Śladami danych

Niedawno Gartner rozszerzył nazwę swojego raportu Magic Quadrant, dotyczącego rynku APM dodając do niej słowo „obserwowalność”. Zapewniające tą funkcjonalność narzędzia wykorzystują wspomaganą sztuczną inteligencją analitykę, aby szybko identyfikować lub nawet przewidywać problemy na podstawie zbieranych sygnałów telemetrii. Gartner definiuje ten segment rynku jako „oprogramowanie umożliwiające obserwację i analizę zdrowia aplikacji, ich wydajności oraz doświadczenia użytkownika (UX)”.

Obserwowalność opiera się na wspomnianej telemetrii, zbieranej z punktów końcowych i usług w wielochmurowym środowisku obliczeniowym. Każdy składnik sprzętowy, oprogramowanie i infrastruktura chmury, a także każdy kontener, narzędzie open-source i mikrousługa generują zapisy wszystkich swoich aktywności w takim złożonym systemie. Trzy rodzaje telemetrii, które są powszechnie używane do opisywania obserwowalności, to logi, metryki i ślady (traces).

Logi stanowią zapis wydarzeń wewnątrz systemu. Z kolei metryki to zestaw wartości, które są monitorowane w czasie. Przykładami metryk mogą być kluczowe wskaźniki wydajności (KPI), wydajność procesora oraz każda inna ocena stanu i wydajności systemu. Ślad jest natomiast efektem śledzenia danego żądania począwszy od interfejsu użytkownika przez cały system i z powrotem, gdy użytkownik otrzymuje potwierdzenie, że jego żądanie zostało zrealizowane. W ramach śladu rejestrowana jest każda operacja wykonana w odpowiedzi na to żądanie.

Docelowymi użytkownikami oprogramowania oferującego obserwowalność są działy IT, osoby odpowiadające za działanie serwisów internetowych, specjaliści ds. chmur i platform, programiści aplikacji oraz producenci oprogramowania.

Obserwowalność to także wyzwania Wielu dostawców narzędzi z obszaru APM & Observability publikuje co roku raporty o stanie technologii i rynku. Należą do nich Splunk i Observe. Najnowsze badania tego drugiego potwierdzają, że obserwowalność zyskuje na świecie popularność i może być receptą w radzeniu sobie z wyzwaniami, przed którymi stoją nowoczesne firmy. Jednak osiągnięcie obserwowalności wymaga rozwiązania pewnych problemów. Po pierwsze zwiększa się wykorzystanie nowych technologii, takich jak mikrousługi i serverless, a wraz z nimi rośnie złożoność środowisk aplikacyjnych i tym samym poziom trudności w osiągnięciu obserwowalności. Po drugie, chociaż wiele organizacji twierdzi, że stosuje obserwowalność, to wciąż trwa zamieszanie wokół znaczenia tego terminu. Co więcej, niewiele organizacji uważa, że znalazło sposób na mierzenie jej wpływu. Kolejnym problemem jest to, że dane są kluczowe dla osiągnięcia obserwowalności, ale przetwarzanie dużych wolumenów danych może w tym kontekście stanowić wyzwanie. Według danych Observe wynika, że ponad ¾ badanych organizacji zbiera więcej niż 100 GB danych dziennie, przy czym niemal połowa pozbywa się ich z powodu kosztów przechowywania.