Tā kā programmatūras sistēmas kļūst sarežģītākas, mikroservisi ir kļuvuši par veidu, kā veidot lietotnes, kas ir mērogojamas, izturīgas un vieglāk uzturējamas.Bet ar šo elastību nāk kompromiss: lietas kļūst grūtāk izsekot.Izpratne par to, kā visas kustīgās daļas uzvedas visā izplatītajā sistēmā, nav viegla, un tieši tāpēc novērojamība vairs nav tikai jauka, tā ir obligāta. Novērošana pārsniedz tradicionālo uzraudzību, lai sniegtu padziļinātu ieskatu sarežģītu sistēmu iekšējā stāvoklī, pamatojoties uz to ārējiem iznākumiem. Trīs novērojamības pīlāri 1. Metrics: Quantitative System Behaviour Metrikas nodrošina sistēmu un uzņēmējdarbības veiktspējas skaitliskus attēlus laika gaitā.Tas parasti ir viegli, ļoti strukturēti datu punkti, kas ļauj komandām atklāt tendences un anomālijas. Key Metrics Types: Sistēmas rādītāji: CPU, atmiņa, diska izmantošana un tīkla caurlaidība Pielietojuma rādītāji: pieprasījumu līmenis, kļūdu līmenis un atbildes laiks Biznesa rādītāji: lietotāju iesaistīšanās, konversijas rādītāji un darījumu apjomi Pielāgotie rādītāji: domēna specifiskie rādītāji, kas attiecas uz jūsu konkrētajiem pakalpojumiem Advantages of Metrics: Zems pārklājums savākšanai un uzglabāšanai Viegli apkopoti un analizēti ar statistikas metodēm Ideāls brīdinājumam par zināmiem neveiksmju apstākļiem Ideāli piemērots vizualizācijai reāllaikā Efektīvas metrikas ieviešana ietver normālas uzvedības pamatnostādņu noteikšanu un atbilstīgu trauksmes slieksņu noteikšanu. RED metode (Rate, Errors, Duration) un USE metode (Utilization, Saturation, Errors) nodrošina pamatnostādnes, kurām metrikas jāpiešķir prioritāte. 2. Logs: Detailed Event Records Logi ir diskrēti notikumi, kas notiek lietojumprogrammās un infrastruktūras sastāvdaļās, sniedzot kontekstā bagātu informāciju par konkrētām darbībām, kļūdām vai stāvokļa izmaiņām. Labākās prakses apraksts: Ievieš strukturētu žurnalizāciju ar konsekventiem formātiem (JSON ir populārs) Iekļaut kontekstuālo informāciju (pakalpojuma nosaukums, versija, vide) Pievienojiet korelācijas ID, lai izsekotu pieprasījumus starp pakalpojumiem Piemērojiet atbilstošus žurnāla līmeņus (DEBUG, INFO, WARN, ERROR) Praktizēt žurnālu rotācijas un saglabāšanas politiku Log vadības izaicinājumi: Liels apjoms izplatītajās sistēmās Uzglabāšanas izmaksas un veiktspējas ietekme Atrodiet pareizo signālu trokšņos Balansēt verbosity ar sniegumu Mūsdienu žurnālu pārvaldības risinājumi centralizē žurnālus no visiem pakalpojumiem, ļaujot meklēt, filtrēt un analizēt visā sistēmā. 3. Traces: Request Journeys Izplatītā izsekošana seko pieprasījumiem, jo tie izplatās caur mikroservisiem, radot visaptverošu priekšstatu par pieprasījuma dzīves ciklu. Tracing Components: Trace ID: unikāli identifikatori gala pieprasījumiem Spans: Individuālas operācijas vienā līmenī Span konteksts: metadati, kas pavada diapazonus pāri pakalpojumu robežām Anotācijas/tags: Papildu informācija, kas pievienota diapazoniem Tracing Benefits: Vizualizējiet pieprasījumu plūsmas visās sarežģītās arhitektūrās Pinpoint veiktspējas šķēršļi un latentuma problēmas Izprast pakalpojumu atkarības un mijiedarbības modeļus Debug kompleksi sadalīti darījumi Efektīva izsekošana prasa instrumentāciju visos pakalpojumos, parasti, izmantojot bibliotēkas, kas automātiski uztver