Wichtigste Erkenntnisse
Entwickeln Sie Beobachtbarkeit für Fragen, die Sie vor einem Vorfall nicht vorhersehen konnten
Planen Sie für das Unbekannte. In der Regelungstechnik beschreibt Beobachtbarkeit, wie gut sich der interne Zustand eines Systems aus seinen Ausgaben ableiten lässt. Auf Software übertragen bedeutet das, dass Entwicklerinnen und Entwickler unbekanntes Systemverhalten anhand von Produktionsdaten untersuchen können, ohne den Fehler vorherzusagen oder neuen Code auszuliefern, um ihn zu beschreiben. Das Ziel ist nicht einfach, Telemetriedaten zu sammeln. Vielmehr soll das System neue Fragen beantworten können, sobald sie auftauchen.
Mehr als eine Tool-Kategorie. Ein Dashboard, eine Sammlung von Metriken, Logs und Traces oder die Verwendung des Begriffs Beobachtbarkeit durch einen Anbieter garantieren diese Fähigkeit nicht. Entwicklerinnen und Entwickler brauchen kontextreiche Daten, die sich über viele Dimensionen hinweg erkunden lassen. Das ist ein anspruchsvoller Maßstab, insbesondere bei komplexen Diensten. Er verlagert das Ziel jedoch davon, bekannte Bedingungen zu überprüfen, hin zum Verständnis dessen, was tatsächlich geschehen ist.
Der Unterschied ist ebenso erkenntnistheoretischer wie technischer Natur: Monitoring fragt, ob eine bekannte Bedingung vorliegt, während Beobachtbarkeit dabei hilft, herauszufinden, welche Bedingungen überhaupt relevant sind. Damit wird die Qualität eines Systems teilweise auch zu einer Frage der Qualität seiner Untersuchung. Die Definition ist überzeugend, sollte aber nicht als Versprechen verstanden werden, jeder Zustand lasse sich aus beliebigen Telemetriedaten rekonstruieren. Fehlende Instrumentierung, Datenschutzgrenzen und unvollständige Daten können echte blinde Flecken hinterlassen. Entscheidend ist in der Praxis, ob Entwicklerinnen und Entwickler nützliche neue Fragen stellen können, ohne die Belege des Systems nach einem Vorfall erst wiederherstellen zu müssen.
Lassen Sie das Monitoring bekannte Infrastrukturrisiken absichern und die Beobachtbarkeit Softwareüberraschungen erklären
Nutzen Sie beide Ansätze. Beim Monitoring werden Messwerte zusammengefasst und Warnungen ausgelöst, wenn bekannte Bedingungen Schwellenwerte überschreiten. Es eignet sich gut für vergleichsweise stabile Infrastrukturthemen wie Kapazität oder Ressourcennutzung. Beobachtbarkeit unterstützt offene Untersuchungen des Softwareverhaltens, das sich häufig ändert und auf unerwartete Weise ausfallen kann. Der Unterschied besteht nicht darin, dass Metriken nutzlos wären, sondern darin, dass aggregierte Metriken allein ein neuartiges Kundenproblem nur selten erklären.
Richten Sie die Werkzeuge nach der Verantwortung aus. Ein Team, das seine eigene Hardware betreibt, benötigt detailliertes Infrastrukturmonitoring. Ein Team, das auf verwaltete Plattformen setzt, braucht davon womöglich deutlich weniger. Softwareteams profitieren weiterhin von übergeordneten Infrastrukturmesswerten wie CPU-, Speicher- und Festplattenaktivität, wenn sich damit erkennen lässt, wie sich eine Codeänderung auf die Leistung auswirkt. Behalten Sie die Metriken, die Handlungen ermöglichen, statt aus Gewohnheit jedes Diagramm aufzubewahren.
Diese Aufteilung ist sinnvoll, weil sie bei der betrieblichen Verantwortung ansetzt und nicht bei einer modischen Werkzeug-Taxonomie. Sie vermeidet auch eine falsche Entweder-oder-Entscheidung: Ein Dienst kann sowohl verlässliche Schwellenwertwarnungen als auch flexible Untersuchungsmöglichkeiten benötigen. Schwieriger ist die Frage, ab wann eine Infrastrukturabhängigkeit Teil des Produkterlebnisses wird. Eine verwaltete Datenbank mag in der Betriebsverantwortung jemand anderem unterstehen, doch ihre Latenz wirkt sich weiterhin auf die Kundschaft aus. Teams sollten die Verantwortung für das zugrunde liegende System getrennt von der Verantwortung für die Auswirkungen auf die Nutzerinnen und Nutzer zuweisen.
Lassen Sie ein System nicht schneller wachsen, als Sie es verstehen können
Parse stellte sich der Komplexität direkt. Parse, eine Backend-Plattform für Mobilgeräte, wuchs von mehr als 60.000 gehosteten Apps zum Zeitpunkt der Übernahme auf über eine Million rund zweieinhalb Jahre später. Die frühen Ruby-Worker konnten Anfragen nicht gleichzeitig verarbeiten. Verlangsamte sich ein Backend, füllten ausstehende Aufgaben den Worker-Pool, und die gesamte Plattform konnte ins Stocken geraten. Das Team verfügte über zahlreiche Dashboards und Warnmeldungen, doch viele Ausfälle ergaben sich aus neuen Kombinationen, auf die es nicht vorbereitet gewesen war.
