Monitorovanie založené na protokoloch zachytáva podrobné záznamy udalostí na účely hĺbkového riešenia problémov, zatiaľ čo monitorovanie založené na metrikách sleduje číselné údaje v priebehu času, aby získalo prehľad o výkonnosti v reálnom čase. Oba prístupy slúžia v moderných systémoch pozorovateľnosti na odlišné účely a väčšina tímov má prospech z ich spoločného používania, namiesto toho, aby si vyberali jeden pred druhým.
Zaznamenáva jednotlivé udalosti s kontextovými detailmi, čo umožňuje forenznú analýzu a vyšetrovanie základných príčin v distribuovaných systémoch.
Zbiera číselné časové rady údajov na sledovanie stavu systému, trendov výkonu a využitia zdrojov v reálnom čase.
| Funkcia | Monitorovanie na základe protokolov | Monitorovanie založené na metrikách |
|---|---|---|
| Typ údajov | Záznamy udalostí s bohatým kontextom | Číselné časové rady údajov |
| Primárny prípad použitia | Analýza a ladenie hlavných príčin | Upozornenia v reálnom čase a analýza trendov |
| Úložná stopa | Väčšie na vstup, vyššie náklady na skladovanie | Kompaktné dátové body, nižšie náklady na úložisko |
| Metóda dopytu | Vyhľadávanie a filtrovanie celého textu | Agregácia, matematické funkcie, dotazy v časových oknách |
| Čas odozvy | Pomalšie pre rozsiahle dotazy | Takmer okamžité pre dotazy na dashboarde |
| Najlepšie na zodpovedanie | Prečo došlo k tejto konkrétnej udalosti? | Aký je aktuálny stav systému? |
| Bežné nástroje | ELK Stack, Splunk, Loki, Fluentd | Prometheus, Grafana, Datadog, CloudWatch |
| Schopnosť upozorňovať | Obmedzené, často vyžaduje pravidlá analýzy protokolov | Natívne upozornenia založené na prahových hodnotách a anomáliách |
Monitorovanie založené na protokoloch zachytáva každú samostatnú udalosť s okolitým kontextom vrátane ID používateľov, údajov požiadaviek, stôp zásobníka chýb a premenných prostredia. Vďaka tomu sú protokoly neoceniteľné, keď potrebujete presne zrekonštruovať, čo sa stalo počas konkrétneho incidentu. Monitorovanie založené na metrikách naopak sumarizuje správanie systému do číselných hodnôt, pričom obetuje detaily jednotlivých udalostí v prospech kompaktného, dotazovateľného formátu, ktorý funguje dobre v dlhodobom horizonte.
Databázy metrík sú optimalizované pre vysokú priepustnosť zápisu a rýchlu agregáciu, a preto platformy ako Prometheus dokážu bez námahy scrapingovať tisíce cieľov každých pár sekúnd. Systémy protokolovania vyžadujú vyššiu výpočtovú réžiu, pretože indexujú voľný text a podporujú zložité vyhľadávacie dopyty. Keďže objemy protokolov rastú na terabajty za deň, tímy často musia investovať do viacúrovňového úložiska, stratégií vzorkovania alebo politík uchovávania údajov, aby udržali náklady na zvládnuteľnej úrovni.
Metriky vynikajú, pokiaľ ide o upozornenia v reálnom čase, pretože vyhodnotenie číselného prahu oproti časovému radu je výpočtovo triviálne. Môžete nastaviť upozornenia ako „CPU nad 90 % počas 5 minút“ s minimálnou réžiou. Upozornenia založené na protokoloch sú možné, ale zvyčajne vyžadujú pravidlá parsovania alebo nástroje na dotazovanie protokolov na detekciu vzorcov, čo zvyšuje latenciu a zložitosť. Pre okamžité upozornenia o stave systému sú metriky zvyčajne rýchlejšou cestou.
Keď sa niečo pokazí, inžinieri často ako prvé hľadajú protokoly, pretože si zachovávajú záznam o tom, čo sa stalo. Jeden záznam v protokole môže odhaliť presnú chybovú správu, dotknutého používateľa a kódovú cestu, ktorá spustila zlyhanie. Metriky vám môžu povedať, že miera chybovosti prudko vzrástla o 14:34, ale zriedkakedy vysvetľujú prečo. Preto zrelé inžinierske tímy považujú protokoly za svoj vyšetrovací nástroj a metriky za systém včasného varovania.
Ukladanie protokolov je vo všeobecnosti drahšie ako ukladanie metrík, pretože každý záznam obsahuje viac údajov a doby uchovávania sú často dlhšie z dôvodov súladu alebo auditu. Stredne veľká aplikácia môže denne generovať milióny riadkov protokolov, pričom produkuje iba niekoľko stoviek jedinečných sérií metrík. Mnoho organizácií implementuje vzorkovanie protokolov, filtrovanie pri zdroji alebo vrstvené ukladanie na kontrolu nákladov, zatiaľ čo uchovávanie metrík sa zvyčajne môže predĺžiť na mesiace alebo roky za nízku cenu.
Tri piliere pozorovateľnosti sú protokoly, metriky a sledovania a väčšina produkčných systémov sa spolieha na všetky tri. Metriky poskytujú prehľad o stave na vysokej úrovni, protokoly ponúkajú podrobné diagnostické detaily a distribuované sledovania spájajú tieto dva prvky zobrazením tokov požiadaviek naprieč službami. Výber medzi monitorovaním založeným na protokoloch a metrikách je zriedkakedy rozhodnutie typu „buď alebo alebo“; namiesto toho sa tímy rozhodujú, ako vyvážiť investície do každého z nich na základe svojich prevádzkových potrieb a rozpočtu.
Na prevádzkovanie spoľahlivého systému potrebujete iba jeden typ monitorovania.
Väčšina produkčných systémov profituje z oboch prístupov. Metriky odhalia problémy včas prostredníctvom upozornení, zatiaľ čo protokoly pomáhajú inžinierom pochopiť hlavnú príčinu po zistení problému. Spoliehanie sa len na jeden prístup necháva slepé miesta, ktoré môžu predĺžiť výpadky.
Dlhodobé skladovanie guľatiny je vždy príliš drahé.
Hoci ukladanie nespracovaných protokolov môže byť nákladné, stratégie viacúrovňového ukladania, kompresia a inteligentné vzorkovanie umožňujú dlhodobé uchovávanie. Mnohé rámce pre dodržiavanie predpisov v skutočnosti vyžadujú uchovávanie určitých protokolov mesiace alebo roky, takže riadenie nákladov je skôr o stratégii ako o predchádzaní im.
Metriky môžu nahradiť protokoly pri ladení.
Metriky vám hovoria, že sa niečo zmenilo, ale zriedkavo vysvetľujú prečo. Pri vyšetrovaní konkrétnej sťažnosti používateľa alebo zriedkavej chyby sú protokoly zvyčajne jediným spôsobom, ako nájsť skutočnú príčinu. Metriky a protokoly slúžia ako doplnkové funkcie pri reakcii na incidenty.
Viac údajov z protokolov vždy znamená lepšie monitorovanie.
Nadmerné protokolovanie vytvára šum, zvyšuje náklady a môže dokonca spomaliť riešenie problémov. Efektívne monitorovanie založené na protokoloch sa zameriava na zachytávanie zmysluplných udalostí pomocou štruktúrovaných polí, a nie na vyhadzovanie všetkých možných detailov do neštruktúrovaného textu.
Monitorovanie založené na metrikách automaticky zachytáva každú anomáliu.
Metriky zisťujú iba to, čo explicitne meriate. Ak sa objaví nový režim zlyhania, ktorý nikto nepomyslel na sledovanie, metriky ho úplne vynechajú. Protokoly naopak zaznamenávajú neočakávané udalosti, pokiaľ ich aplikácia zapisuje.
Monitorovanie založené na protokoloch zvoľte, ak je vašou primárnou potrebou hĺbkové ladenie, auditné záznamy alebo pochopenie kontextu konkrétnych udalostí. Monitorovanie založené na metrikách zvoľte, ak potrebujete dashboardy v reálnom čase, rýchle upozornenia a dlhodobú analýzu trendov vo veľkom meradle. V praxi najsilnejšie stratégie pozorovateľnosti kombinujú oboje, pričom používajú metriky na včasnú detekciu a protokoly na dôkladné vyšetrovanie.
Adaptívna infraštruktúra sa dynamicky prispôsobuje meniacim sa pracovným zaťaženiam prostredníctvom automatizácie a škálovania v reálnom čase, zatiaľ čo návrh statickej infraštruktúry sa spolieha na fixné, predkonfigurované zdroje. Výber medzi nimi závisí od variability pracovných zaťažení, predvídateľnosti rozpočtu a prevádzkovej zrelosti vo vašom cloudovom prostredí.
Agregácia telemetrie konsoliduje metriky, protokoly a stopy z mnohých zdrojov do jednotného kanála, zatiaľ čo protokolovanie z jedného zdroja sa zameriava na zachytávanie a analýzu údajov z jedného konkrétneho zdroja. Správna voľba závisí od zložitosti systému, cieľov pozorovateľnosti a operačného rozsahu.
Toto porovnanie skúma služby Amazon Web Services a Google Cloud analýzou ich ponúk služieb, cenových modelov, globálnej infraštruktúry, výkonu, skúseností vývojárov a ideálnych prípadov použitia, čím pomáha organizáciám vybrať cloudovú platformu, ktorá najlepšie vyhovuje ich technickým a obchodným požiadavkám.
Cloudové spracovanie spracováva dáta v centralizovaných vzdialených dátových centrách, čo ponúka masívnu škálovateľnosť a výpočtový výkon. Spracovanie na okraji siete prináša výpočty bližšie k miestu, kde sa dáta generujú, čím sa znižuje latencia a využitie šírky pásma. Oba prístupy slúžia rôznym potrebám v moderných distribuovaných systémoch.
Deduplikácia na úrovni požiadaviek spracováva každú prichádzajúcu požiadavku jednotlivo, aby sa v reálnom čase eliminovali duplikáty, zatiaľ čo dávková deduplikácia zoskupuje viacero požiadaviek a po ich nahromadení odstraňuje redundancie. Oba prístupy znižujú redundanciu údajov, ale výrazne sa líšia v latencii, využívaní zdrojov a ideálnych prípadoch použitia.
