Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
7 l 2021 cloudcomputing l Observabiltiy l 15 Wenn Unternehmen mehr Observability in ihre Anwendungen und Dienste einbauen produziert die Telemetrie mehr Daten die von Monitoring-Tools ausgewertet werden können Die IT-Umgebungen werden „beobachtbar“ sie produzieren Daten die Unternehmen sammeln und analysieren Je mehr Observability überall in der IT-Umgebung integriert ist desto besser und effektiver können IT-Betriebsteams erkennen was in ihren Systemen passiert Missverständnis 3 Ziel umfassender Observability bereits erreicht Viele Unternehmen glauben zwar dass sie bereits über eine vollständige Observability ihrer IT-Umgebungen verfügen liegen mit dieser Einschätzung aber oftmals falsch Während sie ihre Digitale Transformation beschleunigen und Cloudnative Umgebungen einführen wird es für sie schwieriger eine umfassende Observability zu erreichen Das liegt vor allem an der Größe und der dynamischen Natur der Architekturen auf denen diese Umgebungen basieren wie zum Beispiel Microservices und Container Kubernetes Serverless und Service-Mesh-Infrastrukturen Diese Umgebungen verändern sich ständig und erzeugen große Datenmengen die genutzt werden sollten um die IT-Performance zu verstehen und Services zu optimieren Die manuelle Instrumentierung die für herkömmliche Überwachungsansätze erforderlich ist bedeutet jedoch dass Unternehmen durchschnittlich nur rund elf Prozent ihrer Anwendungen und IT-Infrastruktur vollständig beobachten Und selbst bei vollständiger Observability der Backend-Komponenten wird oft die Frontend-Perspektive von Anwendungen vernachlässigt Ohne Einblicke in die User Experience kann es zu verzerrten oder falschen Interpretationen darüber kommen wie die Anwendungen und Infrastrukturen funktionieren Wichtige Optimierungen finden dann nicht statt IT-Teams sollten daher die Telemetriedaten mit Metriken zur User Experience ergänzen Drei Säulen der Observability u Metriken – Werte die als Zählungen oder Messwerte dargestellt und häufig über einen bestimmten Zeitraum berechnet oder aggregiert werden Metriken können aus einer Vielzahl von Quellen stammen darunter Infrastruktur Hosts Services sowie Cloud-Plattformen und externe Quellen u Distributed Traces – zeigen die Aktivität einer Transaktion oder Anfrage an während sie sich durch die Anwendungen bewegt Dadurch wird sichtbar wie sich Services einschließlich Details auf Code-Ebene verbinden u Logs – Strukturierter oder unstrukturierter Text der diskrete Ereignisse aufzeichnet die zu einem bestimmten Zeitpunkt aufgetreten sind u User Experience – Diese drei Säulen sollten um die Benutzerperspektive von außen nach innen erweitert werden Das bedeutet Bestimmte digitale Erfahrungen mit einer Anwendung werden erkennbar selbst in Vorproduktionsumgebungen Die User Experience ergänzt die Observability beispielsweise mit Daten für APIs Dienste von Drittanbietern im Browser auftretende Fehler demografische Daten der Nutzer und die Anwendungsperformance aus der Benutzer-Perspektive Typischerweise erfordert die Observability in dynamischen Multi-Cloud-Umgebungen von den Entwicklern die Cloud-Infrastruktur und den Anwendungscode manuell zu instrumentieren Das ist ein Prozess der einerseits jeweils eine Handvoll Datenquellen zur Observability berücksichtigt und andererseits Entwickler und andere IT-Professionals von ihren eigentlichen Aufgaben ablenken kann Eine andere Herangehensweise kann sich gegebenenfals anbieten um für dynamische Multi-Cloud-Umgebungen eine skalierbarere Observability mit der notwendigen Geschwindigkeit zu erreichen per automatisierter und intelligenter Observability Observability automatisieren und skalieren Diese automatisierte Observabiity erfolgt so dass ressourcenbeschränkte Teams in der Lage sind auf die unzähligen in Echtzeit gesammelten Daten zu reagieren Das wird unter anderem durch Kontext und Topologie Continuous Automation und KI-Unterstützung möglicht Bei Kontext und Topologie geht es zunächst um eine Instrumentierung die ein Verständnis der Beziehungen zwischen allen Abhängigkeiten in hochdynamischen Multi-Cloud-Umgebungen mit potenziell Milliarden von miteinander verbundenen Komponenten schafft Kontext-Metadaten ermöglichen Topologie-Maps in Echtzeit und das Verständnis kausaler Abhängigkeiten vertikal im gesamten Stack sowie horizontal über Dienste Prozesse und Hosts hinweg Mit Continuous Automation wird die automatische kontinuierliche Erkennung Instrumentierung und das Baselining jeder Systemkomponente bezeichnet Sie verlagert den IT-Aufwand weg von manuellen Konfigurationsarbeiten Das bedeutet dass Observability „alwayson“ ist und mit den dynamischen Cloudnativen Ökosystemen von heute skalieren kann Künstliche Intelligenz kann Anwendungen Infrastruktur und Abhängigkeiten innerhalb komplexer Umgebungen automatisch erkennen und ungewöhnliche Veränderungen aufzeigen So kann die Notwendigkeit Observability manuell in Anwendungen Services und Code zu integrieren reduziert werden und Unternehmen haben gegebenenfalls die Möglichkeit Umgebungen kontinuierlich zu überwachen zu instrumentieren und Abhängigkeiten zu verstehen Ein Ansatz der über die IT hinausgeht Mit einer fortlaufenden Verbesserung ihrer Observability können Unternehmen die Vorteile der Cloud-Migration besser nutzen Aber dieser umfassende Ansatz kann noch über die grundlegende Ebene die Einblick in alle Anwendungen und Services bietet hinausgehen Mit einer skalierbaren Observability für alle Kanäle Kunden Mitarbeiter sowie sämtliche Anwendungsarten können die Teams aus IT Produktion und Business ihre Aktivitäten gemeinsam priorisieren Michael Rudrich ist VP Central Europe bei Dynatrace