네트워크에 장애가 발생했을 때 근본 원인을 찾는 데는 보통 몇 시간의 조사와 상관관계가 있는 알람을 검토해야 하며, 이는 실제 문제보다는 증상으로 이어지는 경우가 많습니다. 근본 원인 분석(RCA) 시스템은 종종 하드코딩된 규칙, 정적 임계값 및 사전 정의된 패턴에 기반하여 구축되지만, 이는 완벽하지 않을 때까지는 잘 작동합니다. 네트워크 수준의 장애를 해결하든 서비스 수준의 저하를 해결하든, 이러한 엄격한 규칙 세트는 연쇄적인 장애와 복잡한 상호 의존성에 적응할 수 없습니다. 이 게시물에서는 그래프와 Agentic AI를 특징으로 하는 AWS 솔루션 아키텍처를 보여줍니다. 또한 AWS에서 Agentic AI 기반 그래프 기반 RCA를 위한 네 가지 런북 디자인 패턴을 공유합니다. 마지막으로, DOCOMO가 상용 네트워크에서 첫 번째 런북 디자인 패턴의 실제 검증을 제공하여 전송 및 무선 접속망에서 15초로 실패 격리를 통한 MTTD(평균 탐지 시간)의 획기적인 개선을 보여줍니다.