Uz žurnāliem balstīta uzraudzība tver detalizētus notikumu ierakstus padziļinātai problēmu novēršanai, savukārt uz metrikām balstīta uzraudzība laika gaitā izseko skaitliskus datu punktus, lai iegūtu reāllaika ieskatu veiktspējā. Abas pieejas mūsdienu novērošanas sistēmās kalpo atšķirīgiem mērķiem, un lielākā daļa komandu gūst labumu no to kopīgas izmantošanas, nevis vienas izvēles pār otru.
Reģistrē atsevišķus notikumus ar kontekstuālām detaļām, nodrošinot kriminālistisko analīzi un cēloņu izpēti izkliedētās sistēmās.
Apkopo skaitliskus laika rindu datu punktus, lai reāllaikā izsekotu sistēmas stāvokli, veiktspējas tendences un resursu izmantošanu.
| Funkcija | Uz žurnāliem balstīta uzraudzība | Uz metriku balstīta uzraudzība |
|---|---|---|
| Datu tips | Notikumu ieraksti ar bagātīgu kontekstu | Skaitliski laika rindas datu punkti |
| Primārais lietošanas gadījums | Cēloņu analīze un atkļūdošana | Reāllaika brīdināšana un tendenču analīze |
| Uzglabāšanas platība | Lielāks par ierakstu, augstākas uzglabāšanas izmaksas | Kompakti datu punkti, zemākas uzglabāšanas izmaksas |
| Vaicājuma metode | Pilnteksta meklēšana un filtrēšana | Apkopošana, matemātiskās funkcijas, laika loga vaicājumi |
| Atbildes laiks | Lēnāks liela mēroga vaicājumiem | Gandrīz tūlītēja informācijas paneļa vaicājumu apstrāde |
| Vislabāk atbildēšanai | Kāpēc tieši šis notikums notika? | Kāds ir pašreizējais sistēmas stāvoklis? |
| Bieži sastopamie rīki | ELK Stack, Splunk, Loki, Fluentd | Prometejs, Grafana, Datadog, CloudWatch |
| Brīdināšanas iespējas | Ierobežots, bieži vien nepieciešami žurnālu parsēšanas noteikumi | Vietējie sliekšņi un uz anomālijām balstīti brīdinājumi |
Uz žurnāliem balstīta uzraudzība fiksē katru atsevišķu notikumu ar apkārtējo kontekstu, tostarp lietotāju ID, pieprasījumu vērtumu, kļūdu kaudzes izsekošanas datus un vides mainīgos. Tas padara žurnālus nenovērtējamus, ja nepieciešams precīzi rekonstruēt notikušo konkrēta incidenta laikā. Turpretī uzraudzība, kuras pamatā ir metrika, apkopo sistēmas darbību skaitliskās vērtībās, upurējot atsevišķu notikumu detaļas kompaktam, vaicājumiem piemērotam formātam, kas labi darbojas ilgtermiņā.
Metriku datubāzes ir optimizētas augstai rakstīšanas caurlaidspējai un ātrai apkopošanai, tāpēc tādas platformas kā Prometheus var viegli apstrādāt tūkstošiem mērķu ik pēc dažām sekundēm. Žurnālu sistēmām ir nepieciešamas lielākas skaitļošanas izmaksas, jo tās indeksē brīvas formas tekstu un atbalsta sarežģītus meklēšanas vaicājumus. Žurnālu apjomiem pieaugot līdz terabaitiem dienā, komandām bieži vien ir jāiegulda daudzpakāpju krātuvē, izlases stratēģijās vai saglabāšanas politikās, lai saglabātu izmaksas pārvaldāmas.
Metrika izceļas reāllaika brīdināšanā, jo skaitliskā sliekšņa novērtēšana attiecībā pret laika rindu ir skaitļošanas ziņā triviāla. Varat iestatīt brīdinājumus, piemēram, "CPU virs 90% 5 minūtes", ar minimālām papildu izmaksām. Uz žurnāliem balstīta brīdināšana ir iespējama, taču parasti ir nepieciešami parsēšanas noteikumi vai žurnālu vaicājumu dzinēji, lai noteiktu modeļus, kas palielina latentumu un sarežģītību. Lai saņemtu tūlītējus paziņojumus par sistēmas veselību, metrika parasti ir ātrākais veids, kā to izdarīt.
Kad kaut kas nedarbojas, žurnāli bieži vien ir pirmā vieta, kur inženieri meklē informāciju, jo tie saglabā notikušā aprakstu. Viens žurnāla ieraksts var atklāt precīzu kļūdas ziņojumu, skarto lietotāju un koda ceļu, kas izraisīja kļūmi. Metrika var pateikt, ka kļūdu līmenis strauji pieauga plkst. 14:34, taču tā reti izskaidro, kāpēc. Tāpēc nobriedušas inženieru komandas žurnālus uzskata par savu izmeklēšanas rīku, bet metrikas - par savu agrīnās brīdināšanas sistēmu.
Žurnālu glabāšana parasti ir dārgāka nekā metriku glabāšana, jo katrs ieraksts satur vairāk datu un glabāšanas periodi atbilstības vai audita apsvērumu dēļ bieži vien ir ilgāki. Vidēja lieluma lietojumprogramma katru dienu var ģenerēt miljoniem žurnāla rindiņu, vienlaikus radot tikai dažus simtus unikālu metriku sēriju. Daudzas organizācijas ievieš žurnālu izlasi, filtrēšanu avotā vai daudzpakāpju glabāšanu, lai kontrolētu izmaksas, savukārt metriku saglabāšana parasti var ilgt mēnešus vai gadus lēti.