laika datus un izplata izsekošanas kontekstu starp pakalpojumiem. Īstenošanas stratēģijas un instrumenti Service Mesh Pakalpojumu tīkli, piemēram, Istio, Linkerd un Consul nodrošina novērojamību ārpus kastes, uztverot pakalpojumu-pakalpojumu saziņu tīkla līmenī. Key Features: Automātiskā metrikas vākšana: pieprasījumu apjomi, aizkavēšanās un kļūdu līmenis Izplatītā izsekojamības integrācija: izsekojamības virsrakstu izplatīšana Satiksmes vizualizācija: Pakalpojumu atkarības kartes Uzlabota satiksmes pārvaldība: aprites pārtraukšana, atgriešanās un satiksmes sadalīšana Pakalpojumu tīkli ir īpaši vērtīgi Kubernetes vidē, kur tos var izvietot kā blakusparādību proxies bez koda izmaiņām pašiem pakalpojumiem. Open Telemetry: The Unified Standard Atvērta telemetrija ir kļuvusi par instrumentācijas nozares standartu, kas piedāvā neitrālu veidu, kā vākt un eksportēt telemetrijas datus. Components: API: definē, kā ģenerēt telemetrijas datus SDK: īsteno API ar konfigurācijas opcijām Kolektors: saņem, apstrādā un eksportē telemetrijas datus Eksportētāji: nosūtīt datus uz dažādiem backend Izmantojot atvērto telemetriju, organizācijas izvairās no piegādātāja bloķēšanas un pēc vajadzības var pārslēgties starp dažādiem novērojamības atbalsta punktiem. Monitoring Platforms Pastāv dažādi risinājumi novērojamības datu uzglabāšanai, analizēšanai un vizualizēšanai: Popular Combinations: Prometheus + Grafana: atvērtā koda rādītāju uzraudzība un vizualizācija ELK Stack (Elasticsearch, Logstash, Kibana): žurnālu agregācija un analīze Jaeger/Zipkin: Atvērtā koda izplatīta izsekošana Komerciālās platformas: Datadog, New Relic, Dynatrace, Honeycomb Daudzas organizācijas pieņem instrumentu kombināciju, lai gan vienotas novērojamības platformas iegūst pievilcību, pateicoties to spējai korelēt starp metrikām, žurnāliem un rādītājiem. Novērošanas izaicinājumi mikropakalpojumos Data Volume and Cardinality Mikroservisi rada milzīgus telemetrijas datu apjomus ar augstu kardinālumu (daudzas unikālas dimensiju kombinācijas). Uzglabāšanas izmaksas: datu saglabāšanas līdzsvarošana ar budžeta ierobežojumiem Vaicājumu veiktspēja: ātruma saglabāšana, palielinot datu apjomu Signāla un trokšņa attiecība: Atrodiet atbilstošu informāciju plašos datu kopos Context Propagation Lai saglabātu kontekstu pāri pakalpojumu robežām, ir nepieciešams rūpīgi apsvērt: Konsekventu virsrakstu: standartizēta formatēšana trace ID un kontekstā Asinhronās operācijas: konteksta saglabāšana starp ziņojumu rindām Trešo pušu pakalpojumi: Ārējo sistēmu apstrāde, kas neatbalsta jūsu izsekošanas mehānismus Tool Proliferation Novērošanas ainavā ir daudz specializētu rīku, kas noved pie: Integrācijas sarežģītība: nodrošinot, ka rīki darbojas kopā nevainojami Zināšanu sadrumstalotība: prasība komandām apgūt vairākas sistēmas Izmaksas pārvaldība: izmaksu kontrole pār vairākiem piegādātājiem Labākās prakses mikropakalpojumu novērojamībai Instrumentu stratēģijas Pēc noklusējuma uz instrumentiem: padarīt novērojamību par standarta funkciju, nevis pēcpārdomu Ja iespējams, izmantojiet automātisko instrumentāciju, lai samazinātu attīstības pārslodzi Standartizējiet saskaņotas bibliotēkas starp pakalpojumiem un komandām Apsveriet novērojamību API, izstrādājot ar izsekojamību prātā Veselības uzraudzība