Глобальне опитування 500 ІТ-спеціалістів, проведене постачальником платформи спостереження Logz.io, виявило, що лише один із 10 респондентів має повну можливість спостереження в середовищі своїх програм. Про це повідомляє DevOps.com.
Технічний директор Logz.io Асаф Ігаль сказав, що хоча більше команд DevOps, ніж будь-коли, збирають журнали, метрики й трасування, більшість із них ще не визначили, як ввести в дію всі зібрані дані. Коли дані надходять, їх не потрібно просто зберігати. Їх необхідно пов’язати з різними службами, які становлять застосунок.
Чим більше організацій розгортають хмарні програми у виробничих середовищах, тим гострішою стає ця проблема. Усі мікросервіси, які становлять ці програми, тепер генерують величезну кількість телеметричних даних, що призводить до появи більшої кількості сповіщень, аніж будь-коли.
Найбільшими проблемами, з якими стикаються організації під час керування кластерами Kubernetes у виробничих середовищах, є моніторинг/усунення проблем (40%), за якими слідують безпека (37%) і мережа (33%).
Багато організацій просто не мають навичок, необхідних для керування хмарними програмами. Майже половина респондентів (48%) назвали брак знань найбільшою проблемою, з якою вони зіткнулися, намагаючись спостерігати за такими типами програм. З точки зору управління ІТ, більшість мікросервісів використовують один і той самий базовий шаблон, тому командам DevOps важко визначити, які мікросервіси матимуть найбільший вплив на цілі рівня обслуговування (SLO) і угоди про рівень обслуговування (SLA) у разі зрив, зазначив Ігаль.
82% респондентів зазначили, що їхній середній час вирішення проблеми (MTTR) під час виробничих інцидентів становив більше години. Опитування також відзначило, що більше половини респондентів (52%) працювали в організаціях, які намагаються стримати витрати на моніторинг. Понад три чверті (76%) респондентів також відзначили, що OpenTelemetry з відкритим кодом (OTEL) або інструменти, орієнтовані на OTEL, були принаймні певною мірою важливі для їхньої загальної стратегії спостереження.
Окрім того, 87% респондентів сказали, що їхня організація вже використовує певну форму розробки платформи для масштабного керування робочими процесами DevOps.
Багатьом командам DevOps бракує видимості, необхідної для визначення першопричини проблеми. Як наслідок, варіації одних і тих же проблем часто продовжують проявлятися, оскільки попередні спроби виправлення просто не були достатньо глибокими, щоб вирішити основну проблему.
Невдовзі може настати день, коли алгоритми машинного навчання разом з іншими формами штучного інтелекту спростять виявлення цих проблем. Тим часом завдання полягає в тому, щоб сьогодні закласти основу спостереження, щоб забезпечити доступ до даних, які знадобляться для навчання цих моделей ШІ.
Читайте також на ProIT: найкращі методи налаштування реплікації MySQL.
Підписуйтеся на ProIT у Telegram, щоб не пропустити жодної публікації!
