Sektörden Haberler

Gözlemlenebilirlik ve İzleme ile Neden Farklıdır?

22 Kasım 2021 Pazartesi



Kuruluşlar, uygulama hizmetleri sağlamak için giderek daha fazla dağıtılmış mimarilere bağımlı hale geliyor.  Bu eğilim, hem gözlemlenebilirlik hem de izleme konularında ilerlemeler sağlıyor.  Ancak gözlemlenebilirlik ile izleme arasındaki farklar tam olarak nedir?

Uygulama teslim zincirinde bir şeyler ters gittiğinde bunu anlamak çok önemlidir, böylece işletmenizi etkilemeden önce temel nedeni belirleyebilir ve düzeltebilirsiniz.  İzleme ve gözlemlenebilirlik iki yönlü bir yaklaşım sağlar. 

İzleme: Durumsal farkındalık sağlar.
Gözlemlenebilirlik de: Sistemin genelinde neler olduğunu ve bu konuda ne yapılması gerektiğini belirlemeye yardımcı olur.

Gözlemlenebilirliğe karşı izlemeyi daha iyi anlamak için ikisi arasındaki farkları keşfedeceğiz.  Ardından, iş sonuçlarını iyileştirmek için her ikisini de en iyi şekilde nasıl kullanabileceğinize bakacağız.

İzleme ve gözlemlenebilirlik:

İlk olarak, gözlemlenebilirlik ve izleme ile ne demek istediğimizi tanımlayalım.

 Ders kitabı tanımına göre izleme, bir programın hedeflerine ulaşma yolundaki ilerlemesini takip etme ve yönetim kararlarına rehberlik etmek için bilgi toplama, analiz etme ve kullanma sürecidir.  İzleme, belirli metrikleri izlemeye odaklanır.  Günlüğe kaydetme ek veriler sağlar, ancak genellikle daha geniş bir sistem bağlamından ayrı olarak görüntülenir.

Gözlenebilirlik, günlükler, ölçümler ve izler gibi ürettiği verileri analiz ederek bir sistemin dahili durumunu anlama yeteneğidir.  Gözlenebilirlik, ekiplerin çoklu bulut ortamlarında bağlamda neler olduğunu analiz etmesine yardımcı olur, böylece sorunların altında yatan nedenler tespit edip çözebilir.

Şimdi, gözlemlenebilirlik ve izleme arasındaki en basit farkı keşfedelim.  İzleme, verilerin yakalanması ve görüntülenmesidir, ancak gözlemlenebilirlik, giriş ve çıkışlarını analiz ederek sistem sağlığını ayırt edebilir.  Örneğin, bir sorunu gösteren değişiklikler için tek bir metriği aktif olarak izleyebiliriz - bu izlemedir.  Bir sistem, temel nedeni belirlemek için çok önemli olan dahili durumu hakkında yararlı veriler yayarsa gözlemlenebilir.

Gözlenebilirlik ve izleme arasında hangisi daha iyi?

Peki, ortamlarınızda hangi modelin en iyi kullanılacağını nasıl bileceksiniz?

İzleme, tipik olarak, bireysel ölçümlere odaklanan sistem verilerinin sınırlı bir görünümünü sağlar.  Bu yaklaşım, sistem arıza modları iyi anlaşıldığında yeterlidir.  İzleme, kullanım oranları ve verim gibi temel göstergelere odaklanma eğiliminde olduğundan, izleme genel sistem performansını gösterir.  Örneğin, bir veritabanını izlerken, bir diske veri yazarken herhangi bir gecikme veya ortalama sorgu yanıt süresi hakkında bilgi edinmek isteyebilirsiniz.  Deneyimli veritabanı yöneticileri, yaygın sorunlara yol açabilecek kalıpları tespit etmeyi öğrenir.  Örnekler arasında bellek kullanımında ani artış, önbellek isabet oranında düşüş veya CPU kullanımında artış sayılabilir.  Bu sorunlar, sonlandırılıp araştırılması gereken kötü yazılmış bir sorguyu gösterebilir.

