Capacidad de observación

¿Qué es la capacidad de observación?

Las señales principales de un sistema con capacidad de observación son los tipos de telemetría recopilados para comprender completamente su comportamiento. Si bien la capacidad de observación tiene sus raíces en un trío fundamental, los enfoques actuales se extienden más allá para abordar los desafíos de arquitecturas de sistemas cada vez más complejos.

Los tres pilares fundamentales de la capacidad de observación son las métricas, los registros y las trazas:

• Las métricas son puntos de datos numéricos de series de tiempo que se agregan a lo largo de intervalos. Son esenciales para rastrear el estado del sistema a largo plazo, al ofrecer información rápida sobre el rendimiento, el uso de recursos (como unidad central de procesamiento o memoria) y las tasas de error. Las métricas resultan de utilidad para crear paneles y activar alertas sobre condiciones conocidas.
• Los registros de eventos puntuales son inmutables e incluyen una marca de tiempo. Se utilizan para capturar eventos con un contexto completo y detallado, como un mensaje de error con un seguimiento de pila completa o un registro del inicio de sesión de un usuario. Las métricas muestran que ha ocurrido un problema, mientras que los registros proporcionan detalles contextuales que explican por qué.
• Las trazas distribuidas revelan el proceso global de una solicitud a través de un sistema. Las trazas asignan todo el flujo de trabajo siguiendo una única acción del usuario a medida que viaja a través de diversos microservicios, bases de datos y API. Esto resulta enormemente valioso para identificar cuellos de botella de latencia y comprender dependencias en arquitecturas distribuidas. Sin embargo, en entornos nativos de la nube complejos, los tres pilares por sí solos suelen ser insuficientes. Los volúmenes masivos de datos y los servicios de corta duración dificultan la conexión manual de distintos tipos de datos para identificar la causa principal. Esto ha dado lugar a la aparición de señales de datos que ofrecen información más profunda, incluidos perfiles continuos y eventos empresariales.
• La creación de perfiles continuos ayuda a identificar el código que consume muchos recursos al analizar constantemente el uso de CPU y memoria hasta la función o el número de línea. Explica por qué un servicio es lento o consume muchos recursos, al conectar trazas de datos que muestran dónde se emplea el tiempo con el código exacto responsable.
• La importancia de los eventos empresariales radica en conectar el rendimiento técnico con los resultados de negocio. Al tratar las acciones de alto valor como «añadir_carro» o «pago_procesado» como telemetría de primera clase, los equipos pueden medir directamente el impacto empresarial (por ejemplo, la pérdida de ingresos) de los problemas técnicos, lo que facilita una priorización basada en datos.

Las estrategias de capacidad de observación utilizan tecnología, estándares y una actitud cultural para comprender el comportamiento del sistema. La capacidad de observación se centra en cultivar una disciplina sostenible en lugar de simplemente implementar una herramienta.

Los pipelines de capacidad de observación modernos vinculan la creación de datos con la información. La instrumentación significa configurar el código de aplicaciones e infraestructura para emitir telemetría. Una capa de recopilación (como un agente) recopila y envía estos datos a un backend central de procesamiento y almacenamiento. Los datos se indexan, correlacionan y almacenan. En la última etapa, los ingenieros emplean lenguajes de consulta, paneles y sistemas de alertas para analizar datos, encontrar tendencias y corregir errores.

La instrumentación moderna se basa en OpenTelemetry (OTel), un proyecto de la Cloud Native Computing Foundation (CNCF) y un estándar del sector. OTel reúne diversos SDK, API y herramientas neutrales respecto al proveedor para métricas, registros y trazas. Un beneficio clave es la libertad de la no dependencia del proveedor. Al instrumentar los servicios una sola vez con OTel, los datos se pueden enrutar a cualquier backend compatible, lo que permite a los equipos cambiar las plataformas de análisis sin reescribir el código de la aplicación.

Al elegir herramientas, las organizaciones pueden optar por una plataforma de capacidad de observación integrada y soluciones best-of-breed. Una plataforma integrada proporciona un «panel único» que conecta automáticamente trazas, registros y métricas para una depuración fluida. Una estrategia best-of-breed permite a los equipos seleccionar la herramienta óptima para cada función, como el registro o la trazabilidad, pero aumenta la complejidad de la integración y el mantenimiento.

Por último, la tecnología por sí sola no es suficiente. Para que la capacidad de observación tenga éxito, se necesita un cambio cultural hacia la curiosidad basada en datos. En lugar de simplemente reaccionar a las notificaciones, los ingenieros deberían tener la capacidad de hacer preguntas e investigar «incógnitas desconocidas». Esto fomenta la colaboración entre los equipos de desarrollo, operaciones y negocio utilizando datos con capacidad de observación y una cultura libre de culpas que ve los incidentes como oportunidades de aprendizaje.

Tanto la capacidad de observación como la supervisión son necesarias para la fiabilidad del sistema, aunque cumplen diferentes propósitos. Para la supervisión se establecen mediciones y umbrales para descubrir problemas conocidos, mientras que la capacidad de observación analiza los parámetros externos de un sistema (registros, métricas y trazas) para inferir su estado interno y encontrar problemas desconocidos. La supervisión ayuda a responder a los problemas a medida que ocurren, mientras que la capacidad de observación te ayuda a comprender el comportamiento del sistema. Tanto la capacidad de observación como la supervisión son necesarias para la fiabilidad del sistema, aunque cumplen diferentes propósitos. Para la supervisión se establecen mediciones y umbrales para descubrir problemas conocidos, mientras que la capacidad de observación analiza los parámetros externos de un sistema (registros, métricas y trazas) para inferir su estado interno y encontrar problemas desconocidos. La supervisión ayuda a responder a los problemas a medida que ocurren, mientras que la capacidad de observación te ayuda a comprender el comportamiento del sistema para prevenir y solucionar fallos.

A continuación ofrecemos una explicación más detallada:

Supervisión:

• Enfoque: controlar y mostrar métricas, emitir advertencias para situaciones predeterminadas y proporcionar una vista dinámica del estado del sistema.
• Objetivo: identificar y solucionar problemas en el menor tiempo posible.
• Datos: utilizar principalmente métricas predefinidas y datos de registro.
• Ejemplo: seguimiento del consumo de memoria, tiempos de respuesta de HTTP y E/S de disco para identificar problemas de rendimiento.

Capacidad de observación: 

• Enfoque: se centra en parámetros del sistema para descubrir problemas desconocidos y comprender comportamientos complicados.
• Objetivo: obtener información práctica sobre el comportamiento del sistema para la detección proactiva de problemas y la investigación de causas principales.
• Datos: recopila mediciones, registros y trazas para obtener un informe completo de los procesos del sistema.
• Ejemplo: seguimiento del recorrido de solicitudes a través de microservicios utilizando trazas distribuidas o análisis de registros para identificar fallos en el servicio.

Diferencias clave:

• La capacidad de observación se centra en prevenir errores antes de que afecten a los usuarios, mientras que la supervisión actúa como un sistema de alerta.
• La supervisión aborda fallos conocidos mediante métricas establecidas, mientras que la capacidad de observación analiza parámetros y comportamientos del sistema para encontrar problemas desconocidos.
• La supervisión se centra en métricas individuales, pero la capacidad de observación proporciona una imagen completa del estado interno del sistema.
• La capacidad de observación permite una investigación exhaustiva de la causa principal estudiando todo el contexto del sistema, mientras que la supervisión solo puede indicar fallos sin apenas información sobre el contexto.