https://notebooklm.google.com/notebook/ac5f4eea-00a1-46cb-99ee-1f0bbd726fb4

🎯 Red Hat Summit 2026 Korea - 세션별 Q&A 정리

📑 목차

클라우드 엔지니어 핵심 역량 요약 ⭐
Track B-4: 가상화를 위한 AAP
Track B-5: 지능형 자동화
키노트 및 AI 관련
추가 질문
심화 Q&A (Q21-Q54)

클라우드 엔지니어 학습 가이드

⭐ 필수: 현업에서 바로 쓰이는 핵심 개념 (18개)

표시 없음: 알면 좋지만 나중에 봐도 되는 내용

양자암호/AI모델 세부사항은 참고 수준으로 스킵 가능

클라우드 엔지니어 핵심 역량 요약

핵심 메시지

클라우드 엔지니어는 단순히 인프라를 ‘운영’하는 것을 넘어, AI, 보안, 자동화 기술을 결합하여 비즈니스 가치를 창출하는 플랫폼을 ‘설계’하는 역할로 진화해야 합니다.

1. AI 인프라 구축 및 최적화

클라우드 엔지니어는 이제 LLM을 효율적으로 서빙하고 비용을 절감하는 아키텍처를 이해해야 합니다.

핵심 기술	설명	실무 적용
PagedAttention	OS 가상 메모리 페이징을 차용한 KV 캐시 관리	vLLM 배포 시 기본 적용
Continuous Batching	GPU 유휴 시간 최소화	추론 서버 설정 최적화
FP8 양자화	모델 크기 50%↓, 정확도 99.5% 유지	비용 절감 필수

플랫폼 선택 기준:

단일 서버/엣지 → RHEL AI
클러스터/하이브리드 → OpenShift AI

실무 보강: vLLM 배포 예시

# OpenShift에서 vLLM 서빙 (기본 설정)
oc new-app --name=llm-server \
  --image=quay.io/redhat-ai/vllm:latest \
  -e MODEL_NAME=meta-llama/Llama-3-8B \
  -e TENSOR_PARALLEL_SIZE=2 \
  -e MAX_MODEL_LEN=4096

2. 가상화의 현대화

VMware 종속성 탈피와 클라우드 네이티브 전환이 가속화되고 있습니다.

기술	역할	핵심 가치
OpenShift Virtualization	VM + 컨테이너 통합 관리	단일 플랫폼 운영
MTV	VMware → OpenShift 마이그레이션	자동화된 전환
RHEL Image Mode	OS를 컨테이너처럼 관리	GitOps 기반 OS 관리

실무 보강: MTV 마이그레이션 흐름
1. VMware 환경 연결 (vCenter 크리덴셜)
2. 이관 대상 VM 선택 및 분석
3. 네트워크/스토리지 매핑 설정
4. 마이그레이션 플랜 생성 및 실행
5. 검증 후 컷오버
주의: Cold Migration(VM 중지) vs Warm Migration(다운타임 최소화) 선택 필요

3. 지능형 자동화

단순 반복 자동화를 넘어 이벤트 기반 자동 대응이 핵심입니다.

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│  모니터링    │ → │     EDA      │ → │   Ansible    │
│ (이벤트발생) │    │ (Rulebook)   │    │ (자동조치)   │
└──────────────┘    └──────────────┘    └──────────────┘

역할 분담:

도구	역할	예시
Terraform	인프라 프로비저닝 (Day 0)	VPC, VM, K8s 클러스터 생성
Ansible	구성 관리 (Day 1-2)	패키지 설치, 설정 변경, 패치
EDA	이벤트 기반 자동 대응	장애 감지 → 자동 복구

실무 보강: Terraform + Ansible 통합

# Terraform에서 Ansible 호출
resource "null_resource" "ansible_provisioner" {
  provisioner "local-exec" {
    command = "ansible-playbook -i ${aws_instance.web.public_ip}, setup.yml"
  }
  depends_on = [aws_instance.web]
}

또는 AAP의 Terraform Provider 활용:

provider "ansible" {
  host = "https://aap.example.com"
}
resource "ansible_job" "deploy" {
  job_template_id = 42
}

4. 옵저버빌리티(Observability)

구분	모니터링	옵저버빌리티
범위	사전 정의된 지표	Unknown Unknowns 포함
방식	대시보드 감시	인과관계 추적
대응	알람 → 수동 조치	RCA → 자동 권고

3 Pillars of Observability:

Pillar	도구 예시	용도
Metrics	Prometheus, Dynatrace	수치 기반 상태 파악
Logs	ELK, Loki	이벤트 상세 분석
Traces	Jaeger, Tempo	분산 시스템 흐름 추적

실무 보강: OpenTelemetry 통합

# OTel Collector 설정 (K8s)
apiVersion: opentelemetry.io/v1alpha1
kind: OpenTelemetryCollector
metadata:
  name: otel
spec:
  mode: daemonset
  config: |
    receivers:
      otlp:
        protocols:
          grpc:
          http:
    exporters:
      otlp:
        endpoint: "dynatrace-collector:4317"
    service:
      pipelines:
        traces:
          receivers: [otlp]
          exporters: [otlp]