un SLI/SLO Pakalpojumu veselības pārbaužu ieviešana pamata pieejamības uzraudzībai Definējiet pakalpojumu līmeņa rādītājus (SLI), kas atspoguļo lietotāja pieredzi Pakalpojuma līmeņa mērķu (SLO) noteikšana kā uzticamības mērķi Izveidot kļūdu budžetu, lai līdzsvarotu uzticamību ar izstrādes ātrumu Brīdinājuma filozofija Brīdinājums par simptomiem, nevis cēloņiem: uzmanība pievērsta lietotāju ietekmei Samazināt trauksmes nogurumu: novērst trokšņus vai pārmērīgus paziņojumus Nosakiet skaidru īpašumtiesības: maršruta brīdinājumus pareizajām komandām Izveidojiet rīcībspējīgus brīdinājumus: iekļaujiet kontekstu un iespējamos novēršanas soļus Ievērošana kā kultūra Izmaiņas kreisajā pusē: integrēt novērojamību attīstības procesā Izpildiet novērojamības pārskatus kopā ar kodu pārskatiem Praksē haosa inženieriju, lai pārbaudītu novērojamību neveiksmju laikā Izveidot spēļu grāmatas par kopīgiem scenārijiem, kas identificēti, izmantojot novērojamības datus New Relic’s Comprehensive Approach to Microservice Observability  New Relic atšķiras ar tās vienoto platformas pieeju novērojamībai. Tā vietā, lai apvienotu vairākus specializētus rīkus, New Relic nodrošina redzamību no gala līdz gala visā jūsu mikroservisa ekosistēmā, izmantojot vienu stikla paneļu. New Relic nodrošina brīdinājumus, kas palīdz novērst trokšņa novēršanas problēmas, pirms tās kļūst par bottleneck. Tas nodrošina sintētiskos maršrutus, kas palīdz noteikt pakalpojumu veselību. Tas nodrošina NerdGraph api, lai automatizētu mērogu utt, pamatojoties uz brīdinājumiem vai notikumiem, kurus mēs varam izmantot, lai atbrīvotos no trokšņa. Service Architecture Intelligence  New Relic mikroservisa novērojamības pamatā ir Service Architecture Intelligence. Šī funkcija automātiski atklāj un kartē attiecības starp pakalpojumiem, sniedzot reāllaika vizualizāciju par jūsu pakalpojuma atkarībām. Inženieri var ātri identificēt šķēršļus, novērst problēmas un saprast, kā izmaiņas vienā pakalpojumā var ietekmēt citus. Pakalpojuma arhitektūras kartes nav statiskas diagrammas, bet gan dinamiskas vizualizācijas, kas atspoguļo jūsu sistēmas faktisko uzvedību. Queues & Streams Monitoring  Mūsdienu mikroservisu arhitektūras lielā mērā paļaujas uz ziņojumu rindām un plūsmām asimetriskai komunikācijai. New Relic's Queues and Streams monitorings nodrošina divvirzienu redzamību, kas savieno tēmas gan ar ražotāju, gan patērētāju pakalpojumiem. Šī inovatīvā pieeja ļauj DevOps komandām ātri identificēt un atrisināt tādas problēmas kā lēni ražotāji, pārslogotas tēmas vai cīnās patērētāji. Ar granulētu ieskatu Kafkas veselībā līdz klasterim, sadalījumam, brokerim, tēmai, ražotājam un patērētāju līmenim, komandas var proaktīvi atklāt potenciālos šķēršļus, pirms tie ietekmē sistēmas veiktspēju. Fleet and Agent Control  Ierīču pārvaldība dažādos mikroservīzijās var būt laikietilpīga un kļūdu radījusi. „New Relic” flotes kontroles un aģentu kontroles sistēma nodrošina visaptverošu novērojamības kontroles plānu, kas centralizē visus instrumentācijas dzīves cikla uzdevumus visā jūsu vidē.Ar šiem rīkiem komandas var: Centralizēt aģentu operācijas, lai samazinātu manuālo slogu Uzlabojiet aģentu versijas visām servisa flotēm ar dažiem klikšķiem Eliminējiet telemetrijas aklās vietas Kubernetes klasteros Automātiskā