A medida que los sistemas de software se vuelven más complejos, los microservicios se han convertido en el camino para construir aplicaciones que son escalables, resilientes y más fáciles de mantener. Pero con esa flexibilidad viene un compromiso: las cosas se vuelven más difíciles de rastrear. La observabilidad se extiende más allá de la monitorización tradicional para proporcionar una visión profunda del estado interno de los sistemas complejos basado en sus salidas externas.Mientras que la monitorización le dice cuando algo está mal, la observabilidad le ayuda a entender por qué está mal, a menudo antes de que los usuarios noten problemas. Los tres pilares de la observación 1. Metrics: Quantitative System Behaviour Las métricas proporcionan representaciones numéricas del rendimiento del sistema y del negocio a lo largo del tiempo.Son, por lo general, puntos de datos ligeros y altamente estructurados que permiten a los equipos detectar tendencias y anomalías. Key Metrics Types: Metría del sistema: CPU, memoria, uso de disco y rendimiento de red Metría de aplicación: tasas de solicitud, tasas de error y tiempos de respuesta Metricas de negocio: participación de los usuarios, tasas de conversión y volúmenes de transacciones Metrías personalizadas: indicadores específicos de dominio relevantes para sus servicios específicos Advantages of Metrics: Sobrepeso bajo para recogida y almacenamiento Agregar y analizar fácilmente con métodos estadísticos Ideal para alertar sobre condiciones de fallo conocidas Perfecto para dashboards y visualización en tiempo real La implementación efectiva de las métricas implica establecer líneas de partida para el comportamiento normal y establecer umbrales adecuados para las alertas.El método RED (Rate, Errors, Duration) y el método USE (Utilization, Saturation, Errors) proporcionan marcos para los cuales las métricas deben priorizar. 2. Logs: Detailed Event Records Los registros representan eventos discretos que ocurren dentro de las aplicaciones y los componentes de la infraestructura y proporcionan información contextual sobre acciones específicas, errores o cambios de estado. Recopilación de mejores prácticas: Implementar el registro estructurado con formatos consistentes (JSON es popular) Incluir información contextual (nombre del servicio, versión, entorno) Añadir identificadores de correlación para rastrear solicitudes entre servicios Aplicar los niveles de registro adecuados (DEBUG, INFO, WARN, ERROR) Practica las políticas de rotación y retención de registros Los retos de la gestión: Gran volumen en sistemas distribuidos Costes de almacenamiento y impactos de rendimiento Encontrar la señal correcta en los datos ruidosos Equilibrar la verbosidad con el rendimiento Las soluciones modernas de gestión de registros centralizan los registros de todos los servicios, permitiendo la búsqueda, filtración y análisis en todo el sistema. A menudo soportan funciones como el reconocimiento de patrones y la detección de anomalías para identificar los problemas de forma proactiva. 3. Traces: Request Journeys El rastreo distribuido sigue las solicitudes a medida que se propagan a través de los microservicios, creando una visión integral del ciclo de vida de la solicitud.Cada rastro consiste en intervalos, operaciones individuales dentro de los servicios, que forman una representación jerárquica del camino de la solicitud. Tracing Components: ID de rastreo: identificadores únicos para solicitudes de fin a fin Intervalos: Operaciones individuales dentro de un rastro Contexto de Span: Metadatos que acompañan los intervalos a través de las fronteras del servicio Anotaciones/etiquetas: Información adicional adjunta a los intervalos Tracing Benefits: Visualizar los flujos de solicitudes en arquitecturas complejas Problemas de botella de rendimiento y de latencia Comprender dependencias de servicio y patrones de interacción Debug transacciones distribuidas complejas El seguimiento eficaz requiere instrumentalización en todos los servicios, típicamente a través de bibliotecas que capturan automáticamente los datos de tiempo y propagan el contexto de seguimiento entre los servicios. Estrategias y herramientas de implementación Service Mesh Las redes de servicio como Istio, Linkerd y Consul proporcionan observación fuera de la caja interceptando la comunicación de servicio a servicio en el nivel de la red. Key Features: Colección automática de métricas: volúmenes de solicitud, latencias y tasas de error Integración de rastreo distribuido: propagación de los encabezados de rastro Visualización del tráfico: mapas de dependencia de servicios Gestión avanzada del tráfico: interrupción de circuitos, retiros y división del tráfico Las redes de servicio son particularmente valiosas en los entornos de Kubernetes, donde se pueden desplegar como proxies laterales sin cambios de código en los propios servicios. Open Telemetry: The Unified Standard La telemetría abierta ha surgido como el estándar de la industria para la instrumentación, ofreciendo una forma neutral del proveedor de recopilar y exportar datos de telemetría. Components: API: Define cómo generar datos de telemetría SDK: implementa la API con opciones de configuración Colector: Recibe, procesa y exporta datos de telemetría Exportadores: Envío de datos a varios backend Al adoptar la telemetría abierta, las organizaciones evitan el bloqueo del proveedor y pueden cambiar entre diferentes backend de observabilidad según sea necesario. Monitoring Platforms Existen diferentes soluciones para almacenar, analizar y visualizar datos de observación: Popular Combinations: Prometheus + Grafana: monitoreo y visualización de métricas de código abierto ELK Stack (Elasticsearch, Logstash, Kibana): agregación y análisis de registros Jaeger/Zipkin: rastreo distribuido de código abierto Plataformas comerciales: Datadog, New Relic, Dynatrace, Honeycomb Muchas organizaciones adoptan una mezcla de herramientas, aunque las plataformas de observación unificadas están ganando tracción por su capacidad de correlacionar entre métricas, registros y rastros. Los retos de la observación en los microservicios Data Volume and Cardinality Los microservicios generan enormes volúmenes de datos de telemetría con alta cardinalidad (muchas combinaciones únicas de dimensiones). Costes de almacenamiento: equilibrar la retención de datos con las restricciones presupuestarias Desempeño de la consulta: mantenimiento de la velocidad con el aumento del volumen de datos Relación señal-ruido: encontrar información relevante en vastos conjuntos de datos Context Propagation El mantenimiento del contexto a través de las fronteras del servicio requiere una cuidadosa consideración: Títulos consistentes: formatación estandarizada para ID de rastro y contexto Operaciones asíncronas: preservar el contexto a través de la cola de mensajes Servicios de terceros: manejo de sistemas externos que no soportan sus mecanismos de seguimiento Tool Proliferation The observability landscape features numerous specialized tools, leading to: Complexidad de la integración: garantizar que las herramientas trabajen juntas sin problemas Fragmentación del conocimiento: requerir que los equipos aprendan sistemas múltiples Gestión de costes: Control de costes entre varios proveedores Mejores prácticas para la observación de microservicios Estrategias de instrumentalización Default to instrumentation: Make observability a standard feature, not an afterthought Utilice la instrumentación automática donde sea posible para reducir el desgaste del desarrollo Estandarizar en bibliotecas coherentes a través de servicios y equipos Considere la observabilidad en las APIs diseñando con la trazabilidad en mente Monitorización de la salud y SLIs/SLOs Implementar controles de salud del servicio para el seguimiento básico de la disponibilidad Define indicadores de nivel de servicio (SLI) que reflejen la experiencia del usuario Establecer Objetivos de Nivel de Servicio (SLO) como objetivos de fiabilidad Crear presupuestos de error para equilibrar la fiabilidad con la velocidad de desarrollo Filosofía de alerta Alerta sobre los síntomas, no las causas: enfoque en el impacto del usuario Reduce la fatiga de alerta: Elimina las notificaciones ruidosas o redundantes Establecer una propiedad clara: alertas de ruta a los equipos adecuados Crear alertas actuables: Incluye el contexto y posibles pasos de reparación La observación como cultura Shift left: Integrar la observabilidad en el proceso de desarrollo Realizar revisiones de observabilidad junto con revisiones de código Practicar la ingeniería del caos para verificar la observabilidad durante fallos Create playbooks for common scenarios identified through observability data New Relic’s Comprehensive Approach to Microservice Observability  Lo que distingue a New Relic es su enfoque unificado de la plataforma para la observabilidad. En lugar de combinar varias herramientas especializadas, New Relic proporciona visibilidad de extremo a extremo a través de todo su ecosistema de microservicios a través de un solo panel de vidrio. New Relic proporciona alertas que ayudan a limpiar los problemas de reparación de ruido antes de que se conviertan en botella. Ofrece rutas sintéticas que ayudan a determinar la salud de los servicios. Ofrece NerdGraph API para automatizar la escalación, etc. Basado en alertas o eventos que podemos usar. Abajo están las instalaciones de vanguardia proporcionadas por New Relic. Service Architecture Intelligence  En el núcleo de la observabilidad de microservicios de New Relic está la Inteligencia de Arquitectura de Servicios. Esta capacidad descubre y mapea automáticamente las relaciones entre los servicios, proporcionando una visualización en tiempo real de sus dependencias de servicio. Los ingenieros pueden identificar rápidamente los obstáculos, solucionar problemas y entender cómo los cambios en un servicio pueden afectar a otros. Los mapas de arquitectura de servicio no son diagramas estáticos, sino visualizaciones dinámicas que reflejan el comportamiento real de su sistema. Actualizan automáticamente a medida que su arquitectura evoluciona, asegurándose de que su equipo siempre tiene una comprensión precisa de las relaciones de servicio sin esfuerzos manuales de documentación. Queues & Streams Monitoring  Las arquitecturas de microservicios modernas dependen en gran medida de la cola y los flujos de mensajes para la comunicación