Előző cikkünkben bemutattuk, hogyan váltak a szigetszerű, nagy erőforrásokat igénylő rendszerfelügyeleti eszközök könnyebben kezelhető, prediktív és magasabb szinten automatizált rendszerré. Ezúttal az obszervabilitás bevezetésének fontos szempontjait, lépéseit és buktatóit tekintjük át.

Céloktól a hatékony üzemeltetésig

Az első lépés annak meghatározása, hogy hova szeretne pontosan elérni a szervezet, azaz világosan definiálni kell az obszervabilitás használatával elérendő üzleti és technológiai célokat. Ez lehet például a rendszer megbízhatóságának növelése, a hibakeresés idejének csökkentése, de akár a felhasználói élmény javítása is, illetve nem utolsó sorban a piacra lépési idő csökkentése. Ennek ismeretében lehet kiválasztani a megfelelő eszközt. Bár az obszervabilitást bevezetni igyekvő szervezetek a bőség zavarával küzdenek, két ökölszabályt mindenképpen érdemes betartaniuk: olyan eszközre érdemes voksolni, amely (1) a lehető legzökkenőmentesebben integrálható a meglévő infrastruktúrával, és (2) képes kezelni annak komplexitását.

A bevezetés során egyik megoldás esetében sem spórolható meg tanítás és konfigurálás, hiszen csak így lesz képes az obszervabilitási platform releváns adatokat szolgáltatni. A konfigurálásnak esetenként része lehet például a log- és metrika gyűjtés, illetve a nyomonkövetés (tracking) kiterjesztése az alkalmazási és infrastruktúra rétegben egyaránt. Ez ugyanis elengedhetetlen lépés ahhoz, hogy láthatóvá váljanak a rendszer komponensei közötti kapcsolatok és függőségek. Teljes képet akkor kapunk, ha az elemzésbe bevonjuk a metaadatokat, a felhasználói viselkedést, a hálózati topológiát és a network mappinget, sőt akár kódelemzésre is van lehetőségünk; a mindezek közötti korrelációk felismerésének képességét nevezzük kiterjesztett obszervabilitásnak, melyhez szinte elengedhetetlen a mesterséges intelligencia, és amelyre az obszervabilitási eszközök közül is csak kevés képes.

Az obszervabilitás hatékonysága tovább növelhető az összegyűjtött adatok központi tárolásával, amely megkönnyíti az elérhetőségüket, és javítja az elemezhetőségüket. Ez utóbbi különösen fontos, hogy a rendszer automatikusan feltárja az anomáliákat, a potenciális problémákat és a trendeket. A vizualizációs felületen a rendszermérnökök pedig gyorsan áttekinthetik a rendszer állapotát.

Az obszervabilitás bevezetése kéz a kézben járhat az AIOps adoptálásával, azaz a mesterséges intelligenciával támogatott IT-üzemeltetésre való átállással. Ezáltal ugyanis egyesíthető a hibaelemzés és a kódszintű láthatóság, ami automatikusan azonosíthatóvá teszi a problémák gyökerét. A mesterséges intelligencia-alapú analízis képes felismerni olyan rejtett mintázatokat, amelyeket a hagyományos monitorozás figyelmen kívül hagyna, így a rendszer képes lehet a reaktív monitorozást proaktívvá, sőt egyes esetekben, mesterséges intelligencia alkalmazásával prediktívvé alakítani. Ez gyorsabb és pontosabb reagálást biztosít DevOps és SRE (Site Reliability Engineer) csapatok számára egyaránt (a két modern üzemeltetési eljárás viszonyáról, illetve azokban az obszervabilitás szerepéről többek között itt olvashatunk).

A bevezetés fontos szempontjai

A diszruptív technológiák soha nem pusztán technológiai változást hoznak – sőt, gyakran az jelenti a kisebb kihívást. Ez az obszervabilitásra is igaz. Bevezetése egyúttal kulturális (munkakultúra, szervezeti kultúra) átalakulást is hoz magával: előtérbe helyezi a csapatmunkát. A különböző részlegek együttműködését eredményezi, illetve azt, hogy a hatékony problémamegoldás érdekében megosztják egymással a rendelkezésükre álló információkat.

Csak akkor lehet megbízható következtetéseket levonni, ha az összegyűjtött adatok pontosak és relevánsak. A rendszernek tudnia kell kezelni a növekvő adat- és forgalmi terhelést anélkül, hogy ez a teljesítmény rovására menne. Vagyis arról már a bevezetésekor gondoskodni kell, hogy a rendszer skálázható legyen a terhelés növekedésekor.

Végül az információbiztonság szempontjait is figyelembe kell venni. Az obszervabilitási adatok érzékeny információkat tartalmazhatnak, ezért biztosítani kell azok védelmét és a hozzáférés megfelelő szabályozását.

Ideális esetben a fenti szempontok már alkalmazásszinten érvényesülnek. Ehhez azonban eleve az obszervabilitás szempontjait figyelembe vevő módon kell, hogy végbe menjen a szoftvertervezés és -fejlesztés. Napjainkban robbanásszerű fejlődés figyelhető meg az ezt biztosító eszközkészletek terén, például lehetőség nyílt a hibák valós idejű vizsgálatára anélkül, hogy újra kellene telepíteni az alkalmazást vagy a teljesítményt befolyásoló műveleteket kellene végezni. Az önkiszolgáló modellek révén pedig a vállalatok könnyebben integrálhatják az obszervabilitást fejlesztői folyamataikba, eszközeikbe.

Kerülje el a buktatókat!

Egy obszervabilitási platform sikeres bevezetéséhez és üzemeltetéséhez érdemes számba venni a lehetséges buktatókat is.

Alapesetben igaz, hogy minél több az adat, annál pontosabb lesz az elemzés. Bár a szigetszerű információtárolás nem feltétlenül akadályozza a bevezetést, azt mindenképpen megnehezíti, hogy átfogó képet rajzolhassunk informatikai rendszerünk állapotáról. Érdemes tehát az obszervabilitás üzemanyagát biztosító adatokat központilag tárolni.

Sokan nem számolnak az automatizálás fontosságával. Automatizált riasztások és válaszlépések nélkül szinte biztosan nem lehet teljes egészében kiaknázni egy ilyen platform előnyeit. Sőt, automatizálás nélkül nem is beszélhetünk igazi obszervabilitásról.

Ugyancsak alááshatja a sikert, ha a rendszer kiválasztásakor nem veszik figyelembe a szervezet specifikus igényeit, a meglévő és a modernizált infrastruktúráját. Mint minden területre, az obszervabilitásra is igaz: ha nem a megfelelő megoldást és keretrendszert választjuk hozzá, akkor az több problémát okozhat, mint amennyit megold.

Ha nő a hatékonyság, sikerrel jártunk

Az obszervabilitás tervezésekor fontos meghatározni az üzleti és technológiai célokat, biztosítani a szükséges adatforrások integrációját, a hozzáférés-kezelést és a csapatok közötti együttműködést. A megfelelő stratégia sikeres végrehajtása révén javulhat a rendszerek, alkalmazások teljesítménye és megbízhatósága, gyorsabbá válhat a hibaelhárítás, valamint növekedhet a felhasználói élmény – még a folyamatosan növekvő, változó üzleti igények mellett is.

Ez a cikk független szerkesztőségi tartalom, mely a Dynatrace támogatásával készült. Részletek »