Bununla birlikte, çok bileşenli ve bir dizi bağımlılığa sahip mikro hizmet mimarilerini teşhis etmeye kıyasla, geleneksel veritabanı performans analizi basittir.  Sistemlerin nasıl başarısız olduğunu anladığımızda izleme yardımcı olur, ancak uygulamalar daha karmaşık hale geldikçe hata çeşitleri de artar.  Dağıtılmış uygulamaların nasıl başarısız olacağını tahmin etmek çoğu zaman mümkün değildir.  Bir sistemi gözlemlenebilir hale getirerek sistemin iç durumunu anlayabilir ve bundan yola çıkarak neyin doğru çalışmadığını ve nedenini belirleyebilirsiniz.

Bununla birlikte, birkaç ölçüm arasındaki korelasyonlar, modern uygulamalarda olayları teşhis etmek için genellikle yeterli değildir.  Bunun yerine, bu modern, karmaşık uygulamalar, sistemlerin durumuna ilişkin daha fazla görünürlük gerektirir ve bunu, gözlemlenebilirlik ve daha güçlü izleme araçlarının bir kombinasyonunu kullanarak gerçekleştirebilir.

Gözlemlenebilirliğin “üç sütunu”

Daha önce de belirtildiği gibi, gözlemlenebilirlik, bir sistemin içinde neler olup bittiğini günlüklerinden, ölçümlerinden ve izlerinden anlamaktır.  Sistemler, sistemin durumunu değerlendirmenizi sağlayan veri türünü ürettiklerinde ve kolayca ortaya koyduklarında gözlemlenebilir.  Günlüklere, ölçümlere ve dağıtılmış izlere daha yakından bakabiliriz.

Günlükler, bir sistem içindeki işlemler ve kontrol akışı hakkında ayrıntılar sağlayan uygulamaya ve sisteme özel verileri içerir.  Günlük girişleri, bir işlemi başlatma, bir hatayı işleme veya yalnızca bir iş yükünün bir bölümünü tamamlama gibi olayları tanımlar.  Günlüğe kaydetme, metrikler yakalandığında bir uygulamanın durumu için bağlam sağlayarak metrikleri tamamlar.  Örneğin, günlük mesajları belirli bir API işlevindeki hataların büyük bir yüzdesini gösterebilir.  Aynı zamanda, bir gösterge panosundaki ölçümler, kullanılabilir bellek eksikliği gibi kaynak tükenme sorunlarını gösterebilir.  Metrikler, bir sorunun ilk işareti olabilir, ancak günlükler, soruna neyin katkıda bulunduğu ve işlemleri nasıl etkilediği hakkında ayrıntılar sağlayabilir.

Bu bağlamdaki metrikler, zaman içinde alınan ölçüm kümeleridir ve birkaç türü vardır:

  • Gösterge metrikleri, ölçüm anındaki CPU kullanım oranı gibi belirli bir zaman noktasındaki bir değerin ölçümüdür.
  • Delta metrikleri, en son ölçüldüğünden bu yana verimdeki değişiklik gibi önceki ve mevcut ölçümler arasındaki farkları yakalar.
  • Kümülatif ölçümler, zaman içindeki değişiklikleri yakalar; örneğin, son bir saatte bir API işlev çağrısı tarafından döndürülen hataların sayısı buna bir örnek olabilir. 
  • Dağıtılmış izleme, gözlemlenebilirliğin üçüncü ayağıdır ve mikro hizmetler genelinde operasyonların performansına ilişkin öngörüler sağlar. 

Bir uygulama, her biri kendi metrikleri ve günlükleri olan birden çok hizmete bağlı olabilir.  Dağıtılmış izleme, istekleri dağıtılmış bulut ortamlarında hareket ederken gözlemlemenin bir yoludur.  Bu karmaşık sistemlerdeki izler, hizmetler arasındaki ilişkilerde meydana gelebilecek herhangi bir sorunu vurgular.

