Cómo la eficiencia depende de la observabilidad

Chris Riley, DevOps Advocate en Splunk

13 julio, 2020
6 Compartido 1,108 Visualizaciones

Chris Riley, DevOps Advocate en Splunk.

Si aún no ha escuchado el término “esta es la nueva normalidad”, entonces no ha estado escuchando. Si bien en este momento no es normal, los eventos actuales nos hacen preguntarnos cómo va a cambiar el entorno de trabajo una vez que lleguemos allí. Hay algunas cosas que podemos esperar:

  • Vamos a apoyarnos aún más en la tecnología para una mejor comunicación y productividad
  • Vamos a pensar más en evitar las distracciones y el cambio de contexto.
  • Vamos a ser más activos en los canales de comunicación digital.

Tener pipelines y aplicaciones que sean observables es clave para todo esto.

En una reciente publicación de blog, » Adaptándose a la nueva normalidad en las operaciones de TI «, del miembro del equipo Alex Afflerbach , habló sobre cómo las funciones de TI cambiarán fundamentalmente a un modo de operación NOC (D-NOC) más distribuido. Esto significa que el equipo tendrá que depender de información procesable, visibilidad y comunicación digital sin la capacidad de caminar al escritorio de alguien, tocarlo en el hombro y pedir ayuda.

«El cambio rápido hacia un modelo distribuido exacerba las ineficiencias en los enfoques antiguos y expone las brechas». – Alex Afflerbach

El elemento humano de esta transición es sinceramente el más difícil. Las personas son criaturas de hábitos, los cambios de rutina son difíciles y hay una sorprendente cantidad de eficiencia obtenida de las interacciones casuales. El elemento humano es una batalla que tanto los equipos como las personas tendrán que luchar para ser tan efectivos (si no más) como lo abrazan.

Los aspectos técnicos de esta transición son menos difíciles porque las tecnologías y prácticas están en gran parte allí. No tenemos dudas de que los avances en esta área se producirán como resultado de una mayor demanda de mejores entornos de trabajo virtual. Pero el trabajo remoto no es nuevo, y las ideas de soportar entornos técnicos de manera distribuida tampoco son nuevas.

La «nueva normalidad» para DevOps

«La aceleración forzada del cambio de hoy tiene un impacto en muchas facetas del Centro de Operaciones de TI» – Alex Afflerbach

Nadie puede predecir exactamente cómo cambiarán las cosas. DevOps y el desarrollo de aplicaciones, al igual que TI , van a pasar por una gran transformación. En muchos aspectos, los equipos de desarrollo tienen una ventaja sobre los equipos de operaciones, ya que han adoptado prácticas de automatización significativas y el uso de ChatOps, pero a su vez, enfrentarán desafíos cada vez mayores en el frente humano. La interacción humana de interacción e intercambios de información es una pieza crítica de los equipos de desarrollo modernos. A medida que los equipos de desarrollo se trasladaron a un modelo de microservicios, los equipos mismos se han vuelto más íntimos y los miembros más conectados.

Ampliando los puntos de Alex y relacionándolos con el desarrollo de aplicaciones, hay 3 áreas de estrategias clave que los equipos de DevOps deben adoptar en su nuevo modo de operación, y finalmente se descomponen en obtener la visibilidad correcta en el momento correcto, surgiendo problemas en lugar de buscar ellos, y la rápida difusión de detalles tecnológicos. En lo que respecta a las cadenas de entrega de DevOps y el desarrollo de aplicaciones, esto es observabilidad.

Visibilidad

La visibilidad ha sido un elemento básico de los entornos de TI y desarrollo de alto rendimiento. Supervisar herramientas que son muy buenas para recopilar datos de telemetría en todos los sistemas y dar la capacidad de crear paneles y buscar en esos datos. La visibilidad en entornos donde la infraestructura y las pilas de aplicaciones se están volviendo cada vez más complejas, especialmente con microservicios y Kubernetes , junto con equipos que ahora están distribuidos en todas partes significa que las organizaciones deben ser deliberadas sobre los datos que recopilan, cómo los estructuran, cómo los muestran, y a quién dan acceso. Los datos relevantes para los equipos deben estar disponibles, y los paneles tienen las métricas correctas que se muestran de una manera que sea digerible de un vistazo.

