- Observability: thước đo cho biết có thể suy luận tốt đến mức nào về trạng thái bên trong của hệ thống từ kết quả đầu ra bên ngoài của hệ thống
- Thu thập metric, event, log và trace để trực quan hóa và phân tích
- Cung cấp phong phú thông tin bối cảnh về hoạt động nội bộ, giúp xử lý sự cố hệ thống ở mức chuyên sâu
- Tổng hợp 5 xu hướng observability năm 2024 được các công ty observability như Grafana Labs, Splunk, Dynatrace, Chronosphere và các tổ chức nghiên cứu thị trường như Dimensional Research nhắc đến từ 3 lần trở lên
- Mở rộng ảnh hưởng của AI với tư cách là “công cụ” observability
- AI được dùng cho tương quan tín hiệu, phát hiện bất thường, phân tích nguyên nhân gốc rễ và tối ưu hiệu năng, giúp hiểu nhanh “điều gì đang xảy ra trong hệ thống”
- Khi AI phát hiện bất thường, hệ thống có thể tự động giải quyết sự cố sau khi điều tra và phản ứng tự động
- Nhu cầu về công cụ tự động hóa các quy trình thường nhật để giảm công việc kéo dài nhiều giờ đang làm tăng mức độ ứng dụng AI trong observability
- Để theo kịp tốc độ cung cấp cloud-native, các tổ chức cần phân tích dựa trên AI có độ chính xác và khả năng dự đoán, được tự động hóa ở quy mô lớn cho hạ tầng multi-cloud và thực hành phát triển agile
- Khi dùng các công cụ observability kết hợp AI nhân quả, AI dự đoán và generative AI, có thể thu được nhiều insight hơn từ dữ liệu observability, bảo mật và kinh doanh để phân tích hệ thống chuyên sâu
- Tất nhiên, sẽ cần thời gian để có thể xem là “AI đã đạt độ tin cậy ở mức khách hàng mong muốn”
- Tăng tầm quan trọng của việc quan sát AI như một “đối tượng” observability
- Generative AI đang tạo ra lượng dữ liệu khổng lồ và phức tạp với tốc độ bùng nổ nhờ khả năng tự động hóa và nâng cao năng suất
- Người dùng tạo nội dung bằng AI và cũng trực tiếp phát triển “AI của riêng mình”, từ đó phát sinh và phải xử lý rất nhiều dữ liệu
- AI có ảnh hưởng rộng khắp tới nhiều lĩnh vực của xã hội như y tế, pháp lý, tài chính và du lịch, nên cần được hiểu rõ
- Việc AI có vận hành bình thường hay không và có thiên lệch hay không là những đối tượng quan sát quan trọng
- Các tổ chức cần sẵn sàng để quan sát AI một cách chính xác và cụ thể
- Cần biết cách lấy metric, log và trace từ AI
- Nỗ lực cắt giảm chi phí observability
- Nhiều doanh nghiệp đang lo lắng về vấn đề ngân sách, tìm cách quản lý chi phí ở cả góc độ công nghệ lẫn kinh doanh và kiểm soát chi phí IT tổng thể
- Khi doanh nghiệp chuyển sang môi trường multi-cloud hoặc cloud-native, lượng dữ liệu được tạo ra tăng lên và chi phí liên quan cũng tăng theo
- ESG Research: “69% tổ chức lo ngại rằng chi phí thu thập và lưu trữ dữ liệu sẽ tăng đáng kể theo thời gian do dữ liệu observability gia tăng”
- Dynatrace: “Các nhóm thường xuyên phải quyết định log nào cần giữ lại để phân tích theo thời gian thực, log nào cần loại bỏ và log nào nên lưu trong kho lưu trữ chi phí thấp với khả năng truy cập thấp hơn”
- Các cách cắt giảm chi phí observability:
- Kiềm chế mức tăng dữ liệu, đồng thời dùng công cụ giúp tổ chức khai thác giá trị tốt hơn từ dữ liệu đã thu thập
- Lọc các event trùng lặp và không liên quan, vốn không tạo giá trị cho kết quả observability
- Loại bỏ giá trị rỗng, xóa nhãn không cần thiết, chuyển đổi định dạng dữ liệu kém hiệu quả sang “định dạng phù hợp với đối tượng observability”, trimming event và chuyển đổi
- Nhu cầu với mã nguồn mở và OpenTelemetry tăng lên
- Nhiều doanh nghiệp đang đầu tư vào công nghệ mã nguồn mở để giải quyết lo ngại bị khóa chặt vào nhà cung cấp, rồi tích hợp chúng như một phần của stack công nghệ observability
- Theo khảo sát của Dimensional Research, 87% người trả lời phụ trách observability cho rằng “OpenTelemetry sẽ trở thành tiêu chuẩn dữ liệu observability trong 5 năm tới”
- OpenTelemetry được thiết kế để tạo và quản lý dữ liệu như trace, metric và log, không bị phụ thuộc vào nhà cung cấp cụ thể
- Điều này cho phép sử dụng cùng mọi công cụ observability hỗ trợ OpenTelemetry
- Nhưng việc áp dụng OpenTelemetry vẫn đang ở giai đoạn đầu
- Khi triển khai OpenTelemetry vẫn có những vấn đề như lo ngại về hỗ trợ kỹ thuật, nhu cầu chờ đến khi thị trường áp dụng rộng hơn, và việc ban lãnh đạo chưa hiểu rõ giá trị của nó
- Tăng cường xu hướng hợp nhất các công cụ observability
- Thay vì dùng nhiều công cụ observability khác nhau, xu hướng hợp nhất về công cụ của một hoặc hai nhà cung cấp đang mạnh lên
- Theo khảo sát của Dimensional Research, doanh nghiệp trung bình sử dụng hơn 7 công cụ observability và monitoring
- Lý do hợp nhất công cụ observability: xác định sự cố nhanh hơn, giảm chi phí, cải thiện cộng tác nhóm, giảm thiểu downtime, tăng cường bảo mật, đơn giản hóa độ phức tạp vận hành, giảm nhu cầu đào tạo và tránh data silo
- Chronosphere: “Nhà phát triển và các nhóm kỹ thuật không muốn mất thời gian di chuyển giữa nhiều giao diện người dùng hoặc phần mềm khác nhau để tìm câu trả lời, cũng không muốn tốn chi phí cho nhiều phần mềm”
- Dimensional Research: “Khi có quá nhiều công cụ, khó khăn trong việc thể hiện tương quan dữ liệu tăng lên, dẫn đến ‘hiện tượng silo công cụ’ làm hạn chế khả năng hiển thị trên toàn bộ môi trường”
- Khi hợp nhất công cụ observability về một hoặc hai nhà cung cấp, sẽ thuận lợi hơn cho việc gom dữ liệu phân mảnh và chuẩn hóa cách thu thập, tiêu thụ dữ liệu
Chưa có bình luận nào.