Trīs novērojamības pīlāri ir žurnāli, metrikas un izsekošanas dati, un lielākā daļa ražošanas līmeņa sistēmu balstās uz visiem trim. Metrikas sniedz augsta līmeņa veselības pārskatu, žurnāli piedāvā padziļinātu diagnostikas informāciju, un izkliedētās izsekošanas dati savieno abus, parādot pieprasījumu plūsmas pakalpojumos. Izvēle starp žurnālos balstītu un metrikās balstītu uzraudzību reti ir “vai nu” lēmums; tā vietā komandas izlemj, kā līdzsvarot ieguldījumus katrā no tiem, pamatojoties uz savām darbības vajadzībām un budžetu.
Lai sistēma darbotos uzticami, nepieciešams tikai viena veida monitorings.
Lielākā daļa ražošanas sistēmu gūst labumu no abām pieejām. Metrika laikus atklāj problēmas, izmantojot brīdinājumus, savukārt žurnāli palīdz inženieriem izprast galveno cēloni, tiklīdz problēma ir atklāta. Paļaušanās tikai uz vienu rada aklās zonas, kas var paildzināt elektroenerģijas padeves pārtraukumus.
Baļķi vienmēr ir pārāk dārgi, lai tos ilgstoši turētu.
Lai gan neapstrādātu žurnālu glabāšana var būt dārga, daudzpakāpju glabāšanas stratēģijas, saspiešana un vieda izlase padara ilgtermiņa saglabāšanu iespējamu. Daudzas atbilstības sistēmas faktiski pieprasa glabāt noteiktus žurnālus mēnešiem vai gadiem ilgi, tāpēc izmaksu pārvaldība ir saistīta ar stratēģiju, nevis izvairīšanos.
Metrika var aizstāt žurnālus atkļūdošanai.
Metrika norāda, ka kaut kas ir mainījies, bet reti izskaidro, kāpēc. Izmeklējot konkrētu lietotāja sūdzību vai retu kļūdu, žurnāli parasti ir vienīgais veids, kā atrast faktisko cēloni. Metrikai un žurnāliem ir papildinošas lomas incidentu reaģēšanā.
Vairāk žurnāla datu vienmēr nozīmē labāku uzraudzību.
Pārmērīga reģistrēšana rada troksni, palielina izmaksas un faktiski var palēnināt problēmu novēršanu. Efektīva, uz žurnāliem balstīta uzraudzība koncentrējas uz jēgpilnu notikumu fiksēšanu, izmantojot strukturētus laukus, nevis visu iespējamo detaļu apkopošanu nestrukturētā tekstā.
Uz metriku balstīta uzraudzība automātiski konstatē katru anomāliju.
Metrika nosaka tikai to, ko jūs skaidri mērāt. Ja parādās jauns kļūmes režīms, kuru neviens neiedomājās izsekot, metrika to pilnībā nepamanīs. Turpretī žurnāli fiksē negaidītus notikumus, kamēr lietojumprogramma tos raksta.
Izvēlieties uz žurnāliem balstītu uzraudzību, ja jūsu galvenā vajadzība ir padziļināta atkļūdošana, audita takas vai konkrētu notikumu konteksta izpratne. Izvēlieties uz metrikām balstītu uzraudzību, ja jums ir nepieciešami reāllaika informācijas paneļi, ātra brīdināšana un ilgtermiņa tendenču analīze plašā mērogā. Praksē spēcīgākās novērojamības stratēģijas apvieno abus, izmantojot metrikas agrīnai noteikšanai un žurnālus rūpīgai izmeklēšanai.
Adaptīvā infrastruktūra dinamiski pielāgojas mainīgajām darba slodzēm, izmantojot automatizāciju un mērogošanu reāllaikā, savukārt statiskās infrastruktūras dizains balstās uz fiksētiem, iepriekš konfigurētiem resursiem. Izvēle starp tiem ir atkarīga no darba slodzes mainīguma, budžeta paredzamības un darbības brieduma jūsu mākoņvidē.
Augstas caurlaidspējas apkalpošanas sistēmas apstrādā milzīgu pieprasījumu apjomu ar milisekundes līmeņa latentumu, nodrošinot ieteikumu dzinēju un reklāmu platformu darbību. API ar mazu datplūsmu apkalpo mazākas lietotāju bāzes, kur vienkāršība, izmaksu efektivitāte un uzturēšanas vieglums ir svarīgāki par neapstrādātu mērogu.
Augstas caurlaidspējas ieteikumu apkalpošana koncentrējas uz miljonu vienumu ranžēšanu katrā pieprasījumā plašā mērogā, savukārt zemas latentuma API sistēmas piešķir prioritāti ātram, paredzamam atbildes laikam vispārējas nozīmes vaicājumiem. Abas pieprasa veiktspēju zem 100 ms, bet risina fundamentāli atšķirīgas inženiertehniskās problēmas mūsdienu mākoņinfrastruktūrā.
Šis salīdzinājums izvērtē Amazon Web Services un Google Cloud, analizējot to pakalpojumu piedāvājumus, cenu modeļus, globālo infrastruktūru, veiktspēju, izstrādātāju pieredzi un optimālos lietošanas gadījumus, palīdzot organizācijām izvēlēties mākoņplatformu, kas vislabāk atbilst to tehniskajām un biznesa prasībām.
Baitu nobīdes kontrolpunkti un bezstāvokļa atkopšana ir principiāli atšķirīgas pieejas kļūdu tolerancei izkliedētās sistēmās, kur pirmā saglabā precīzas straumes pozīcijas precīzai atsākšanas iespējai, bet otrā atjauno stāvokli no nulles, izmantojot nemainīgus datu avotus, aizstājot krātuves pieskaitāmās izmaksas rekonstrukcijas vienkāršības labad.
