L'osservabilità è la misura in cui è possibile comprendere lo stato interno o la condizione di un sistema complesso basato solo sulla conoscenza dei suoi output esterni. Quanto più un sistema è osservabile, tanto più rapidamente e accuratamente sarà possibile passare da un problema di prestazioni identificato alla sua causa principale, senza ulteriori test o codifiche.
L'osservabilità fornisce visibilità approfondita sulle moderne applicazioni distribuite per un'identificazione e una risoluzione dei problemi più rapida e automatizzata.
Nell'IT e nel cloud computing, l'osservabilità implica l'utilizzo di strumenti e pratiche software. Questi strumenti servono per l'aggregazione, la correlazione e l'analisi di un flusso costante di dati sulle prestazioni da un'applicazione distribuita e dall'hardware e la rete su cui viene eseguita. Questo processo aiuta a monitorare, risolvere i problemi ed eseguire in modo efficace il debug di applicazioni e reti. L'obiettivo è soddisfare le aspettative in materia di esperienza del cliente, i Service level agreement (SLA) e altri requisiti aziendali.
L'osservabilità, un argomento IT relativamente nuovo, viene spesso erroneamente descritta come una parola d'ordine eccessivamente enfatizzata o come un "rebranding" del monitoraggio dei sistemi, del monitoraggio delle prestazioni delle applicazioni (APM) e della gestione delle prestazioni di rete NPM). In realtà, l'osservabilità è un'evoluzione naturale dei metodi di raccolta dei dati APM e NPM che risponde meglio alla natura sempre più rapida, distribuita e dinamica delle implementazioni di applicazioni cloud-native. L'osservabilità non sostituisce il monitoraggio, ma consente di migliorare il monitoraggio, l'APM e l'NPM.
Il termine "osservabilità" deriva dalla teoria del controllo, un'area dell'ingegneria che si occupa di automatizzare il controllo di un sistema dinamico. Tra gli esempi vi sono la regolazione del flusso dell'acqua attraverso un tubo o il controllo della velocità di un'automobile su pendenze e discese, sulla base del feedback del sistema.
Questo ebook mira a sfatare i miti che circondano l'osservabilità e a mettere in evidenza il suo ruolo nel mondo digitale.
Registrati per ricevere la guida sull'osservabilità
Negli ultimi 20 anni, i team IT si sono affidati principalmente all'APM per monitorare e risolvere i problemi delle applicazioni. L'APM campiona e aggrega periodicamente i dati delle applicazioni e del sistema, denominati telemetria, noti per essere correlati a problemi di prestazioni delle applicazioni.
L'APM analizza la telemetria rispetto agli indicatori chiave di prestazione (KPI) e assembla i risultati in una dashboard. Questi risultati segnalano ai team operativi e di supporto le condizioni anomale che devono essere affrontate per risolvere o prevenire i problemi.
L'APM è abbastanza efficace per quanto riguarda il monitoraggio e la risoluzione dei problemi delle applicazioni monolitiche o delle applicazioni distribuite tradizionali. In queste configurazioni, i nuovi rilasci di codice avvengono periodicamente e i flussi di lavoro e le dipendenze tra i componenti dell'applicazione, i server e le risorse correlate sono ben noti o facilmente rintracciabili.
Al giorno d'oggi, le organizzazioni stanno adottando rapidamente pratiche di sviluppo moderne. Queste pratiche includono lo sviluppo agile, l'integrazione continua e l'implementazione continua (CI/CD), DevOps e diversi linguaggi di programmazione.
Le organizzazioni stanno anche adottando tecnologie cloud-native come microservizi, container Docker, funzioni Kubernetes e serverless. Di conseguenza, stanno immettendo sul mercato un numero maggiore di servizi, il tutto più velocemente che mai. E, nel farlo, stanno implementando nuovi componenti applicativi. Ciò avviene in molti luoghi, in lingue diverse e per periodi di tempo molto variabili, persino secondi o frazioni di secondo, per le funzioni serverless. Il campionamento dei dati effettuato una volta al minuto da APM non riesce a tenere il passo in questo nuovo contesto.
Ciò che serve è una telemetria di qualità superiore (e molto di più) che possa essere utilizzata per creare un record ad alta fedeltà, ricco di contesto e completamente correlato di ogni richiesta o transazione dell'utente dell'applicazione. Ecco perché bisogna inserire l'osservabilità.
Le piattaforme di osservabilità scoprono e raccolgono continuamente la telemetria delle prestazioni integrandosi con la strumentazione esistente incorporata nei componenti applicativi e infrastrutturali e fornendo strumenti per aggiungere strumentazione a questi componenti. L'osservabilità si concentra su quattro tipi di telemetria principali:
- Log. I log sono record granulari, con data e ora, completi e immutabili degli eventi dell'applicazione. Tra le altre cose, i log possono essere utilizzati per creare un record ad alta fedeltà, millisecondo per millisecondo, di ogni evento, includendo inoltre in maniera completa il contesto circostante. Gli sviluppatori possono utilizzare questi log per la "riproduzione" a scopo di risoluzione dei problemi e debug.