asíncrona. El seguimiento de la cola y los flujos de New Relic proporciona una visibilidad bidireccional que conecta los temas tanto a los productores como a los servicios de los consumidores. Este enfoque innovador permite a los equipos de DevOps identificar rápidamente y resolver problemas como los productores lentos, los temas sobrecargados o los consumidores que luchan. Con una visión granular de la salud de Kafka hasta el clúster, la partición, el corredor, el tema, el productor y el nivel de los consumidores, los equipos pueden detectar de forma proactiva posibles brechas de botella antes de que impacten en el rendimiento del sistema. Fleet and Agent Control  La gestión de la instrumentación a través de numerosos microservicios puede ser tediosa y susceptible a errores.El control de flota y el control de agentes de New Relic proporcionan un plano de control de observabilidad integral que centraliza todas las tareas del ciclo de vida de la instrumentación en todo su entorno.Con estas herramientas, los equipos pueden: Centralizar las operaciones de agentes para reducir el trabajo manual Actualizar versiones de agentes para flotas de servicios enteras con solo unos pocos clics Eliminar los puntos ciegos de telemetría en los clústers de Kubernetes Automatizar la instrumentación a escala con APIs para instrumentation-as-code Esta capacidad es particularmente valiosa para entornos de microservicios donde la gestión manual de agentes en cientos de servicios sería impracticable. Enhanced Application Performance Monitoring (eAPM)  El eAPM de New Relic aprovecha la tecnología eBPF para proporcionar una visión profunda del rendimiento de las aplicaciones sin modificar el código o reiniciar los servicios. La capacidad de eAPM ofrece: Insights impulsados por IA que correlacionan automáticamente las métricas entre las aplicaciones y los clusters de Kubernetes Monitorización de métricas de oro, transacciones y rendimiento de la base de datos Seamless transition to traditional APM agents when deeper insights are needed  Esto permite a los equipos implementar rápidamente la observabilidad en su paisaje de microservicios sin trabajo de instrumentalización extenso. Cloud Cost Intelligence  Las arquitecturas de microservicios generalmente se ejecutan en entornos en la nube donde los costes pueden caer rápidamente fuera de control.La capacidad de Inteligencia de Costes en la Nube de New Relic proporciona una visibilidad completa en tiempo real de los costes de los recursos en la nube, lo que permite a los equipos: Ver y gestionar los costes de la nube en toda la organización Estimar el impacto del coste de los recursos de computación antes de la implementación Recopilar y visualizar automáticamente los datos de telemetría en tiempo real para obtener una visión más profunda de los costes Permitir la colaboración entre los equipos de ingeniería, finanzas y productos para alinear los gastos con los objetivos de negocio Esta integración de los datos de coste con las métricas de rendimiento ayuda a los equipos a tomar decision Real-Time Collaboration and Knowledge Sharing  Effective microservice observability requires cross-team collaboration. New Relic facilitates this through Public Dashboards, enabling teams to share critical insights with stakeholders inside and outside the organization.  Estos instrumentos permiten a los equipos Crea y comparta ideas fácilmente con el lenguaje de base de datos y consultas unificado de New Relic Provide real-time metrics to audiences without requiring a New Relic login  Implementar controles de acceso basados en roles para la seguridad This capability breaks down silos between development teams, operations, and business stakeholders, fostering a unified approach to service reliability. El futuro de los microservicios El campo continúa evolucionando con varias tendencias emergentes: AI-powered analysis: Machine learning to detect anomalies and suggest root causes Tecnología eBPF: instrumentación a nivel de núcleo con una sobrecarga mínima Convergencia de la telemetría abierta: Estandarización continua de la recolección de telemetría Observabilidad como código: Definir los requisitos de observabilidad junto con la infraestructura Conclusion Effective observability transforms microservices from opaque black boxes into transparent, debuggable systems. By implementing a comprehensive strategy encompassing metrics, logs, and traces, organizations can build confidence in their distributed architectures and deliver more reliable user experiences. The investment in observability pays dividends not just in reduced downtime and faster debugging, but in enabling teams to innovate with confidence, knowing they can understand the complex systems they build and maintain.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Este audio es producido en el idioma original de la historia!

Observabilidad de los microservicios: una guía completa de Brajesh Kumar

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

El modelo Bitcoin UTXO, impulsando un ecosistema único

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

El modelo Bitcoin UTXO, impulsando un ecosistema único

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps