Introducere în observabilitate

Ce este observabilitatea?

Observabilitatea îți permite să înțelegi un sistem din exterior, oferindu-ți posibilitatea de a pune întrebări despre acel sistem fără a îi cunoaște funcționarea internă. Mai mult, aceasta îți permite să depanezi și să gestionezi cu ușurință probleme noi, adică „necunoscutele necunoscute” (“unknown unknowns”). De asemenea, te ajută să răspunzi la întrebarea „De ce se întâmplă acest lucru?”.

Pentru a putea adresa aceste întrebări despre sistemul tău, aplicația trebuie să fie instrumentată corespunzător. Adică, codul aplicației trebuie să emită semnale precum urme (traces), metrici și jurnale (logs). O aplicație este instrumentată corespunzător atunci când dezvoltatorii nu mai trebuie să adauge instrumentare suplimentară pentru a depana o problemă, deoarece au deja toate informațiile necesare.

OpenTelemetry este mecanismul prin care codul aplicației este instrumentat pentru a ajuta la obținerea observabilității unui sistem.

Fiabilitate și metrici

Telemetria se referă la datele emise de un sistem și de comportamentul său. Aceste date pot lua forma de urme (traces), metrici și jurnale (logs).

Fiabilitatea răspunde la întrebarea: „Face serviciul ceea ce se așteaptă utilizatorii să facă?”. Un sistem poate fi disponibil 100% din timp, dar dacă, atunci când un utilizator apasă „Adaugă în Coș” pentru a adăuga o pereche de pantofi negri în coșul de cumpărături, sistemul nu adaugă întotdeauna pantofi negri, atunci sistemul poate fi nefiabil.

Metricile sunt agregări, pe o anumită perioadă, ale unor date numerice despre infrastructura sau aplicația ta. Exemple includ: rata de erori a sistemului, utilizarea CPU și rata de cereri pentru un anumit serviciu. Pentru mai multe informații despre metrici și relația lor cu OpenTelemetry, vezi Metrici.

SLI (Service Level Indicator – Indicator de Nivel al Serviciului) reprezintă o măsurătoare a comportamentului unui serviciu. Un SLI bun măsoară serviciul din perspectiva utilizatorilor. Un exemplu de SLI este viteza cu care se încarcă o pagină web.

SLO (Service Level Objective – Obiectiv de Nivel al Serviciului) reprezintă modul prin care fiabilitatea este comunicată într-o organizație sau către alte echipe. Acest lucru se realizează prin asocierea unuia sau mai multor SLI-uri cu valoarea de business.

Înțelegerea urmăririi distribuite

Urmărirea distribuită îți permite să observi cererile pe măsură ce acestea se propagă prin sisteme distribuite complexe. Urmărirea distribuită îmbunătățește vizibilitatea stării de sănătate a aplicației sau a sistemului și îți permite să depanezi comportamente care sunt dificil de reprodus local. Este esențială pentru sistemele distribuite, care au frecvent probleme nedeterministe sau sunt prea complexe pentru a fi reproduse local.

Pentru a înțelege urmărirea distribuită, trebuie să înțelegi rolul fiecărei componente: jurnale, intervale și urme.

Jurnale

Un jurnal (log) este un mesaj cu marcaj temporal emis de servicii sau alte componente. Spre deosebire de urme, acestea nu sunt neapărat asociate cu o anumită cerere sau tranzacție a utilizatorului. Jurnalele pot fi găsite aproape peste tot în software. Ele au fost utilizate intens, în trecut, atât de dezvoltatori, cât și de operatori, pentru a înțelege comportamentul sistemului.

Exemplu de jurnal:

I, [2021-02-23T13:26:23.505892 #22473]  INFO -- : [6459ffe1-ea53-4044-aaa3-bf902868f730] Started GET "/" for ::1 at 2021-02-23 13:26:23 -0800

Jurnalele nu sunt suficiente pentru urmărirea execuției codului, deoarece, de obicei, le lipsesc informațiile contextuale, cum ar fi locul din care au fost apelate.

Ele devin mult mai utile atunci când sunt incluse ca parte a unui interval sau atunci când sunt corelate cu o urmă și un interval.

Pentru mai multe informații despre jurnale și modul în care acestea se raportează la OpenTelemetry, vezi Jurnale.

Intervale

Un interval (span) reprezintă o unitate de lucru sau o operațiune. Intervalele urmăresc operațiuni specifice pe care le efectuează o cerere, construind o imagine a ceea ce s-a întâmplat în intervalul de timp în care acea operațiune a fost executată.

Un interval conține un nume, date legate de timp, mesaje de jurnal structurate și alte metadate (adică atribute), pentru a furniza informații despre operațiunea pe care o urmărește.

Atributele unui interval

Atributele unui interval sunt metadate atașate unui interval.

Tabelul următor conține exemple de atribute de interval:

Pentru mai multe informații despre intervale și modul în care acestea se raportează la OpenTelemetry, vezi Intervale.

Urme distribuite

O urmă distribuită, cunoscută mai frecvent ca urmă (trace), înregistrează traseele parcurse de cereri (inițiate de o aplicație sau de un utilizator final) pe măsură ce acestea se propagă prin arhitecturi cu mai multe servicii, precum aplicațiile bazate pe micro-servicii sau serverless.

O urmă este alcătuită din unul sau mai multe intervale. Primul interval reprezintă intervalul rădăcină (root span). Fiecare interval rădăcină reprezintă o cerere de la început până la sfârșit. Intervalele aflate sub acesta oferă un context mai detaliat despre ceea ce se întâmplă în timpul unei cereri (sau despre pașii care alcătuiesc o cerere).

Fără urmărire, identificarea cauzei principale a problemelor de performanță într-un sistem distribuit poate fi dificilă. Urmărirea face depanarea și înțelegerea sistemelor distribuite mai puțin descurajante, prin descompunerea a ceea ce se întâmplă într-o cerere pe măsură ce aceasta circulă printr-un sistem distribuit.

Multe backend-uri de observabilitate vizualizează urmele sub formă de diagrame „în cascadă” (waterfall), care arată astfel:

Diagramele „în cascadă” arată relația părinte–copil dintre un interval rădăcină și intervalele sale copil. Atunci când un interval încapsulează un alt interval, acest lucru reprezintă, de asemenea, o relație imbricată.

Pentru mai multe informații despre urme și modul în care acestea se raportează la OpenTelemetry, vezi Urme.