La observabilidad para entender aplicaciones serverless

Las aplicaciones y los sistemas son cada vez más complejos. También las expectativas que los usuarios tenemos frente a las mismas. Hace veinte años podíamos encontrar una web en mantenimiento durante horas y, como usuarios, aceptábamos esta situación y, sencillamente, esperábamos. Esto ahora es impensable. Las experiencias de usuario vienen marcadas por una exigencia de inmediatez.

En respuesta a este contexto nos encontramos con la observabilidad que hoy ya es un must en los sistemas y arquitecturas de las empresas.

Son tres los tipos de datos que pueden mejorar la observabilidad de nuestros sistemas serverless: logs, métricas y trazados.

Datadog es una plataforma de monitorización y analíticas que ayuda a las empresas a mejorar la observabilidad de su infraestructura y aplicaciones serverless, incluidas aplicaciones basadas en funciones tanto Function as a Service (FaaS), como aplicaciones híbridas.

Es importante estar seguros de que estamos obteniendo los datos correctos de nuestros sistemas sin mermar el rendimiento de las funciones.

Para ampliar toda esta información y ver una demo con una aplicación, te recomendamos ver esta interesante sesión de Ara Pulido, Developer Relations en Datadog:

¿Es tu aplicación serverless o tu sistema observable?

La respuesta a esa pregunta debería ser: sí. Tener una estrategia de observabilidad sólida se ha convertido en algo crítico para las empresas con sistemas en producción, particularmente para arquitecturas de microservicios.

En este post os hablamos sobre la observabilidad para arquitecturas basadas en funciones, aspectos a considerar y cuáles son los datos y métricas necesarios para entenderlas.

Observabilidad vs monitorización

Diferenciamos estos dos conceptos. Monitorización es una acción y observabilidad es una cualidad de tu sistema. Es decir, tu aplicación es observable o no lo es.

La observabilidad es la capacidad de responder preguntas del estado interno del sistema basada en los datos externos que, de añadirlos, el sistema nos proporcionará. Nos referimos a tres tipos de datos: las métricas, los logs y los trazados que nos permitirán hacer testeos y mejorar la observabilidad para entender qué ocurre en nuestro sistema.

Parámetros para mejorar la observabilidad en entornos serverless

Los entornos serverless son muy flexibles y una de sus grandes ventajas es que sus funciones escalan a cero. ¿Qué significa esto? Que mientras no se use el cloud, no se paga nada y esto se traduce en un gran ahorro económico.

Las arquitecturas serverless tienen sus peculiaridades:

No te permiten acceder al sistema operativo.
El entorno que ejecuta tu función es, en muchos casos, una especie de caja negra.
El tiempo de ejecución de tu función y la memoria que tengas reservada para tu función, tiene un coste.

Con Datadog podrás integrar en tu sistema logs, métricas y trazas para mejorar la observabilidad

Los logs son lo más básico cuando trabajamos con funciones en cloud pública porque son muy sencillos y transparentes para el desarrollador. Un patrón de diseño clásico son los Log forwarder: se compone de pequeñas funciones que van a estar comprobando si hay nuevos logs en el sistema cloud y los va a enviar, en este caso, a Datadog.

En un sistema serverless nos interesan las métricas que el cloud o Datadog ofrece y son la duración de una función, el número de errores que tenemos, número de invocaciones (tráfico) y los throttles (peticiones a tus funciones que no se pueden cumplir porque ha reservado un número máximo de contenedores que van a ejecutar esa función).

Para implementar el tracing en un sistema serverless, debemos aplicar una de estas estrategias o la combinación de ambas:

Utilizar los sistemas nativos de esa cloud (por ejemplo, para AWS el sistema X-Ray; o para Google Cloud Functions, Google Trace).
Utilizar una librería de APM que utiliza los logs para crear ese trazado y luego reconectar una vez que se envía a Datadog.

PUE es Managed Services Provider de Datadog

PUE, como Managed Services Provider de Datadog, implementa la plataforma y administra directamente los entornos de clientes además de comercializar licencias dentro del Big Data Full Stack. De esta manera, PUE amplía su servicio con Datadog en el ámbito de la Administración y Soporte de plataformas, y disminuye así los tiempos de diagnóstico y troubleshooting.

Ponte en contacto con nosotros para recibir más información sin compromiso.