- Metriche. Le metriche (a volte chiamate metriche delle serie temporali) sono misure fondamentali dell'integrità delle applicazioni e dei sistemi in un determinato periodo di tempo. Le metriche misurano, ad esempio, la quantità di memoria o capacità CPU utilizzata da un'applicazione in un intervallo di cinque minuti o la latenza di un'applicazione durante un picco di utilizzo.
- Tracce. Le tracce registrano il "percorso" end-to-end di ogni richiesta dell'utente, dall'interfaccia utente o dall'applicazione mobile attraverso l'intera architettura distribuita e di nuovo all'utente.
- Le dipendenze(chiamate anche mappe delle dipendenze) rivelano in che modo ogni componente dell'applicazione dipende da altri componenti, applicazioni e risorse IT.
Dopo aver raccolto questa telemetria, la piattaforma la correlano in tempo reale. Questo processo fornisce ai team DevOps, ai team di ingegneria dell'affidabilità del sito (SREs) e al personale IT informazioni contestuali complete. I team comprendono il cosa, il dove e il perché di qualsiasi evento che potrebbe indicare, causare o essere utilizzato per risolvere un problema di prestazioni dell'applicazione.
Molte piattaforme di osservabilità rilevano automaticamente nuove fonti di telemetria che potrebbero emergere all'interno del sistema (ad esempio una nuova chiamata API a un'altra applicazione software). Le piattaforme gestiscono un numero maggiore di dati rispetto a una soluzione APM standard. Molte piattaforme includono funzionalità di AIOps (artificial intelligence for operations), in grado di separare i segnali (indicazioni di problemi reali) dal rumore (dati non correlati ai problemi).
L'osservabilità rende un sistema più facile da comprendere (in generale e nei minimi dettagli) e da monitorare, più facile e più sicuro da aggiornare con un nuovo codice e più facile da riparare rispetto a un sistema meno osservabile. Più specificamente, l'osservabilità supporta direttamente gli obiettivi Agile/DevOps/SRE di fornire più rapidamente software di qualità superiore, consentendo a un'organizzazione di:
- Scoprire e risolvere "incognite sconosciute", ovvero problemi di cui non si conosce l'esistenza. Uno dei limiti principali degli strumenti di monitoraggio è che rilevano solo le "incognite note", ossia le condizioni eccezionali che si sa già di dover tenere d'occhio. L'osservabilità scopre condizioni che potresti non conoscere o pensare di cercare, quindi monitora la loro relazione con problemi di prestazioni specifici e fornisce il contesto per identificare le cause principali e accelerare la risoluzione.
- Individuare e risolvere i problemi nelle prime fasi di sviluppo. L'osservabilità integra il monitoraggio nelle prime fasi del processo di sviluppo del software. I team DevOps possono identificare e risolvere i problemi nel nuovo codice prima che influiscano sull'esperienza del cliente o sugli SLA.
- Scalare automaticamente l'osservabilità. Ad esempio, è possibile specificare la strumentazione e l'aggregazione dei dati come parte della configurazione di un cluster Kubernetes e iniziare a raccogliere i dati di telemetria dal momento in cui viene avviato fino a quando non viene chiuso.
- Consentire la riparazione automatica e l'infrastruttura applicativa di auto-riparazione. Combina l'osservabilità con le funzionalità di machine learning e automazione di AIOps per prevedere i problemi in base agli output di sistema e risolverli senza l'intervento del management team.
Scopri la piattaforma di osservabilità aziendale leader per cloud ibridi.
Migliora le prestazioni dell'infrastruttura e delle applicazioni ovunque con l'osservabilità proattiva dei log, ottimizzando al contempo il TCO per la tua infrastruttura di osservabilità all'interno e all'esterno di IBM Cloud.
Monitora e risolvi i problemi relativi alla tua infrastruttura, ai servizi cloud e alle applicazioni con IBM Cloud Monitoring all'interno e all'esterno dell'infrastruttura IBM Cloud.
Scopri come possiamo aiutarti con l'automazione basata sull'AI, dai workflow aziendali alle operazioni IT.
Scopri in che modo IBM Cloud Pak per Watson AIOps, una soluzione per la gestione delle operazioni IT, consente agli operatori IT di mettere l'AI al centro della loro toolchain ITOps.
Ottimizza le operazioni IT con insight e azioni derivanti dall'osservabilità della rete incentrata sulle applicazioni.
Sfrutta l'osservabilità per ottimizzare in modo proattivo le risorse delle applicazioni, garantire le prestazioni e risparmiare denaro.
Esplora questa guida per principianti per capire cos'è l'osservabilità e come iniziare il tuo percorso nell'osservabilità aziendale in tre semplici passaggi.
Scopri in che modo il monitoraggio e l'osservabilità possono aiutarti a identificare la causa dei problemi: in cosa sono simili e diversi?
Scopri il nuovo mondo con questo ebook. Ci lasceremo alle spalle tutti i sentimenti negativi sul monitoraggio e muoveremo i primi passi nel mondo dell'osservabilità e della sua crescente importanza per gli sviluppatori.
Scopri le tre soluzioni sinergiche di IBM nel dominio AIOps: IBM Observability by Instana APM, Turbonomic Application Resource Management for IBM Cloud Paks e IBM Cloud Pak for Watson AIOps.