요?

초기 스타트업에서는 간단합니다. 훌륭한 제품을 구축하고, 그것을 판매하려고 합니다. 그것이 성장 전략입니다. 그러나, 제 경력은 엔터프라이즈 소프트웨어와 복잡한 문제를 해결하는 데 편향되어 있습니다. 따라서, 옵서브가 그것에 집중하는 것은 놀라운 일이 아닙니다.

제 경험에 기반하여, 대규모 관측 가능성 公司을 구축하려면, 세계에서 가장 큰 公司의 문제를 해결해야 합니다. 즉, 페타바이트의 데이터, 수천명의 사용자, 그리고 수천개의 애플리케이션입니다. 많은 관측 가능성 公司이 있지만, 그 환경에서 승리할 수 있는 公司은 거의 없습니다. 저는 옵서브가那样할 수 있도록 만들고 있습니다.

관측 가능성이 현대의 분산 애플리케이션에서 더 복잡해짐에 따라, 기업이 직면하는 가장 큰 도전과 기회는 무엇인가요?

현재 가장 큰 도전은 규모입니다. 쿠버네티스, 마이크로 서비스, 그리고 이제 AI 워크로드는 전통적인 도구가 압도하는 데이터 볼륨을 생성합니다. 이러한 도구의 신뢰성이 급격히 떨어지고, 비용이 폭증하는 것은 지속 가능하지 않습니다. 새로운 아키텍처가 필요합니다.

더욱이, 향후 몇 년 동안, 우리는 이전에 कभ도 없던 양의 코드를 작성할 것입니다. 그리고 그것은 AI 코딩 도구의 도움으로 작성될 것입니다. 그러나, 그 코드는 완벽하지 않을 것입니다. 그리고 언젠가는 실패할 것입니다. 기회는 코드를 디버깅하는 것입니다. 그리고 코드 생성 도구가 코드를 조사하고 버그를 수정할 수는 있지만, 실제로 애플리케이션이 프로덕션에서 어떻게 행동하는지 살펴보고, 문제가되는 코드를 찾을 수 있을까요? 이것은 미래의 관측 가능성 벤더에게巨大한 기회입니다.

많은 팀이 로그, 메트릭, 그리고 트레이스를 위한 별도의 시스템을 사용하여 도구로 인한 혼란을 겪고 있습니다. 옵서브는 엔지니어링 팀과 DevOps 팀이 이러한 경험을 어떻게 단순화할 수 있나요?

옵서브는 고객에게 단일 플랫폼을 제공합니다. 로그, 메트릭, 트레이스, 그리고 경고가 모두 동일한 시스템에 존재하며, 지식 그래프에 의해 연결됩니다. 지식 그래프는 사용자가 로그, 메트릭, 그리고 트레이스를 통해 드릴하고 피벗할 수 있는 컨텍스트를 제공하여 문제 해결을 가속화합니다. 이것은 플랫폼을 넘나들며 데이터를 내보내거나 컨텍스트를 전환해야 하는 시간을 줄입니다.

옵서브가 고객이 주요 문제를 해결하는 데 어떻게 도움이 되었는지 구체적인 예를 공유할 수 있나요? 전통적인 관측 가능성 도구로는 어려웠거나 불가능했을 것입니다.

캐피탈 원은 옵서브를 사용하여 비즈니스 컨텍스트와 관련된 TELEMETRY 데이터를 상관시키고 강화하여 중요한 고객 여정을 공개합니다. 그들은 로그, 메트릭, 트레이스, 변경 기록, VPC 플로우 로그, 그리고 AWS 구성 데이터를 포함하여 하루에 수백 테라바이트의 TELEMETRY 데이터를 수집합니다. 옵서브는 캐피탈 원에게 종단 간 관측 가능성 플랫폼을 제공하여 개발자와 SRE가 상호작용적인 사고 응답과 디버깅을 수행할 수 있습니다.

옵서브에서 머신 러닝이나 AI의 역할은 무엇이며, 고객이 더 빠르게 통찰력을 얻거나 자동으로 문제를 감지하는 데 어떻게 도움이 되나요?

관측 가능성에서 머신 러닝은 복잡한 역사를 가지고 있습니다. 엔터프라이즈 환경은 본질적으로 노이즈가 많기 때문에, 수천 개의 이상을 생성하지 않는 모델을 생성하기가 매우 어렵습니다. 생성적 AI는 매우 다른 기술이며, 훨씬 더 큰 영향을 미칠 것입니다.

우리는 AI가 관측 가능성 도구와의 엔지니어의 상호작용 방식을 변경할 것이라고 믿습니다. 첫째, 엔지니어는 IDE에서 직접 관측 가능성 데이터와 자연어로 대화할 수 있습니다. 미래의 사용자 중 절반은 옵서브에 로그인하거나 학습할 필요가 없을 수 있습니다! 둘째, AI 에이전트는 “평화시”에 TELEMETRY를 스캔하여 잠재적인 문제를 찾을 수 있습니다. AI 에이전트는 피로하거나 지루해하지 않으며, 인간이 할 수 없는 작업을 수행할 수 있습니다. 마지막으로, “전쟁시”에는 AI 에이전트가 엔지니어와 SRE를 문제 해결을 위한 조치에 도움을 줄 것입니다.

포뮬러 원에서 영감을 받은 리더십 스타일은 정신적 강도와 실수에서 배우는 것을 강조합니다. 이것이 옵서브를 구축하고 팀을 이끄는 데 어떻게 영향을 미쳤나요?

포뮬러 원에서 성공은 데이터를 사용하여 미래의 결정에 대한 지침을 제공하는 것으로 길러집니다. 운전자와 자동차 모두에게 vậy입니다. 포뮬러 원 자동차가 시즌이 끝날 때까지, 90%의 부품이 교체되고, 트랙을 2초 더 빠르게 달립니다.

옵서브에서도 마찬가지입니다. 우리는 출시하고, 측정하고, 듣고, 빠르게 적응해야 합니다. 저는 우리 제품이 2년 전과 비교하여 90%가 다르다고 생각합니다. 이 접근 방식은 많은 규율과, 많은 겸손이 필요합니다. 계속해서 나쁜 소식을 듣는 것은 쉽지 않습니다. 그러나, 충분히 나쁜 소식을 듣고 행동하면, 그것은 점차적으로 좋은 소식으로 바뀌고, ARR은 가속화합니다. 이것은 마법이 아닙니다. 이것은 논리입니다!

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 옵서브를 방문하십시오.