Ancak gerçek gözlemlenebilirlik, yalnızca temel göstergelerden çok daha fazla veri türüne dayanır.

İzleme ve gözlemlenebilirlik neden yeni nesil bir yaklaşıma ihtiyaç duyuyor?

Karmaşık mikro hizmet tabanlı uygulamaları etkin bir şekilde izlemeye, yönetmeye ve iyileştirmeye çalışırken, hem gözlemlenebilirlik hem de izleme hayati önem taşır.  İzleme ve gözlemlenebilirlik, tek sunucuların temel telemetrisinden eksiksiz uygulamalar ve bağımlılıklar hakkında derin içgörülere kadar bir sürekliliği temsil eder.

Birçok kuruluş, sistemlerini izlemeye başladıktan sonra bağlamsal içgörülerden yoksun olduğunun farkına varır.  Bağlam, sorunların neden var olduğunu ve işi nasıl etkilediğini anlamak için çok önemlidir.  Kuruluşlar, bağlamsal analiz için ihtiyaç duydukları verileri sağlamak için gözlemlenebilirliği ararlar.  Sorunu anlayarak, temel nedeni ve etkilerini anlayabilirler.

DevOps uygulayıcıları, yüksek oranda erişilebilir ve ölçeklenebilir uygulamaları sürdürmekte zorlanmaktadır.  Bunun nedeni, bu karmaşık, birbirine bağlı sistemlerin öngörülemeyen şekillerde davranması ve sorunların genellikle belirgin olmayan kaynaklardan kaynaklanmasıdır.

 Monolitik uygulamalar oluşturduğumuzda çalışan uygulamalar ve araçlar, dağıtılmış ortamların oluşturduğu veri düzeyini kaldıramaz.  Ve sorunları hızlı bir şekilde nasıl düzelteceklerini anlamak için de yeterli veri alamayarak uygulamaların durumuna ilişkin yeterli bilgi veremezler.

İzleme ve gözlemlenebilirliğe otomatik ve akıllı bir yaklaşım:

Dynatrace gibi gelişmiş bir yazılım zekası çözümü, bu genişleyen çoklu bulut ortamlarını anlamlandırmak için yüksek düzeyde ölçeklenebilir verileri otomatik olarak toplar ve analiz eder.  Dynatrace'in nedensel yapay zeka motoru Davis, büyük hacimli farklı, yüksek hızlı veri akışlarını eler ve bunları birleşik bir arayüz üzerinden analiz eder.  Bu tek gerçek kaynağı, birçok farklı uygulama bileşeninde birçok farklı işlevi yerine getiren ekipleri geleneksel olarak ayıran bilgi silolarını yıkmaktadır.  Bu merkezi, otomatik yaklaşım, manuel tanılama ihtiyacını ortadan kaldırır.  Ayrıca, kullanıcılarının güvendiği teknolojiyi sorunsuz bir şekilde çalışmaya devam ettirmek için iyileştirme yolları sağlar.

Detaylı bilgi için lütfen tıklayınız.



SEKTÖRDEN HABERLER

Dynatrace, 2021 APM ‘Gartner Magic Quadrant’ Raporunda

Vizyon Bütünlüğü ve Başarılı Proje Gerçekleştirme Açısından En Yüksek ve En İleride Olarak Konumlandırılmıştır.

2020 Gartner Raporu

Dynatrace üst üste 10. kez lider. Gartner'ın 2020 APM Raporu Yayınlandı.

Perform Europe 2018

Perform Europe 2018 in Barcelona

Constantly innovating. 7 years a Gartner MQ leader.

Gartner recognizes Dynatrace as a leader for the 7th consecutive year in the 2016

Compuware - Yazılım Performans Mühendisliği

18 – 19 Şubat 2014 tarihlerinde Hollanda Amsterdam'da düzenlenen Yazılım Performans Yönetimi, Network Performans Yönetimi

"Network Performans" Eğitimi

31 Mart – 5 Nisan 2014 tarihlerinde Compuware-İngiltere - Maidenhead ofisinde, "Network Performans Yönetimi"