5. 차세대 보안

양자 내성 암호(PQC) 전환 로드맵

┌─────────────┐   ┌─────────────┐   ┌─────────────┐   ┌─────────────┐
│ 1. 인벤토리 │ → │ 2. 우선순위 │ → │ 3. 하이브리 │ → │ 4. 완전전환 │
│ (암호자산   │   │ (장기기밀   │   │ 드 모드     │   │ (PQC Only) │
│  파악)      │   │  데이터)    │   │ (기존+PQC)  │   │             │
└─────────────┘   └─────────────┘   └─────────────┘   └─────────────┘
     현재              2025-26           2027-28          2030+

제로 트러스트 구현 단계

단계	적용 대상	기술
1단계	사용자 인증	SSO, MFA, IAM
2단계	네트워크 세그먼트	마이크로세그멘테이션
3단계	워크로드 ID	SPIFFE/SPIRE, mTLS
4단계	데이터 보호	기밀 컴퓨팅, 암호화

실무 보강: SPIRE 배포 (K8s)

# SPIRE 서버 + 에이전트 설치
helm repo add spiffe https://spiffe.github.io/helm-charts
helm install spire spiffe/spire \
  --set server.trustDomain=example.org
 
# 워크로드 등록
kubectl exec spire-server-0 -- spire-server entry create \
  -spiffeID spiffe://example.org/app \
  -parentID spiffe://example.org/agent \
  -selector k8s:pod-label:app=myapp

6. 플랫폼 엔지니어링 도구

도구	용도	언제 사용?
Connectivity Link	멀티클러스터 API 게이트웨이	레거시 ↔ K8s 연결
ADS	소프트웨어 공급망 보안	CI/CD 보안 강화
OpenShift Lightspeed	K8s 운영 AI 비서	트러블슈팅 가속화

실무 시나리오

Connectivity Link 활용:

온프렘 Oracle DB ↔ OpenShift 앱 연결

Rate Limiting으로 트래픽 보호

DR 시 자동 페일오버 정책

ADS 활용:

PR 머지 전 취약점 스캔 자동화

컨테이너 이미지 서명 강제

SBOM 자동 생성 및 저장

학습 우선순위 체크리스트

지금 당장 알아야 할 것

EDA Rulebook 작성법

VMware → OpenShift 마이그레이션 절차

Kubernetes 백업/복구 (Kasten or Velero)

Terraform + Ansible 통합 패턴

6개월 내 준비할 것

vLLM 기반 추론 서버 배포

OpenTelemetry 기반 옵저버빌리티 구축

SPIFFE/SPIRE 기반 제로 트러스트

트렌드로 지켜볼 것

양자 내성 암호(PQC) 전환 동향

기밀 컴퓨팅 (SEV-SNP, TDX)

AI 모델 최적화 기법 (Speculative Decoding 등)

Track B-4: 가상화를 위한 AAP

Q1. VMware에서 OpenShift Virtualization으로 마이그레이션 시 AAP 역할은? ⭐

AAP는 마이그레이션의 전체 오케스트레이션을 담당합니다.

단계	역할	상세
Day 0 (발견)	인벤토리 수집	기존 VMware 환경에 접속하여 이관 대상 VM 정보 분석
Day 1 (이관)	실제 마이그레이션	MTV(Migration Toolkit for Virtualization)와 연동하여 VM 이관
Day 2 (사후 처리)	정합성 맞춤	변경된 VM 정보를 ITSM/모니터링 시스템에 업데이트

Q2. 가상화 환경에서 AAP로 자동화할 수 있는 Day 2 운영 작업은? ⭐

작업 유형	내용
전원 관리	하이퍼바이저 점검 전후 VM 일괄 정지/기동, 호스트 간 이동
운영 가시성	CPU/메모리 사용량, 패키지 정보 수집 → ITSM/CMDB 현행화
설정 변경	NTP/Timezone 설정, OS 패치, 애플리케이션 배포(CI/CD)
스냅샷 관리	작업 전후 VM 스냅샷 생성 및 관리
자원 관리	디스크 용량 부족 시 자동 증설 + 티켓 처리

Q3. vSphere 환경과 AAP 연동 방법 및 지원 모듈은?

연동 방법:

VMware 관리 콘솔(GUI) 없이 컬렉션/모듈로 vSphere API와 직접 통신

지원 현황:

VMware 컬렉션: 최근 90일간 3,400만 건 이상 사용
지원 하이퍼바이저: VMware, Nutanix, Hyper-V, KVM, OpenStack 등

Q4. VM 프로비저닝 자동화 워크플로우 예시는? ⭐

기존 2~3주 → 수 분으로 단축

┌─────────────┐   ┌─────────────┐   ┌─────────────┐
│ 1. 사용자   │ → │ 2. 인프라   │ → │ 3. 네트워크 │
│    요청     │   │ 프로비저닝  │   │ /스토리지   │
│ (사양 입력) │   │ (VM 생성)   │   │ (IP, DNS)   │
└─────────────┘   └─────────────┘   └─────────────┘
                                           ↓
┌─────────────┐   ┌─────────────┐   ┌─────────────┐
│ 6. 서비스   │ ← │ 5. 보안     │ ← │ 4. 미들웨어 │
│    오픈     │   │    점검     │   │ 설치(WAS등) │
│ (L4/DNS)    │   │             │   │             │
└─────────────┘   └─────────────┘   └─────────────┘

핵심: 팀 간 소통 없이 워크플로우로 자동 연결

Q5. 하이브리드(VMware + OpenShift) 환경 통합 관리 방법은? ⭐

기능	설명
단일 제어	VMware/OpenShift 모두 지원하는 모듈로 단일 플랫폼에서 관리
서베이(Survey)	사용자에게 표준화된 카탈로그 제공 → 일관된 형상의 VM 생성 보장

Track B-5: 지능형 자동화

Q6. EDA + Lightspeed 연계 자가치유(Self-healing) 데모 시나리오 ⭐

┌─────────────────────────────────────────────────────────────────┐
│  1. 장애 발생: Node 1의 HTTPD 서비스 장애                        │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  2. 관찰 (EDA): Kafka 플러그인으로 장애 이벤트 수집              │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  3. 평가 및 트리거: Rulebook 분석 → Controller에 워크플로우 요청 │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  4. 분석 (AI): Red Hat AI Platform이 로그 분석 → 해결 방법 판단  │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  5. 티켓 생성: ITSM에 장애 티켓 생성 + 분석 데이터 동기화        │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  6. 해결책 생성 (Lightspeed): "이 문제 해결하는 플레이북 만들어줘"│
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  7. 복구: 생성된 플레이북 실행 → 서비스 복구                     │
└─────────────────────────────────────────────────────────────────┘

Q7. Dynatrace/ServiceNow와 EDA 연동 아키텍처는? ⭐

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│  Dynatrace   │ → │     EDA      │ → │  ServiceNow  │
│  (관찰)      │    │   (판단)     │    │   (기록)     │
│ 문제 감지    │    │ Rulebook     │    │ 티켓 생성    │
└──────────────┘    └──────────────┘    └──────────────┘
                           ↓
                    ┌──────────────┐
                    │   Ansible    │
                    │   (조치)     │
                    │ 복구 실행    │
                    └──────────────┘
                           ↓
              정상 상태 감지 → 티켓 자동 종료

Q8. 실제 고객 사례에서 EDA 적용 범위는?

기업	환경	적용 범위	성과
Bancolombia	온프레미스 + 클라우드 하이브리드	Self-healing 인프라	MTTR 90%↓, 자동 해결 40%↑
스페인 보험사	Dynatrace + EDA	AIOps 환경	Downtime 50%↓

Q9. ITSM 티켓 자동 생성 및 종료 워크플로우 구현 방법은? ⭐

단계	동작
생성	이벤트 발생 → EDA → Playbook → ServiceNow 모듈로 티켓 생성
조치	리소스 증설 등 복구 작업 수행
검증	모니터링 시스템(Alertmanager)이 문제 해결 감지
종료	해제 이벤트 → EDA → Playbook → 티켓 ‘Resolved/Closed’ 상태 변경

Q10. Red Hat Insights와 EDA 연동 자동화 시나리오는? ⭐

시나리오	흐름
CVE 대응	보안 취약점 발견 → EDA → 패치 Playbook 자동 실행
구성 드리프트 교정	표준 설정 벗어남 감지 → 원래대로 롤백
리소스 최적화	과다 사용 감지 → 인스턴스 크기 조정 / 불필요 리소스 종료

키노트 및 AI 관련

Q11. Red Hat AI 전략에서 Ansible Lightspeed의 포지션은?

코딩 어시스턴트(Coding Assistant) 역할

자연어 → Playbook 코드 생성

자동화 진입 장벽 낮춤

기술 격차(Skills Gap) 해소

Q12. Lightspeed가 레드햇 검증 모범사례로 학습되었다는 의미는?

범용 AI (ChatGPT 등)	Lightspeed
일반적인 웹 데이터로 학습	레드햇이 검증한 자동화 Best Practices로 학습
품질 불균일	엔터프라이즈급 품질 보장
추가 검증 필요	바로 사용 가능 수준

Q13. AI 환각(Hallucination) 방지를 위한 Lightspeed 설계 철학은?

핵심 철학

“설명 가능한 신뢰 체계” + Human-in-the-loop

AI가 코드 생성
운영자가 검토(Review)
출처/근거 확인
승인 버튼 눌러야 적용

Q14. 자연어로 플레이북 생성 시 지원하는 프롬프트 예시는?

용도	프롬프트 예시	환경
장애 해결	”이 에러를 어떻게 해결할 수 있어?”	CLI
서비스 설치	”Install HTTPD service.”	VS Code
구성 변경	”Create a playbook to update NTP settings.”	VS Code

Q15. RHEL 10 Lightspeed vs AAP Lightspeed 차이는?

구분	RHEL 10 Lightspeed	AAP Lightspeed
환경	CLI (터미널)	VS Code 에디터
용도	리눅스 운영/트러블슈팅	Playbook 코드 생성
예시	”systemctl 에러 원인 뭐야?"	"Apache 설치하는 플레이북 만들어줘”
역할	운영자 멘토	코딩 파트너

추가 질문 (Follow-up)

Q16. Bancolombia 90% MTTR 단축의 구체적 자동화 항목은?

특정 작업이 아닌 전체 프로세스 자동화 결과
장애 감지 → 티켓 생성 → 조치 → 종료까지 End-to-End
수동 처리하던 반복적 문제들을 워크플로우로 전환

Q17. 자동 해결 비율 40% 측정 기준은?

자동 해결 비율 = (자동 처리된 인시던트 / 전체 인시던트) × 100

기존: 운영자가 수동으로 해결
EDA 도입 후: 사람 개입 없이 티켓 자동 종료
이 비율이 40% 이상 증가

Q18. “이 에러를 어떻게 해결할 수 있어?” 데모 재현 방법은?

# 1. 실패하는 명령어 실행
$ systemctl start httpd
# → 에러 발생
 
# 2. Lightspeed CLI로 질문
$ genie "How to fix this error?"
 
# 3. 응답 예시
"30번째 줄에 오타가 있습니다.
/etc/httpd/conf/httpd.conf 파일을 열어 수정하세요."

Q19. Lightspeed CLI vs VS Code 확장 차이는?

구분	CLI (RHEL)	VS Code 확장 (AAP)
목적	운영/트러블슈팅	자동화 개발
입력	터미널에서 자연어 질문	주석으로 요청 작성
출력	해결 가이드 (텍스트)	Ansible 코드 (YAML)

Q20. 워크플로우 잡 템플릿에서 조건부 분기 설정 방법은?

비주얼 디자이너 사용:

                    ┌─────────────┐
                    │  작업 A     │
                    └─────────────┘
                     ↙️         ↘️
            (성공/녹색)      (실패/빨간)
                 ↓               ↓
        ┌─────────────┐  ┌─────────────┐
        │  작업 B     │  │  롤백/알림  │
        │  (다음 단계) │  │  (에러 처리) │
        └─────────────┘  └─────────────┘

심화 Q&A (NotebookLM 기반)

출처

Red Hat Summit 2026 Korea 발표 자료를 NotebookLM으로 분석한 결과입니다. 자료에 없는 항목은 일반 기술 문서 기반으로 보충했습니다.

키노트 및 플랫폼 전략

Q21. vLLM의 PagedAttention이 메모리 효율을 높이는 원리는?

vLLM은 리눅스 OS의 페이징(Paging) 기법을 차용하여, LLM 추론 시 생성되는 KV 캐시(Key-Value Cache) 데이터를 논리적인 메모리 블록으로 나누어 관리합니다. 이를 통해 메모리 단편화(Fragmentation) 문제를 해결하고, GPU 메모리 공간의 낭비를 줄여 효율성을 높입니다.

Q22. RHEL Image Mode의 롤백 방식은? ⭐

RHEL 이미지 모드는 운영체제를 컨테이너 이미지 레이어 단위로 관리하기 때문에, 업데이트가 실패하거나 문제가 발생했을 때 이전 이미지 레이어로 전환하는 방식으로 쉽게 롤백을 수행할 수 있습니다.

Q23. 오픈소스 AI 모델이 규제 준수에 유리한 이유는?

오픈소스 AI는 투명성을 제공하고 특정 벤더의 폐쇄형 AI와 달리 기업이 자체 데이터와 인프라에 대한 **통제권(Sovereignty)**을 가질 수 있어 거버넌스 및 책임 있는 AI(Responsible AI) 구현에 유리합니다.

RHEL 10 심화

Q24. RHEL 10에서 Y2K38 문제를 어떻게 해결했나?

RHEL 10은 32비트 아키텍처에서 2038년 1월 19일 이후 시간이 음수로 표현되는 오버플로우 문제(Y2K38)를 해결하여 임베디드 시스템 등에서도 안전하게 사용할 수 있도록 대비했습니다.

Q25. ML-KEM과 ML-DSA의 차이점은?

알고리즘	용도	설명
ML-KEM	키 교환 (Key Exchange)	양자 내성 키 캡슐화 메커니즘
ML-DSA	디지털 서명 (Digital Signature)	인증서 서명 등에 사용

Q26. 기밀 컴퓨팅에서 AMD SEV-SNP와 Intel TDX 차이는?

보충 자료

발표 자료에 상세 비교는 없으나, 일반 기술 문서 기반으로 정리합니다.

구분	AMD SEV-SNP	Intel TDX
보호 단위	VM 단위 (하이퍼바이저로부터 격리)	TD(Trust Domain) 단위
메모리 암호화	AES-128 (SME 기반)	AES-128-XTS (TME 기반)
무결성 보장	SNP로 메모리 무결성 추가	기본 내장
Attestation	AMD 키 서버 기반	Intel SGX 인프라 활용
적용 시점	EPYC 3세대(Milan)+	Sapphire Rapids+

Q27. NPU 드라이버 내장의 장점은?

RHEL AI 및 RHEL 10에는 AMD, Intel, NVIDIA 등의 다양한 AI 가속기(NPU 등) 드라이버가 OS 이미지에 미리 포함되어 있어, 사용자가 별도로 커널을 설정하거나 드라이버를 설치하는 복잡한 과정 없이 하드웨어를 즉시 사용할 수 있습니다.

Q28. 리얼타임 커널이 기본 포함된 이유는?

기존에는 별도 애드온으로 구매해야 했던 리얼타임 커널이 RHEL 10부터는 기본 포함되어, 국방(레이더)이나 금융 거래 시스템과 같이 초저지연(Low Latency)이 필요한 환경을 추가 비용 없이 구축할 수 있도록 지원하기 위함입니다.

다이나트레이스 Observability

Q29. Smartscape Topology가 Pod 간 관계를 매핑하는 방식은? ⭐

다이나트레이스의 Smartscape Topology는 사용자가 별도로 설정하지 않아도 OneAgent가 수집한 데이터를 기반으로 데이터 간의 연결 관계와 선후 관계(인과 관계)를 자동으로 추적하고 시각화하여 시스템의 현재 상황을 매핑합니다.

Q30. Davis AI가 Unknown Unknowns를 탐지하는 방법은? ⭐

기존 모니터링이 사전에 정의된 규칙(예상된 문제)만 확인하는 것과 달리, Davis AI는 데이터의 맥락(Context)과 상관관계를 분석하여 사용자가 미처 알지 못했던 문제(Unknown Unknowns)의 원인을 스스로 추적하고 규명합니다.

Q31. OneAgent와 OpenTelemetry는 어떻게 공존하나?

보충 자료

발표 자료에 없으나, 다이나트레이스 공식 문서 기반으로 정리합니다.

방식	설명
OTLP 수집	OpenTelemetry Collector → Dynatrace로 메트릭/트레이스 전송
자동 연계	OneAgent가 수집한 데이터와 OTel 데이터를 Smartscape에서 통합
W3C Trace Context	분산 트레이싱 표준 준수로 상호 운용성 확보
하이브리드 모드	일부는 OneAgent, 일부는 OTel SDK로 계측 가능

Red Hat AI

Q32. InstructLab이 기존 RLHF보다 효율적인 이유는?

InstructLab은 모델에 지식과 기술(Skill)을 쉽게 추가할 수 있는 도구로, **RAG(검색 증강 생성)**와 함께 사용할 경우 모델 전체를 재학습시키는 것보다 훨씬 적은 비용으로 도메인 특화 모델을 만들 수 있으며 높은 성능과 정확도를 제공합니다.

Q33. Llama Stack과 LangChain의 차이점은?

Llama Stack은 추론, 벡터 검색, 평가 등의 기능을 단일 API로 제공하여 에이전트 구축을 돕습니다.

보충 비교

구분	Llama Stack	LangChain
주체	Meta 공식	커뮤니티/LangChain Inc.
목적	Llama 모델 최적화 서빙	다양한 LLM 오케스트레이션
API 통일성	단일 표준 API	추상화 레이어 (다양한 백엔드)
에이전트	네이티브 지원	LangGraph 등 별도 모듈

Q34. MCP(Model Context Protocol)란 무엇인가?

MCP는 AI 애플리케이션의 **‘USB 허브’**와 같은 역할을 하는 프로토콜로, AI 모델이 기존의 다양한 IT 시스템 및 데이터 소스와 표준화된 방식으로 상호 작용하고 통합될 수 있도록 지원합니다.

Q35. OpenShift AI와 RHEL AI 중 선택 기준은? ⭐

구분	RHEL AI	OpenShift AI
환경	단일 서버, 엣지	쿠버네티스 클러스터
용도	LLM 개발/서빙 (경량)	대규모 분산 학습, MLOps
스케일	수직 확장	수평 확장
적합 대상	PoC, 소규모 팀	엔터프라이즈 프로덕션

양자 보안

Q36. HNDL 공격이란 무엇이고 대응 방법은? ⭐

**HNDL(Harvest Now, Decrypt Later)**은 해커들이 현재의 암호화된 데이터를 수집해 두었다가, 향후 양자 컴퓨터가 상용화되는 시점(Q-Day)에 복호화하여 정보를 탈취하려는 공격 형태입니다.

대응: 지금부터 **양자 내성 암호(PQC)**로 전환하여 데이터를 보호해야 합니다.

Q37. 하이브리드 암호화 전환 시 성능 오버헤드는?

보충 자료

발표 자료에 수치는 없으나, NIST/업계 벤치마크 기반으로 정리합니다.

항목	영향
TLS 핸드셰이크	약 10-30% 지연 증가 (ML-KEM 기준)
키 크기	RSA 2048 → ML-KEM-768: 키 크기 약 2배
서명 크기	ECDSA → ML-DSA: 서명 크기 약 10배
CPU 사용량	격자 기반 연산으로 소폭 증가

하이브리드 모드(기존 + PQC 병행)는 오버헤드가 더 크지만, 전환기 호환성 확보에 필수

Q38. SPIFFE/SPIRE 기반 워크로드 아이덴티티의 장점은? ⭐

네트워크 내부의 워크로드도 신뢰하지 않는 제로 트러스트 원칙에 따라, 각 워크로드에 검증 가능한 ID(SPIFFE ID)를 자동으로 발급하고 관리합니다. 이를 통해 정적 시크릿(Static Secret) 사용을 최소화하고 안전한 통신(mTLS 등)을 구현할 수 있습니다.

Q39. Q-Day 전에 PQC로 전환해야 할 데이터 우선순위는?

우선순위	데이터 유형	이유
1순위	장기 기밀 데이터	국가 기밀, 의료 기록, 금융 데이터
2순위	장기 유효 인증서/키	CA 루트 인증서, 코드 서명 키
3순위	규제 대상 데이터	GDPR, HIPAA 적용 데이터

vLLM 추론 최적화

Q40. Continuous Batching과 Static Batching의 차이는?

구분	Static Batching	Continuous Batching
동작	배치 내 모든 요청 완료까지 대기	완료된 슬롯에 새 요청 즉시 투입
GPU 효율	유휴 시간 발생	가동률 극대화
지연시간	긴 요청에 의해 전체 지연	개별 요청 독립 처리

Q41. INT8/FP8 양자화가 정확도에 미치는 영향은?

일반적인 양자화는 모델 크기를 줄이는 대신 정확도가 떨어질 수 있으나, vLLM의 LLM Compressor 등을 활용하여 FP8 등으로 양자화할 경우 모델 크기를 절반 이하로 줄이면서도 정확도를 99.5% 수준으로 유지할 수 있습니다.

Q42. Speculative Decoding이란?

보충 자료

발표 자료에 없으나, vLLM 공식 문서 기반으로 정리합니다.

┌─────────────────────────────────────────────────────────┐
│  1. Draft 모델 (소형)이 N개 토큰을 빠르게 예측           │
└─────────────────────────────────────────────────────────┘
                         ↓
┌─────────────────────────────────────────────────────────┐
│  2. Target 모델 (대형)이 예측 토큰들을 한 번에 검증      │
└─────────────────────────────────────────────────────────┘
                         ↓
┌─────────────────────────────────────────────────────────┐
│  3. 일치하는 토큰은 채택, 불일치 시점부터 재생성         │
└─────────────────────────────────────────────────────────┘

효과: 대형 모델의 forward pass 횟수를 줄여 추론 속도 2-3배 향상

Q43. 멀티 GPU에서 Tensor Parallelism 병목 최소화 방법은?

파이토치(PyTorch) 기본 설정만으로는 병목이 발생할 수 있어, vLLM 등은 All-Reduce 연산과 같은 통신 과정을 최적화한 **커스텀 커널(Custom CUDA Kernels)**을 사용하여 GPU 간 데이터 취합 속도를 높이고 병목을 최소화합니다.

OpenShift 애드온

Q44. Connectivity Link가 기존 Ingress Controller와 다른 점은? ⭐

구분	Ingress Controller	Connectivity Link
범위	단일 클러스터 내부	멀티클러스터, 하이브리드
연결 방향	East-West 중심	North-South (레거시 포함)
추가 기능	기본 라우팅	Rate Limiting, QoS, DR 정책

Q45. ADS가 SBOM을 생성하는 방식은?

**ADS(Advanced Developer Suite)**는 안전한 소프트웨어 공급망(Trusted Software Supply Chain) 구축을 위해 빌드 및 배포 파이프라인 단계에서 아티팩트 서명, 취약점 분석, 정책 검사 등을 자동화합니다.

SBOM은 빌드 시점에 의존성을 분석하여 CycloneDX/SPDX 형식으로 자동 생성

Q46. Zero Trust Workload Identity 구현 원리는? ⭐

네트워크 내부에 있더라도 어떤 워크로드도 기본적으로 신뢰하지 않습니다. SPIFFE/SPIRE를 통해 각 워크로드에 고유한 신분증(ID)을 부여하고, 작업을 수행할 때마다 이 신분증을 검증하여 권한을 부여하는 방식입니다.

Veeam/Kasten 백업

Q47. Kasten K10의 애플리케이션 정합성 보장 방식은? ⭐

단순한 볼륨 복제가 아니라, 클러스터 전체와 데이터베이스가 포함된 애플리케이션의 **정합성(Application Consistency)**을 유지하는 형태로 백업을 수행하여, 복구 시 데이터 손상 없이 서비스가 정상 작동하도록 보장합니다.

Q48. VMware VM을 OpenShift PV로 변환하는 과정은? ⭐

Veeam Kasten의 마이그레이션 기능을 활용하며, Transform Set 기능을 통해 레거시 환경(VMware 등)의 볼륨 및 설정 정보를 OpenShift 환경에 맞는 정보(PV 등)로 자동으로 변환하여 이관합니다.

Q49. Immutable Backup 구현 방식은? ⭐

랜섬웨어 대응을 위해 백업 데이터를 Immutable(불변) 저장소에 보관하여, 해커나 악의적인 관리자라도 백업된 데이터를 수정하거나 삭제할 수 없도록 보호합니다.

S3 Object Lock, WORM 스토리지 등 활용

AAP/EDA 심화

Q50. AAP에서 HashiCorp Vault 연동 방법은?

보충 자료

발표 자료에 없으나, AAP 공식 문서 기반으로 정리합니다.

방식	설명
Credential Plugin	AAP에서 Vault를 External Credential Source로 등록
Lookup Plugin	Playbook 내에서 `hashi_vault` lookup으로 시크릿 조회
EE 포함	Execution Environment에 hvac 라이브러리 포함

# Credential Type 설정 예시
injectors:
  extra_vars:
    my_secret: "{{ lookup('hashi_vault', 'secret/data/app') }}"

Q51. 이기종 하이퍼바이저 인벤토리 동기화 방법은? ⭐

Ansible Automation Platform은 VMware, Nutanix, OpenStack 등 다양한 하이퍼바이저의 API와 연동되는 모듈을 통해 각 VM의 상태 정보와 자원 현황을 수집하고, 이를 ITSM이나 CMDB에 자동으로 동기화하여 가시성을 확보합니다.

Q52. EDA Rulebook에서 복합 이벤트 처리 방식은? ⭐

보충 자료

발표 자료에 상세 없으나, EDA 문서 기반으로 정리합니다.

# 복합 조건 Rulebook 예시
rules:
  - name: 복합 장애 감지
    condition:
      all:
        - event.alert.severity == "critical"
        - event.alert.count >= 3
        - event.alert.duration > 300  # 5분 이상 지속
    action:
      run_job_template:
        name: emergency-response

연산자	설명
`all`	모든 조건 충족 (AND)
`any`	하나 이상 충족 (OR)
`not_all`	모든 조건 미충족

Q53. EDA Controller 고가용성 구성 방법은?

보충 자료

발표 자료에 없으나, AAP 2.4+ 아키텍처 기반으로 정리합니다.

구성 요소	HA 전략
EDA Controller	다중 인스턴스 + 로드밸런서
이벤트 소스	Kafka 클러스터 (파티션 기반 분산)
Rulebook 실행	여러 Worker에서 병렬 처리
상태 저장	PostgreSQL HA (Patroni 등)

이벤트 유실 방지: Kafka Consumer Group의 offset 관리로 재시도 보장

Q54. Insights 취약점 오탐 필터링 방법은?

보충 자료

발표 자료에 없으나, Red Hat Insights 문서 기반으로 정리합니다.

방법	설명
Disable Rule	특정 규칙을 시스템/그룹 단위로 비활성화
Risk Adjustment	환경에 맞게 위험도 재평가
Playbook 커스터마이징	자동 생성된 Playbook을 수정하여 예외 처리
Tagging	시스템 태그로 그룹화하여 정책 차등 적용

📚 참고 자료

세션 목록

트랙	세션명
A-1	차세대 플랫폼: 레드햇의 하이브리드 클라우드 전략
A-2	다이나트레이스 OpenShift K8s 환경을 위한 AI 기반 Observability
A-3	Red Hat AI 로드맵: Red Hat AI 비전과 전략
A-4	다가오는 양자 컴퓨팅 시대를 위한 플랫폼 보호 전략
A-5	Red Hat AI Inference Server: vLLM 기반 LLM 서빙
B-1	Red Hat OpenShift 파헤치기: OpenShift를 빛내는 조연들
B-3	Veeam: 컨테이너 백업 마이그레이션
B-4	자동화 가속화: 가상화를 위한 Ansible Automation Platform
B-5	지능형 자동화로 운영 효율성 달성

영상 링크

YouTube 플레이리스트

Quartz 4

탐색기

Red Hat Summit 2026 Korea - 세션별 Q&A 정리

🎯 Red Hat Summit 2026 Korea - 세션별 Q&A 정리

📑 목차

클라우드 엔지니어 핵심 역량 요약

1. AI 인프라 구축 및 최적화

2. 가상화의 현대화

3. 지능형 자동화

4. 옵저버빌리티(Observability)

5. 차세대 보안

양자 내성 암호(PQC) 전환 로드맵

제로 트러스트 구현 단계

6. 플랫폼 엔지니어링 도구

학습 우선순위 체크리스트

Track B-4: 가상화를 위한 AAP

Q1. VMware에서 OpenShift Virtualization으로 마이그레이션 시 AAP 역할은? ⭐

Q2. 가상화 환경에서 AAP로 자동화할 수 있는 Day 2 운영 작업은? ⭐

Q3. vSphere 환경과 AAP 연동 방법 및 지원 모듈은?

Q4. VM 프로비저닝 자동화 워크플로우 예시는? ⭐

Q5. 하이브리드(VMware + OpenShift) 환경 통합 관리 방법은? ⭐

Track B-5: 지능형 자동화

Q6. EDA + Lightspeed 연계 자가치유(Self-healing) 데모 시나리오 ⭐

Q7. Dynatrace/ServiceNow와 EDA 연동 아키텍처는? ⭐

Q8. 실제 고객 사례에서 EDA 적용 범위는?

Q9. ITSM 티켓 자동 생성 및 종료 워크플로우 구현 방법은? ⭐

Q10. Red Hat Insights와 EDA 연동 자동화 시나리오는? ⭐

키노트 및 AI 관련

Q11. Red Hat AI 전략에서 Ansible Lightspeed의 포지션은?

Q12. Lightspeed가 레드햇 검증 모범사례로 학습되었다는 의미는?

Q13. AI 환각(Hallucination) 방지를 위한 Lightspeed 설계 철학은?

Q14. 자연어로 플레이북 생성 시 지원하는 프롬프트 예시는?

Q15. RHEL 10 Lightspeed vs AAP Lightspeed 차이는?

추가 질문 (Follow-up)

Q16. Bancolombia 90% MTTR 단축의 구체적 자동화 항목은?

Q17. 자동 해결 비율 40% 측정 기준은?

Q18. “이 에러를 어떻게 해결할 수 있어?” 데모 재현 방법은?

Q19. Lightspeed CLI vs VS Code 확장 차이는?

Q20. 워크플로우 잡 템플릿에서 조건부 분기 설정 방법은?

심화 Q&A (NotebookLM 기반)

키노트 및 플랫폼 전략

Q21. vLLM의 PagedAttention이 메모리 효율을 높이는 원리는?

Q22. RHEL Image Mode의 롤백 방식은? ⭐

Q23. 오픈소스 AI 모델이 규제 준수에 유리한 이유는?

RHEL 10 심화

Q24. RHEL 10에서 Y2K38 문제를 어떻게 해결했나?

Q25. ML-KEM과 ML-DSA의 차이점은?

Q26. 기밀 컴퓨팅에서 AMD SEV-SNP와 Intel TDX 차이는?

Q27. NPU 드라이버 내장의 장점은?

Q28. 리얼타임 커널이 기본 포함된 이유는?

다이나트레이스 Observability

Q29. Smartscape Topology가 Pod 간 관계를 매핑하는 방식은? ⭐

Q30. Davis AI가 Unknown Unknowns를 탐지하는 방법은? ⭐

Q31. OneAgent와 OpenTelemetry는 어떻게 공존하나?

Red Hat AI

Q32. InstructLab이 기존 RLHF보다 효율적인 이유는?

Q33. Llama Stack과 LangChain의 차이점은?

Q34. MCP(Model Context Protocol)란 무엇인가?

Q35. OpenShift AI와 RHEL AI 중 선택 기준은? ⭐

양자 보안

Q36. HNDL 공격이란 무엇이고 대응 방법은? ⭐

Q37. 하이브리드 암호화 전환 시 성능 오버헤드는?

Q38. SPIFFE/SPIRE 기반 워크로드 아이덴티티의 장점은? ⭐

Q39. Q-Day 전에 PQC로 전환해야 할 데이터 우선순위는?

vLLM 추론 최적화

Q40. Continuous Batching과 Static Batching의 차이는?

Q41. INT8/FP8 양자화가 정확도에 미치는 영향은?

Q42. Speculative Decoding이란?

Q43. 멀티 GPU에서 Tensor Parallelism 병목 최소화 방법은?

OpenShift 애드온

Q44. Connectivity Link가 기존 Ingress Controller와 다른 점은? ⭐

Q45. ADS가 SBOM을 생성하는 방식은?

Q46. Zero Trust Workload Identity 구현 원리는? ⭐

Veeam/Kasten 백업

Q47. Kasten K10의 애플리케이션 정합성 보장 방식은? ⭐

Q48. VMware VM을 OpenShift PV로 변환하는 과정은? ⭐

Q49. Immutable Backup 구현 방식은? ⭐

AAP/EDA 심화

Q50. AAP에서 HashiCorp Vault 연동 방법은?

Q51. 이기종 하이퍼바이저 인벤토리 동기화 방법은? ⭐