Superficie contra caza

“Debe tener datos en contexto para tomar medidas y ganar valor. Los datos en sí mismos son solo un valor nulo. «- Dave McAllister

Es absolutamente crítico ya que los ingenieros hacen todo lo posible para concentrarse en sus tareas en curso para asegurarse de que todas y cada una de las interrupciones sean significativas y justificadas. Los equipos no deberían estar cazando pistas falsas. Por lo tanto, los sistemas de monitoreo deben mostrar datos relevantes que realmente requieran la atención de los equipos y brindarles información significativa para abordarlos. No deberían estar cavando innecesariamente en los eventos solo para descubrir que están en el camino equivocado, o el problema percibido no era el correcto. Esto requiere:

  • Correlación: el monitoreo debe comprender en bits y bytes lo que sucede cuando algo se rompe en la aplicación. También necesita correlacionar datos relevantes y perspicaces para comprender el radio de explosión de un problema y ver cómo podría afectar a otros servicios relacionados.
  • Profundidad y amplitud: los sistemas de monitoreo deben instrumentarse en toda su pila de dos maneras: de abajo hacia arriba desde su infraestructura hasta el front-end, y de izquierda a derecha desde su planificación hasta la producción. Tener soluciones puntuales que brinden visibilidad en una parte de su operación no es excelente para tomar decisiones a largo plazo.
  • Respuesta a incidentes: si algo se rompe, la tubería necesita tener una herramienta de respuesta a incidentes estrechamente integrada que esté conectada en toda la pila y pueda movilizar al miembro del equipo virtual correcto en el momento correcto.

Observabilidad y el nuevo mundo

La observabilidad parte del monitoreo tradicional en el sentido de que reconoce que la información puede ser una distracción, a menos que sea oportuna y relevante. En entornos de trabajo virtuales y distribuidos modernos, esas distracciones le quitan la capacidad del equipo para realizar eficientemente las tareas necesarias mientras mantienen la cultura y las conexiones del equipo. La observabilidad, especialmente cuando se combina con la automatización, la respuesta a incidentes y AI / ML , permite a las organizaciones comprender la experiencia del cliente en la producción, ayudar a determinar qué medir y estar a la vanguardia de la administración de las prácticas de DevOps. Las tecnologías y metodologías que impulsan los entornos observables ya existen y las organizaciones que adoptan la observabilidad ofrecerán eficiencias mejoradas tanto en DevOps como en los equipos de aplicaciones.

Si quieres saber más sobre la observabilidad no te pierdas este miércoles nuestro Data Webinar Observabilidad y AIOPs con Splunk. Apúntate aquí:


 

Te podría interesar

Certificados de ética para la Inteligencia Artificial
Actualidad
7 compartido1,283 visualizaciones
Actualidad
7 compartido1,283 visualizaciones

Certificados de ética para la Inteligencia Artificial

Redacción BDM - 8 junio, 2020

Los expertos están hablando, y consideran que crear certificados eticos para los software de Inteligencia Artificial y controlar los usos que se les da a estos es…

La conectividad IoT marcará el futuro seguridad física
Internet of Things
19 compartido2,658 visualizaciones
Internet of Things
19 compartido2,658 visualizaciones

La conectividad IoT marcará el futuro seguridad física

Mónica Gallego - 29 abril, 2019

El mercado de la seguridad física moverá 51.380 millones de dólares en 2023. La inversión mundial en tecnología de Internet de las Cosas sobrepasará la marca del…

BBVA y Universidad de Navarra firman una colaboración en ciencia de datos
Actualidad
6 compartido1,137 visualizaciones
Actualidad
6 compartido1,137 visualizaciones

BBVA y Universidad de Navarra firman una colaboración en ciencia de datos

Redacción BDM - 31 julio, 2020

El acuerdo se centra principalmente en tres lineas de colaboración: certificación para científicos de datos, máster universitario en "Big Data Science" y doctorado industrial. BBVA y Universidad…

Dejar comentario

Su email no será publicado

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.