Skip to main content

A fronte di una sempre maggiore diffusione delle architetture distribuite e della migrazione verso il cloud, mantenere il controllo del proprio ambiente IT e intervenire rapidamente per risolvere eventuali problemi è cruciale non solo da un punto di vista tecnico, ma anche per preservare la competitività dei servizi offerti dall’azienda.
Per fare questo occorre quindi rendere i propri sistemi osservabili: capiamo come raggiungere questo obiettivo adottando un approccio di Application Performance Monitoring potenziato dalle tecnologie di machine learning.

Perché è importante garantire l’osservabilità?

Partiamo da un concetto chiave:

L’osservabilità è la capacità di comprendere lo stato di un sistema analizzando i dati che genera, come log, metriche e tracing, al fine di rilevare e risolvere le cause alla base di un problema (debug).

Siamo consapevoli che oggi l’osservabilità gioca un ruolo fondamentale per garantire gli standard di servizio 24/7 richiesti dagli utenti, e per rendere un sistema cloud osservabile occorrono strumenti tecnici adatti: ma è così semplice a farsi?

Nella realtà, le imprese si trovano ad affrontare sfide di observability non indifferenti:

76
delle organizzazioni utilizza più di un vendor cloud.
+50
dei team IT stanno migrando le loro applicazioni verso il Cloud Native.
+50
delle aziende afferma di fare deploy dei software a cadenza settimanale, giornaliera o addirittura ogni ora.

I rischi derivanti da questo quadro sono molteplici: disservizi, operatività inefficiente, scarsa qualità dei rilasci e proliferazione dei tool utilizzati, sono solo alcuni degli elementi che possono impattare negativamente sul livello di servizio e quindi sull’esperienza dell’utente finale.

Di cosa hanno bisogno quindi le aziende per garantire l’osservabilità di un’architettura cloud?

1

Visibilità end-to-end degli applicativi;

2

Un sistema di troubleshooting veloce;

3

Affidabilità del servizio sull’ambiente IT;

4

Processi orientati al ROI e agganciati quindi agli obiettivi di business.

Capiamo quindi come garantire l’osservabilità dei sistemi IT.

API date

Evolvere e governare
le architetture IT

GUARDA L'EVENTO ON DEMAND

Passare all’azione con l’Application Performance Monitoring

Per garantire il controllo di un ambiente cloud è essenziale combinare l’osservabilità con il monitoraggio, ossia i processi di raccolta, analisi e utilizzo dei dati rispetto al raggiungimento di determinati obiettivi: in questo modo è possibile avere tutte le informazioni necessarie per comprendere lo stato di salute del sistema nel tempo e individuare le aree di miglioramento.

Gli strumenti di Application Performance Monitoring (APM) permettono di raggiungere questo scopo, agendo proattivamente sui propri applicativi e ottenendo vantaggi come per esempio:

  • miglioramento della qualità del codice rilasciato;
  • ottimizzazione del troubleshooting;
  • automazione dei processi di anomaly detection;
  • velocizzazione della pipeline di delivery delle applicazioni.

I tool di APM per rispondere a queste esigenze integrano al proprio interno diverse tecnologie, in modo da rispondere con flessibilità all’evoluzione dei sistemi IT e dei comportamenti degli utenti nel tempo: in particolare, sfruttano anche i vantaggi del machine learning.

Capiamo insieme in che modo!

Potenziare i processi di monitoring grazie al machine learning

Il machine learning permette di analizzare i dati raccolti e, partendo da questi, di generare modelli di pattern comportamentali, là dove qualcosa potrebbe sfuggire a “occhio nudo”.

I tool di APM vengono in questo modo potenziati nelle funzionalità di:

Individuazione di anomalie e outlier;

Identificazione di aree di miglioramento;

Classificazione dei dati;

Inferenza ed elaborazione di modelli di regressione.

La soluzione di APM di Elastic permette di acquisire, metriche, trace e log attraverso gli Elastic Agent o con l’integrazione nativa opensource Opentelemetry. I dati raccolti su Elasticsearch (motore NOSQL basato su Lucene) vengono elaborati da algoritmi di machine learning così da fornire preziosi insight che abilitano dei meccanismi di anomaly detection con creazione di alert in situazioni di sovraccarico o failure. Attraverso Kibana (lo strumento di visualizzazione dei dati di Elastic) è possibile rappresentare lo stato di salute degli applicativi sotto monitoraggio grazie a dashboard avanzate come la service map e molto altro. Inoltre, oltre alla correlazione di metriche, log e trace, Elastic permette anche di ridurre notevolmente il MTTD (Mean Time to Detect or Discover) e MTTR (Mean Time to Repair) ottenendo un TCO (Total Cost of Ownership) minore e riducendo i rischi di perdita di revenue causati dai disservizi.

Implementare un sistema efficace di Application Performance Monitoring è un tassello fondamentale per presidiare la qualità di servizio offerta dai propri sistemi e conseguentemente la User Experience e l’impatto sugli obiettivi di business.

Scopri di più sugli strumenti della suite Elastic per il governo delle architetture con il nostro evento dedicato: API date, da oggi disponibile on demand!

SCOPRI I CONTENUTI ON DEMAND
3.8/5.0 Article rating
4 Reviews
Cosa ne pensi dell'articolo?
  1. Amazing
  2. Good
  3. Bad
  4. Meh
  5. Pff
Riccardo Spadafora
Solutions Architect – Elastic

NEWSLETTER