Machen Sie Untersuchungen wiederholbar. Nach der Einführung von Facebooks Analysesystem Scuba konnte das Team Ereignisdaten mit hoher Kardinalität über beliebige Dimensionen hinweg untersuchen. Diagnosen, die zuvor Tage gedauert hatten oder ganz ungelöst geblieben waren, waren nun in Minuten oder Sekunden möglich. Die Veränderung bedeutete mehr als nur Geschwindigkeit: Debugging wurde zu einer Methode, die Teammitglieder miteinander teilen konnten, statt zu einer individuellen Fähigkeit, über die nur die dienstälteste Person verfügte.
Die Geschichte von Parse zeigt, dass es beim Skalieren nicht nur um Durchsatz geht. Es erhöht auch die Zahl der Zusammenhänge, die ein Team verstehen muss – besonders dann, wenn Kundinnen und Kunden unvorhersehbare Arbeitslasten erzeugen können. Der Wechsel von intuitivem Heldentum zu gemeinsamer Untersuchung ähnelt dem Übergang von Erfahrungswissen zu einer reproduzierbaren Disziplin. Eine bessere Sichtbarkeit kann eine eingeschränkte Architektur jedoch nicht von selbst reparieren. Beobachtbarkeit hilft, den Engpass zu lokalisieren und Änderungen zu bewerten; um die grundlegenden Grenzen zu beheben, waren weiterhin technische Arbeiten nötig, darunter eine kostspielige Neuentwicklung.
Erfassen Sie jede Anfrage als durchsuchbares Ereignis statt als verstreute Fragmente
Bewahren Sie den Kontext der Anfrage. Ein strukturiertes Ereignis ist ein maschinell durchsuchbarer Datensatz darüber, was während einer Arbeitseinheit geschehen ist, oft einer Dienstanfrage. Es kann Eingaben, Nutzer- oder Anfragekennungen, Laufzeitdetails, Aufrufe anderer Dienste, Dauer und Ergebnis umfassen. Die Felder sollten flexibel genug sein, um nützliche Details aufzunehmen, die beim Bau des Systems noch nicht absehbar waren. Eine ausgereifte Instrumentierung kann Hunderte von Dimensionen pro Ereignis erfassen.
Bewahren Sie Details, bevor Sie aggregieren. Eine Metrik fasst viele Anfragen im Zeitverlauf zu einem Wert zusammen und löst dabei den Zusammenhang zwischen einzelnen Anfragen auf. Herkömmliche Textlogs können die Geschichte einer Anfrage auf viele Zeilen verteilen. Strukturierte Ereignisse erhalten diesen verbindenden Kontext. Ein verteilter Trace verknüpft zusammengehörige Ereignisse zu einer Darstellung des Weges einer Anfrage durch mehrere Dienste und zeigt, wie lange jede Arbeitseinheit dauerte.
Das Ereignismodell behandelt Telemetriedaten als Belege für geleistete Arbeit und nicht als Verzeichnis unverbundener Messwerte. So kann man von einem aggregierten Muster zu den einzelnen Anfragen wechseln, die dahinterstehen. Der Nachteil: Ereignisse mit vielen Details können teuer werden und sensible Informationen enthalten. Eine umfassende Instrumentierung erfordert daher eine durchdachte Datenverwaltung: genügend Kontext für Untersuchungen erfassen, zugleich aber Vorkehrungen zu Identität, Aufbewahrung, Zugriff und nicht zu protokollierenden Feldern treffen.
Untersuchen Sie Anomalien, indem Sie Belege vergleichen, statt auf die Vermutung eines Veteranen zu vertrauen
Gehen Sie systematisch vor. Die Kernanalyseschleife (Core Analysis Loop) beginnt mit dem gemeldeten Symptom, prüft, an welcher Stelle sich das Systemverhalten verändert hat, und durchsucht die Ereignisdimensionen nach Merkmalen, die ungewöhnliche Fälle von der Basislinie unterscheiden. Erklärt der erste Vergleich das Problem nicht, grenzt man die Daten ein und stellt eine weitere Frage. Automatisierte Analysen können die ausgewählte Anomalie mit gewöhnlichen Ereignissen vergleichen und die Felder danach ordnen, wie stark sie sich unterscheiden.
Lassen Sie Hinweise den Weg weisen, aber nicht das Urteil fällen. In einem Beispiel traten langsame Anfragen in Zusammenhang mit einer Verfügbarkeitszone auf, die in 98 % der auffälligen Ereignisse, aber nur in 17 % der Basislinienereignisse vorkam. Das lenkte die Ermittlerinnen und Ermittler auf ein Netzwerkproblem beim Cloud-Anbieter. Das Muster lieferte einen starken Hinweis, aber für sich genommen keinen Beweis. Die Entwicklerinnen und Entwickler mussten die Hypothese weiterhin prüfen und feststellen, ob die scheinbare Korrelation die Auswirkungen auf die Nutzerinnen und Nutzer erklärte.
Diese Methode macht Debugging zu einem iterativen wissenschaftlichen Vorgehen: eine Beobachtung isolieren, sie mit einer Referenz vergleichen und die Erklärung anhand weiterer Belege überarbeiten. Automatisierung ist wertvoll, weil sie Dimensionen schneller durchsuchen kann, als es einer Person möglich ist. Eine nach Rang geordnete Abweichung ist jedoch noch keine Erklärung der Ursache. Ein Feld kann mit einem Vorfall korrelieren, weil es die betroffene Region, Kundengruppe oder Bereitstellung kennzeichnet, ohne den Mechanismus offenzulegen. Gute Werkzeuge beschleunigen die Bildung von Hypothesen; eine sorgfältige Untersuchung prüft sie.
Melden Sie Beeinträchtigungen für die Kundschaft und nutzen Sie dann Beobachtbarkeit, um die Ursache zu finden
Messen Sie, was Nutzerinnen und Nutzer erleben. Ein Service Level Indicator (SLI) klassifiziert Dienstergebnisse als gut oder schlecht. Ein Service-Level-Ziel (SLO) legt das interne Ziel für diese Ergebnisse fest. Ein Team könnte beispielsweise eine Anfrage an die Startseite dann als erfolgreich definieren, wenn sie innerhalb einer festgelegten Zeit beantwortet wird. Ein Fehlerbudget bezeichnet das Ausmaß an Fehlern, das zulässig ist, während das Ziel eingehalten wird. Ereignisbasierte Messungen bewerten einzelne Anfragen und liefern mehr Details, als wenn ein gesamtes Zeitfenster pauschal als gut oder schlecht eingestuft wird.
Sorgen Sie für verlässliche Warnmeldungen. Eine Warnmeldung sollte zuverlässig auf eine verschlechterte Nutzererfahrung hinweisen und den Verantwortlichen einen Grund zum Handeln geben. Bei Honeycomb entdeckte eine SLO-Warnung einen wiederkehrenden Teilausfall, den herkömmliche Prüfungen nicht erkannten. Die Untersuchung brachte das Muster mit einem durch eine Bereitstellung eingeführten Speicherleck in Verbindung, woraufhin das Team die Änderung zurücknahm. Warnungen zu einzelnen Ressourcenbedingungen können nützlich sein, doch durch zu viele Fehlalarme gewöhnen sich Menschen oft daran, Warnungen zu ignorieren.
Die Trennung von Symptom und Ursache ist eine überzeugende Designentscheidung. Sie verankert die Dringlichkeit im Zweck des Dienstes und lässt die Diagnose den Belegen folgen, statt in jede Warnmeldung eine Vermutung einzubauen. Ereignisbezogene Messungen bilden Teilausfälle außerdem realistischer ab als ein grobes, systemweites Signal. Voraussetzung ist ein SLI, das einen bedeutsamen Nutzungsvorgang widerspiegelt. Ist die Messgröße schlecht gewählt, können selbst präzise Ereignisdaten zu einem irreführenden Ziel führen, und die Verantwortlichen optimieren womöglich einen Ersatzindikator statt der tatsächlichen Nutzererfahrung.
Machen Sie Produktionsfeedback zu einem Teil der Softwareentwicklung, nicht zu einem nachträglichen Gedanken
Tests und Produktion beantworten unterschiedliche Fragen. Testgetriebene Entwicklung prüft, ob sich der Code in einer kontrollierten Umgebung wie vorgegeben verhält. Beobachtbarkeitsorientierte Entwicklung (Observability-Driven Development) ergänzt die Möglichkeit, das Verhalten der Software mit echten Nutzerinnen und Nutzern, wechselnden Arbeitslasten und verteilten Abhängigkeiten zu beobachten. Sie ersetzt weder Tests noch einen Code-Debugger. Sie hilft dabei, herauszufinden, welche Komponente, Anfrage oder Bedingung genauer untersucht werden sollte.
Verkürzen Sie die Feedbackschleife. Jede Codeänderung sollte nach der Bereitstellung eine Möglichkeit bieten, ihre Auswirkungen zu beurteilen. Teams können Builds vergleichen, Nutzungsergebnisse beobachten und mit Feature-Flags oder einer begrenzten Freigabe Änderungen mit geringerem Risiko bewerten. Das Buch argumentiert, dass Entwicklerinnen und Entwickler Verantwortung für ihre Software in der Produktion übernehmen sollten – einschließlich zeitnaher Rückmeldungen, wenn ihre Änderungen Probleme verursachen. Dies wird als Lernen und Verantwortung verstanden, nicht als Bestrafung.
Die wichtige Erkenntnis lautet, dass Einblick in die Produktion zum Entwicklungsprozess gehört und nicht nur in das Werkzeugrepertoire eines Betriebsteams. Tests legen erwartetes Verhalten unter ausgewählten Bedingungen fest; die tatsächliche Nutzung zeigt, welche Bedingungen im Testmodell gefehlt haben. Beide Arten von Belegen ergänzen einander, statt miteinander zu konkurrieren. Entwicklerinnen und Entwicklern Verantwortung für den Betrieb zu übertragen, funktioniert jedoch nur, wenn sie Zeit, Befugnisse und sichere Bereitstellungskontrollen haben. Fehlen diese Voraussetzungen, kann Verantwortung zu einer anderen Bezeichnung für die Verlagerung betrieblicher Last werden.
Stichproben Sie den Routineverkehr sorgfältig, bewahren Sie aber Fehler und ihren Trace-Kontext
Verringern Sie das Datenvolumen, ohne Muster zu verwischen. Beim Sampling werden ausgewählte Ereignisse gespeichert, statt sämtliche Ereignisse aufzubewahren. Eine feste Wahrscheinlichkeit ist einfach, kann aber seltene Fehler übersehen oder dazu führen, dass Kunden mit hohem Datenaufkommen die Stichprobe dominieren. Dynamische Verfahren können die Raten anhand des Datenverkehrs oder von Ereignisfeldern anpassen, sodass Fehler, ungewöhnliche Latenzen oder unterrepräsentierte Gruppen mit größerer Wahrscheinlichkeit erhalten bleiben. Jedes Ereignis in der Stichprobe muss seine Sampling-Rate enthalten, damit sich ursprüngliche Mengen und Verteilungen in Analysen genau schätzen lassen.
Halten Sie Traces zusammenhängend. Eine Anfrage erzeugt oft Ereignisse in mehreren Diensten. Wenn jeder Dienst unabhängig Stichproben zieht, bilden die gespeicherten Fragmente möglicherweise keinen brauchbaren Trace. Eine gemeinsame Sampling-Kennung ermöglicht es nachgelagerten Diensten, einheitliche Entscheidungen zu treffen. Head-basiertes Sampling entscheidet früh anhand der bereits bekannten Informationen; Tail-basiertes Sampling entscheidet nach Abschluss der Anfrage, wenn Ergebnisse wie Fehler und Latenz bekannt sind, erfordert jedoch, die Spans zwischenzuspeichern.
Sampling ist ein praktischer Kompromiss zwischen Datentreue und Kosten, keine kostenlose Verringerung des Datenvolumens. Sein Design beinhaltet eine Einschätzung darüber, welche Ereignisse wichtig sind. Eine Richtlinie, die alle Anfragen als gleichwertig behandelt, kann daher systematisch seltene Nutzergruppen oder Fehler verbergen. Gewichtung und einheitliche Entscheidungen für Traces helfen, den Analysewert zu bewahren, beseitigen jedoch keine Verzerrungen, wenn die Auswahlkriterien falsch sind. Teams sollten regelmäßig prüfen, was ihre Sampling-Richtlinie ausschließt – insbesondere dann, wenn sich Datenverkehrsmuster oder Produktverhalten ändern.
Gewinnen Sie Akzeptanz, indem Sie das größte Problem lösen, und messen Sie anschließend die Zeitersparnis
Belegen Sie den Nutzen dort, wo er sichtbar wird. Das Buch empfiehlt, mit einem Dienst oder Problem zu beginnen, das den Verantwortlichen bereits Kopfzerbrechen bereitet, statt mit einem einfachen System, bei dem es wenig zu lernen gibt. Instrumentieren Sie es, untersuchen Sie das Problem und teilen Sie die Ergebnisse. Ergänzen Sie bei Vorfällen nützliche Instrumentierung, während Sie zugleich eine abschließende Phase planen, um vernachlässigte Teile des Stacks abzudecken. Ein Tool zu kaufen kann sinnvoll sein, wenn dessen Entwicklung und Wartung Entwicklerinnen und Entwickler von den zentralen Aufgaben des Unternehmens abhalten würde.
Messen Sie Ergebnisse statt Abzeichen. Das Observability-Reifegradmodell (Observability Maturity Model) ordnet Fähigkeiten den Bereichen widerstandsfähige Reaktion auf Vorfälle, Codequalität, technische Komplexität, Release-Zyklus und Verständnis des Nutzerverhaltens zu. Es dient als Planungshilfe, nicht als universelle Rangfolge. Die Autorinnen und Autoren berichten, dass befragte Teams, die Beobachtbarkeit einführten, sich dreimal so häufig von der Qualität ihrer Produktionssysteme überzeugt fühlten; Teams ohne sie verbrachten mehr als die Hälfte ihrer Zeit mit Arbeit, die keine Produktfunktionen hervorbrachte. Messen Sie in Ihrem eigenen Umfeld, ob sich Erkennung, Behebung und Auslieferung verbessern.
Mit einem konkreten Problem zu beginnen, sorgt für eine glaubwürdige Demonstration und gibt Skeptikerinnen und Skeptikern etwas Greifbareres als eine Plattform-Einführung. Das Reifegradmodell erweitert den Blick auf den Erfolg sinnvoll über die Abdeckung durch Telemetriedaten hinaus und bezieht ein, wie Teams arbeiten und was Kundinnen und Kunden erleben. Die Umfrageergebnisse sind ein Hinweis, aber kein Beweis dafür, dass Beobachtbarkeit allein die Unterschiede verursacht hat. Auch Unternehmensgröße, Führung und technische Praktiken können eine Rolle spielen. Eine überzeugende geschäftliche Begründung verbindet die breiten Dimensionen des Modells daher mit lokalen Ausgangswerten, klar zugewiesener Verantwortung und messbaren Veränderungen bei der Zeit bis zur Erkennung und Behebung von Vorfällen.
Analyse
Der zentrale Gedanke des Buches besteht darin, Beobachtbarkeit nicht mehr als Sammlung von Datentypen, sondern als Fähigkeit zur Untersuchung zu verstehen. Diese Neuausrichtung verknüpft Architektur, Instrumentierung, Analyse und organisatorische Praxis. Strukturierte Ereignisse bewahren genügend Kontext, um nach unerwarteten Vorfällen Fragen stellen zu können; Traces erhalten die Beziehungen zwischen Diensten; die Analyse macht aus diesen Datensätzen eine wiederholbare Untersuchung. Die gesellschaftliche Folge ist ebenso bedeutsam wie die technische: Wissen wandert von der Intuition erfahrener Entwicklerinnen und Entwickler hin zu gemeinsamen Belegen, die mehr Menschen einsehen können.
Die Geschichte von Parse verleiht diesem Argument Nachdruck, weil sie eine Veränderung der Art des Scheiterns zeigt und nicht bloß einen Mangel an Dashboards. Eine rasch wachsende Plattform mit von Kunden definierten Arbeitslasten konnte sich nicht auf eine stabile Liste bekannter Fehlermodi verlassen. Bessere Abfragemöglichkeiten verkürzten die Diagnose, machten aber eine Neugestaltung der eingeschränkten Architektur nicht überflüssig. Diese Unterscheidung hält Beobachtbarkeit in ihrer angemessenen Rolle: Sie hilft Teams, Systeme zu verstehen und darauf zu reagieren, macht sie aber nicht von sich aus zuverlässig.
Die überzeugendste betriebliche Synthese besteht darin, Erkennung und Diagnose voneinander zu trennen. SLOs legen fest, wann die Nutzererfahrung schlecht genug ist, um Aufmerksamkeit zu erfordern; Ereignisdaten helfen den Untersuchenden herauszufinden, warum. So kann sich das Warnrauschen verringern, ohne vorzugeben, Fehler seien vermeidbar oder vollständig vorhersehbar. Der Ansatz hängt weiterhin von aussagekräftigen, nutzerbezogenen Indikatoren und durchdachten Schwellenwerten ab. Ein ungenauer SLI kann zu entschlossenem, aber fehlgeleitetem Handeln führen.
Die Autorinnen und Autoren schreiben außerdem als Anbieter von Beobachtbarkeitstools. Ihre Kritik an bestehenden Werkzeugen sollte daher neben ihrem Plädoyer für werkzeugneutrale Konzepte gelesen werden. Der dauerhaft aussagekräftigste Maßstab ist die Fähigkeit, nicht die Marke: Können Entwicklerinnen und Entwickler kontextreiche Daten mit hoher Kardinalität erkunden, Ereignisse über Arbeitseinheiten hinweg verknüpfen und neue Erklärungen effizient prüfen? Neben den Speicherkosten entstehen weitere Kosten, etwa für Datenschutz und Datenverwaltung sowie durch den kognitiven Aufwand, umfangreiche Daten zu interpretieren. Gute Praxis erfordert sowohl aussagekräftige Belege als auch Zurückhaltung. Die tiefere Lehre des Buches besteht nicht darin, wahllos alles zu erfassen, sondern Systeme und Teams so aufzubauen, dass sie aus dem Produktionsbetrieb lernen können, ohne auf Voraussicht oder Heldentaten angewiesen zu sein.
Rezensionsübersicht
Observability Engineering wird gemischt bewertet und erreicht eine durchschnittliche Bewertung von 3,78 von 5. Leserinnen und Leser schätzen die Einführung des Buches in Konzepte der Beobachtbarkeit und die Betonung sozio-technischer Systeme. Viele finden es jedoch repetitiv, vermissen praktische Beispiele und meinen, es konzentriere sich zu stark darauf, Beobachtbarkeit von Monitoring abzugrenzen. Einige loben die revolutionären Ideen, andere kritisieren den Umfang und die mangelnde technische Tiefe. Das Buch gilt als guter Einstieg in das Thema Beobachtbarkeit, bietet Ingenieurinnen und Ingenieuren jedoch zu wenig detaillierte Anleitung zur Umsetzung.
Andere lasen auch
Glossar
Beobachtbarkeit (Observability)
Erschließen des internen SystemzustandsIn diesem Buch ist Beobachtbarkeit eine Eigenschaft von Softwaresystemen: Sie beschreibt, wie gut Ingenieurinnen und Ingenieure aus den Ausgaben eines Systems dessen internen Zustand verstehen und erklären können – auch Zustände, die sie nicht vorhergesehen haben. Sie beruht sowohl auf Telemetriedaten als auch auf der Möglichkeit, diese flexibel zu untersuchen, statt lediglich vorab festgelegte Bedingungen zu prüfen.
strukturiertes Ereignis
Durchsuchbarer ArbeitsdatensatzEin strukturiertes Ereignis ist ein maschinell durchsuchbarer Datensatz darüber, was während einer Arbeitseinheit geschehen ist, häufig während einer einzelnen Dienstanfrage. Es kann Eingaben der Anfrage, Kennungen, Laufzeitkontext, Aufrufe nachgelagerter Dienste, Dauer und Ergebnis enthalten. Werden diese Angaben zusammengehalten, können Untersuchende Ereignisse nach Dimensionen filtern und vergleichen, die nicht unbedingt im Voraus bekannt waren.
Kardinalität
Anzahl unterschiedlicher WerteDie Kardinalität ist die Anzahl eindeutiger Werte in einem Feld. Ein Feld wie die Anfrage-ID hat eine hohe Kardinalität, da jede Anfrage einen anderen Wert haben kann; ein Feld mit einer kleinen, festgelegten Wertemenge hat eine niedrige Kardinalität. Felder mit hoher Kardinalität helfen dabei, bei einer Untersuchung bestimmte Benutzer, Anfragen, Hosts oder andere ungewöhnliche Bedingungen einzugrenzen.
verteilter Trace
Zusammengehörige Ereignisse über mehrere Dienste hinwegEin verteilter Trace verknüpft Ereignisse, die entstehen, während eine Anfrage mehrere Dienste oder Arbeitseinheiten durchläuft. Die verknüpften Spans halten ihre Zeitangaben und Eltern-Kind-Beziehungen fest. So lässt sich erkennen, wofür Zeit aufgewendet wurde und wie die Arbeit über Systemgrenzen hinweg verlief.
Kernanalyseschleife (Core Analysis Loop)
Iterative Untersuchung von AnomalienDie Kernanalyseschleife ist eine Methode zur Untersuchung des Systemverhaltens, ohne auf Vorkenntnisse angewiesen zu sein. Man beginnt mit dem gemeldeten Symptom, prüft, wo sich die Leistung verändert hat, vergleicht die Dimensionen anomaler Ereignisse mit einer Baseline und grenzt die Daten anhand der Erkenntnisse aus diesem Vergleich weiter ein. Der Vorgang wird wiederholt, bis die Belege eine nützliche Erklärung stützen.
Service-Level-Ziel (SLO)
Internes ZuverlässigkeitszielEin Service-Level-Ziel (SLO) ist ein internes Ziel für die Qualität eines Dienstes, ausgedrückt durch Messungen nutzerrelevanter Ergebnisse. Es wird üblicherweise mithilfe von Service-Level-Indikatoren bewertet, die Ergebnisse wie erfolgreiche, rechtzeitige Anfragen klassifizieren. SLOs helfen Teams zu entscheiden, wann eine Verschlechterung Aufmerksamkeit erfordert.
Fehlerbudget
Zulässiges DienstausfallmaßEin Fehlerbudget bezeichnet das Ausmaß an Ausfällen, das ein Dienst innerhalb eines festgelegten Zeitraums verkraften kann und dennoch sein SLO erfüllt. Mit der Zunahme schlechter Ereignisse schrumpft das verbleibende Budget. Teams nutzen dessen Verbrauchsrate, um einzuschätzen, ob die aktuelle Leistung das Ziel gefährdet und wie dringend eine Untersuchung ist.
beobachtbarkeitsorientierte Entwicklung (Observability-Driven Development)
Produktionsdatengeleitete SoftwareentwicklungBeobachtbarkeitsorientierte Entwicklung bezieht Instrumentierung und Produktionsanalysen in den Softwareentwicklungsprozess ein. Sie ergänzt Tests, indem sie zeigt, wie sich Änderungen mit realen Benutzerinnen und Benutzern, Arbeitslasten und Abhängigkeiten verhalten. Ihr Zweck ist es, Feedbackschleifen zu verkürzen und Ingenieurinnen und Ingenieuren zu helfen, Probleme im System zu lokalisieren – nicht, einen Code-Debugger zu ersetzen.
Head-basiertes Sampling
Früh getroffene Sampling-EntscheidungBeim Head-basierten Sampling wird zu Beginn der Ausführung eines Traces entschieden, ob dieser beibehalten wird; die Entscheidung stützt sich auf bereits verfügbare Informationen. Sie kann an nachgelagerte Dienste weitergegeben werden, damit zusammengehörige Spans einheitlich berücksichtigt werden. Die anfängliche Entscheidung kann sich nicht auf Ergebnisse wie die endgültige Latenz oder den Fehlerstatus stützen, die erst nach der Ausführung bekannt sind.
Tail-basiertes Sampling
Nachträglich getroffene Sampling-EntscheidungBeim Tail-basierten Sampling wird erst nach Abschluss eines Ereignisses oder Traces entschieden, ob es beibehalten wird. Dadurch können Kriterien wie die endgültige Latenz oder der Fehlerstatus die Auswahl beeinflussen. Damit ein Trace zusammenhängend bleibt, müssen Spans im Allgemeinen bis zur Entscheidung zwischengespeichert werden, was zusätzliche Ressourcen auf der Collector-Seite erfordern kann.
Observability-Reifegradmodell (Observability Maturity Model)
Leitfaden für organisatorische FähigkeitenDas Observability-Reifegradmodell ist ein Rahmenwerk zur Einschätzung, wie Beobachtbarkeit organisatorische Fähigkeiten unterstützt, darunter Incident-Reaktion, Codequalität, Komplexitätsmanagement, Release-Takt und das Verständnis des Nutzerverhaltens. Es ist als anpassbare Planungshilfe gedacht, nicht als universelle Abfolge, der jede Organisation folgen muss.
FAQ
Worum geht es in „Observability Engineering“?
- Schwerpunkt Beobachtbarkeit: Im Mittelpunkt des Buches steht das Konzept der Beobachtbarkeit in modernen Softwaresystemen. Es erläutert deren Bedeutung und den Unterschied zu herkömmlichem Monitoring.
- Fachwissen der Autorinnen und Autoren: Das Buch von Charity Majors, Liz Fong-Jones und George Miranda stützt sich auf ihre umfangreiche Erfahrung in der Softwareentwicklung und mit Praktiken der Beobachtbarkeit.
- Umfassender Leitfaden: Es bietet eine detaillierte Analyse dessen, was Beobachtbarkeit bedeutet, wie sie umgesetzt werden kann und wie sie sich auf Teamdynamik und Organisationskultur auswirkt.
- Praktische Einblicke: Das Buch gibt praktische Ratschläge dazu, wie sich eine Kultur der Beobachtbarkeit aufbauen lässt, und behandelt Herausforderungen bei der Ausweitung entsprechender Praktiken.
Warum sollte ich „Observability Engineering“ lesen?
- Aktuelle Relevanz: Da Softwaresysteme immer komplexer werden, ist das Verständnis von Beobachtbarkeit entscheidend, um die Systemleistung aufrechtzuerhalten und zu verbessern.
- Fachkundige Anleitung: Die Autorinnen und Autoren sind führend auf diesem Gebiet und bieten Einblicke, die praktisch und zugleich von Erfahrungen aus der Praxis geprägt sind.
- Kultureller Wandel: Das Buch betont die kulturellen Veränderungen, die für eine erfolgreiche Einführung von Beobachtbarkeit erforderlich sind, und ist damit sowohl für technische als auch für leitende Funktionen relevant.
- Umsetzbare Ratschläge: Es bietet konkrete Schritte und Strategien zur Einführung von Beobachtbarkeit in einer Organisation und ist damit eine wertvolle Ressource für Ingenieurinnen und Ingenieure sowie Führungskräfte.
Was sind die wichtigsten Erkenntnisse aus „Observability Engineering“?
- Beobachtbarkeit und Monitoring: Bei Beobachtbarkeit geht es darum, das Systemverhalten in Echtzeit zu verstehen; Monitoring hingegen erfasst bekannte Probleme.
- Strukturierte Ereignisse: Das Buch hebt strukturierte Ereignisse als grundlegende Bausteine der Beobachtbarkeit hervor.
- Kulturelle Bedeutung: Erfolgreiche Beobachtbarkeit erfordert einen kulturellen Wandel in Organisationen und legt den Schwerpunkt auf Zusammenarbeit und kontinuierliche Verbesserung.
- Skalierbarkeit und Effizienz: Das Buch behandelt Strategien, mit denen sich Praktiken der Beobachtbarkeit auch in großen, komplexen Systemen ausweiten und effizient gestalten lassen.
Was sind die besten Zitate aus „Observability Engineering“ und was bedeuten sie?
- „Bei Beobachtbarkeit geht es weder um Datentypen oder Eingaben noch um mathematische Gleichungen. Es geht darum, wie Menschen mit ihren komplexen Systemen umgehen und versuchen, sie zu verstehen.“ Dieses Zitat betont den menschlichen Aspekt der Beobachtbarkeit: Interaktion und Verständnis stehen im Mittelpunkt, nicht nur technische Metriken.
- „Beobachtbarkeit ist die Lösung für diese Lücke.“ Damit wird Beobachtbarkeit als entscheidendes Mittel hervorgehoben, um die Lücke zwischen theoretischem Systementwurf und praktischem Betrieb in der realen Welt zu schließen.
- „Beobachtbarkeit ermöglicht es Ihnen, jeden Zustand zu verstehen und zu erklären, in den Ihr System geraten kann, ganz gleich, wie neuartig oder bizarr er ist.“ Das unterstreicht den umfassenden Anspruch der Beobachtbarkeit: Ingenieurinnen und Ingenieure können damit unerwartete Probleme diagnostizieren und beheben.
Wie definiert „Observability Engineering“ Beobachtbarkeit?
- Mathematische Ursprünge: Das Buch führt den Begriff „Beobachtbarkeit“ auf seine mathematischen Wurzeln zurück. Dort beschreibt er die Möglichkeit, interne Zustände aus externen Ausgaben zu erschließen.
- Übertragung auf Software: In der Software bedeutet Beobachtbarkeit, den internen Zustand eines Systems anhand seiner Ausgaben zu verstehen, ohne Probleme im Voraus vorhersehen zu müssen.
- Wesentliche Merkmale: Beobachtbarkeit umfasst strukturierte Ereignisse, hohe Kardinalität und die Möglichkeit, beliebige Fragen zum Systemverhalten zu stellen.
- Praktische Anwendung: Sie soll Ingenieurinnen und Ingenieuren ermöglichen, Systeme in Echtzeit zu debuggen und sich auf unbekannte Unbekannte statt nur auf bekannte Probleme zu konzentrieren.
Was ist laut „Observability Engineering“ der Unterschied zwischen Beobachtbarkeit und Monitoring?
- Umfang des Verständnisses: Bei Beobachtbarkeit geht es darum, den internen Zustand des Systems zu verstehen; Monitoring konzentriert sich auf die Erfassung bekannter Probleme und Metriken.
- Proaktiv und reaktiv: Beobachtbarkeit ermöglicht proaktive Problemlösung, indem sie Einblicke in Echtzeit liefert. Monitoring reagiert dagegen häufig auf vordefinierte Bedingungen und löst dafür Alarme aus.
- Granularität der Daten: Beobachtbarkeit nutzt Daten mit hoher Kardinalität und strukturierte Ereignisse und bietet dadurch eine detailliertere Sicht als die aggregierten Metriken des Monitorings.
- Kultureller Wandel: Die Einführung von Beobachtbarkeit erfordert einen kulturellen Wandel in Organisationen, der Zusammenarbeit und kontinuierliche Verbesserung fördert.
Wie empfiehlt „Observability Engineering“, Beobachtbarkeit in einer Organisation einzuführen?
- Mit konkreten Problemen beginnen: Das Buch empfiehlt, mit den problematischsten Bereichen anzufangen, um den Nutzen der Beobachtbarkeit rasch zu zeigen.
- Iterative Instrumentierung: Die Instrumentierung sollte schrittweise ausgebaut werden; jede Debugging-Situation bietet dabei die Gelegenheit, die Beobachtbarkeit zu verbessern.
- Austausch mit der Community: Der Beitritt zu Community-Gruppen kann wertvolle Einblicke und Unterstützung von anderen bieten, die vor ähnlichen Herausforderungen stehen.
- Kaufen oder selbst entwickeln: Die Autorinnen und Autoren empfehlen, Beobachtbarkeitstools zu kaufen, statt sie intern selbst zu entwickeln. So lassen sich schneller Vorteile erzielen und die Aufmerksamkeit auf die Lösung von Problemen richten.
Welche Rolle spielen strukturierte Ereignisse in „Observability Engineering“?
- Bausteine: Strukturierte Ereignisse sind die grundlegenden Bausteine der Beobachtbarkeit und halten detaillierte Informationen über das Systemverhalten fest.
- Granularität der Daten: Sie bieten die nötige Granularität, um komplexe Systeme zu verstehen und zu debuggen, und ermöglichen Abfragen mit hoher Kardinalität.
- Umfang eines Ereignisses: Jedes Ereignis zeichnet alles auf, was während einer Anfrage geschieht, und ermöglicht es Ingenieurinnen und Ingenieuren, Systemzustände zu rekonstruieren und zu analysieren.
- Flexibilität: Strukturierte Ereignisse erlauben es, Daten beliebig aufzuteilen und zu untersuchen, sodass sich tiefe Einblicke in die Systemleistung gewinnen lassen.
Wie behandelt „Observability Engineering“ die Herausforderungen bei der Skalierung von Beobachtbarkeit?
- Sampling-Strategien: Das Buch behandelt verschiedene Sampling-Strategien, mit denen sich Datenvolumen und Ressourcenbeschränkungen bewältigen lassen, ohne die Aussagekraft der Daten zu verlieren.
- Effiziente Datenverarbeitung: Es betont, wie wichtig eine effiziente Speicherung und Analyse von Daten ist, um große Mengen an Beobachtbarkeitsdaten zu bewältigen.
- Kulturelle Aspekte: Zur Skalierung von Beobachtbarkeit gehört auch ein kultureller Wandel, der sicherstellt, dass Teams gut ausgestattet und motiviert sind, Beobachtbarkeitstools wirksam einzusetzen.
- Iterative Verbesserung: Die Autorinnen und Autoren befürworten eine kontinuierliche Verbesserung und Anpassung der Praktiken der Beobachtbarkeit, wenn sich Systeme und organisatorische Anforderungen weiterentwickeln.
Was ist das Observability-Reifegradmodell in „Observability Engineering“?
- Rahmenwerk zur Bewertung: Das Observability-Reifegradmodell bietet einen Rahmen, um die Fähigkeiten und Fortschritte einer Organisation im Bereich Beobachtbarkeit zu bewerten.
- Wichtige Fähigkeiten: Es benennt wesentliche Fähigkeiten wie Resilienz, Codequalität, Komplexitätsmanagement, Release-Takt und das Verständnis des Nutzerverhaltens.
- Kontinuierliche Verbesserung: Das Modell betont kontinuierliche Verbesserung und Anpassung und erkennt an, dass die Arbeit an Beobachtbarkeit nie „abgeschlossen“ ist.
- Zielorientierte Ergebnisse: Es ermutigt Organisationen, ergebnisorientierte Ziele festzulegen und Fähigkeiten zu priorisieren, die zu ihren Geschäftszielen passen.
Wie hängt „Observability Engineering“ mit DevOps- und SRE-Praktiken zusammen?
- Ergänzende Praktiken: Beobachtbarkeit steht in engem Zusammenhang mit DevOps- und SRE-Praktiken und steigert deren Wirksamkeit, indem sie tiefere Einblicke in das Systemverhalten ermöglicht.
- Feedbackschleifen: Sie unterstützt kürzere Feedbackschleifen und kontinuierliche Verbesserung – beides zentrale Prinzipien von DevOps und SRE.
- Kulturelle Ausrichtung: Beobachtbarkeit passt zu den von DevOps und SRE geförderten kulturellen Veränderungen und betont Zusammenarbeit, Verantwortungsübernahme und proaktive Problemlösung.
- Höhere Zuverlässigkeit: Durch die Integration von Beobachtbarkeit können Organisationen eine höhere Zuverlässigkeit und Leistung erreichen – zentrale Ziele von DevOps- und SRE-Praktiken.
Welche praktischen Vorteile hat die Einführung von Beobachtbarkeit laut „Observability Engineering“?
- Schnellere Problembehebung: Beobachtbarkeit ermöglicht es, Probleme schneller zu erkennen und zu beheben, Ausfallzeiten zu reduzieren und die Systemzuverlässigkeit zu verbessern.
- Höhere Kundenzufriedenheit: Indem Organisationen Probleme mit dem Nutzererlebnis verstehen und angehen, können sie Kundenzufriedenheit und Kundenbindung verbessern.
- Mehr Innovationskapazität: Wenn Teams weniger Zeit mit der Bekämpfung akuter Störungen verbringen, können sie sich stärker auf die Bereitstellung neuer Funktionen und Innovationen konzentrieren.
- Kultureller Wandel: Beobachtbarkeit fördert eine Kultur der kontinuierlichen Verbesserung, Zusammenarbeit und proaktiven Problemlösung. Das trägt zu widerstandsfähigeren und anpassungsfähigeren Organisationen bei.
PDF herunterladen
EPUB herunterladen
.epub eignet sich ideal zum Lesen auf Smartphones, Tablets und E-Readern.