instrumentācija mērogā ar API instrumentiem instrumentācijai kā kodam Šī funkcija ir īpaši vērtīga mikropakalpojumu vidēs, kur manuālā aģentu pārvaldība simtiem pakalpojumu būtu nepraktiska. Enhanced Application Performance Monitoring (eAPM)  New Relic eAPM izmanto eBPF tehnoloģiju, lai sniegtu padziļinātu ieskatu lietojumprogrammu veiktspējā, nemainot kodu vai restartējot pakalpojumus. EAPM spējas piedāvā: AI-powered ieskati, kas automātiski korelē rādītājus starp lietojumprogrammām un Kubernetes klasteriem Zelta rādītāju, darījumu un datu bāzes veiktspējas uzraudzība Netraucēta pāreja uz tradicionālajiem APM aģentiem, ja nepieciešama padziļināta izpratne Tas ļauj komandām ātri īstenot novērojamību visā mikropakalpojumu ainavā bez plaša instrumentācijas darba. Cloud Cost Intelligence  New Relic Cloud Cost Intelligence funkcija nodrošina reāllaika, visaptverošu redzamību par mākoņa resursu izmaksām, ļaujot komandām: Redzēt un pārvaldīt mākoņa izmaksas visā organizācijā Novērtēt aprēķinu resursu izmaksu ietekmi pirms izvietošanas Automātiski vāc un vizualizē reāllaika telemetrijas datus, lai iegūtu padziļinātu izmaksu ieskatu Ļaujiet sadarbībai starp inženierzinātņu, finanšu un produktu komandām saskaņot izdevumus ar uzņēmējdarbības mērķiem Šī izmaksu datu integrācija ar veiktspējas rādītājiem palīdz komandām pieņemt informētus lēmumus par pakalpojumu optimizāciju un resursu piešķiršanu. Real-Time Collaboration and Knowledge Sharing  Efektīva mikroservisa novērojamība prasa sadarbību starp komandām. „New Relic” to atvieglo, izmantojot publiskās vadības plāksnes, ļaujot komandām dalīties ar kritiskām ieskatiem ar ieinteresētajām personām organizācijā un ārpus tās. Šīs tabulas ļauj komandām Vienkārši izveidojiet un kopīgojiet ieskatu, izmantojot New Relic vienoto datu bāzi un vaicājumu valodu Nodrošināt reāllaika rādītājus auditorijai, neprasot New Relic pieteikšanos Īstenot uz lomu balstītas piekļuves kontroles drošībai Šī spēja izjauc silos starp attīstības komandām, operācijām un uzņēmējdarbības ieinteresētajām personām, veicinot vienotu pieeju pakalpojumu uzticamībai. Microservices novērojamības nākotne Nozare turpina attīstīties ar vairākām jaunām tendencēm: AI-powered analīze: mašīnu mācīšanās, lai atklātu anomālijas un ierosināt sakņu cēloņus eBPF tehnoloģija: kodola līmeņa instrumentācija ar minimālu pārklājumu Atvērta telemetrijas konverģence: telemetrijas vākšanas pastāvīga standartizācija Ievērojamība kā kods: Ievērojamības prasību definēšana kopā ar infrastruktūru Secinājums Efektīva novērojamība pārvērš mikropakalpojumus no caurspīdīgām melnajām kastēm pārredzamās, pārveidojamās sistēmās, īstenojot visaptverošu stratēģiju, kas ietver rādītājus, žurnālus un pēdas, organizācijas var veidot uzticēšanos savām izplatītajām arhitektūrām un nodrošināt uzticamāku lietotāja pieredzi. Ieguldījums novērojamībā maksā dividendes ne tikai samazinot pārtraukuma laiku un paātrinot debugēšanu, bet arī ļaujot komandām inovatēt ar pārliecību, zinot, ka tās var saprast sarežģītās sistēmas, kuras tās veido un uztur.

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

Šis audio ir izveidots stāsta oriģinālvalodā!

Microservices novērojamība: visaptverošs ceļvedis Brajesh Kumar

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps