Ποια είναι η στρατηγική παρατηρησιμότητας για logs, metrics και traces σε μεγάλη κλίμακα;

Question

Accepted Answer

Η παρατηρησιμότητα στηρίζεται σε **τρεις στύλους** — **logs**, **metrics** και **traces** — και ο στόχος είναι να απαντήσουμε "τι είναι λάθος και γιατί" για ένα σύστημα που είναι πολύ μεγάλο για να το ελέγξουμε με το χέρι. Σε μεγάλη κλίμακα, η στρατηγική αφορά συσχέτιση, δειγματοληψία και κόστος.

## Οι τρεις στύλοι

| Pillar | Απαντά | Εργαλεία |
|---|---|---|
| Metrics | Κάτι δεν πάει καλά; (rates, latency) | Prometheus, Grafana |
| Traces | Πού στη ροή; | OpenTelemetry, Jaeger |
| Logs | Τι ακριβώς συνέβη; | ELK, Loki |

```text
Metrics alert ─▶ trace pinpoints the slow service ─▶ logs explain the cause
   (broad)              (path)                          (detail)
```

## Κάντε τα συσχετισμένα

Το trace/correlation ID πρέπει να διαδίδεται μέσω ετικετών metrics, γραμμών log και spans, ώστε να μπορείτε να περιστρέψετε μεταξύ τους.

```text
log line:  level=error trace_id=abc123 service=payments msg="gateway timeout"
                       ^^^^^^^^^^^^^^^ same id appears in the trace + metrics
```

## Ανησυχίες σε μεγάλη κλίμακα

```text
✓ Standardize: OpenTelemetry across all services
✓ Use structured (JSON) logs — queryable, not grep-only
✓ Sample traces (e.g. keep all errors + 1% of success) to control cost
✓ Define SLOs and alert on symptoms (latency/error rate), not noise
✓ RED/USE method for dashboards (Rate, Errors, Duration)
```

## Παγίδα

Το logging όλων με 100% είναι αδύνατο και πνίγει το σήμα. Αντ' αυτού, δειγματοληψία, δομή και ειδοποιήσεις σε SLOs.

## Γιατί έχει σημασία

Με εκατοντάδες υπηρεσίες, δεν μπορείτε να κάνετε SSH και να δείτε — η παρατηρησιμότητα είναι ο μόνος τρόπος για να κατανοήσετε τη συμπεριφορά της παραγωγής.

Η νικήφορη στρατηγική είναι συσχετισμένη, δειγματοληψία και SLO-κατευθυνόμενη: φέρνει πραγματικά προβλήματα γρήγορα χωρίς να σας χρεοκοπήσει σε αποθήκευση τηλεμετρίας ή να θάψει on-call στο θόρυβο.

Metrics	Κάτι δεν πάει καλά; (rates, latency)	Prometheus, Grafana
Traces	Πού στη ροή;	OpenTelemetry, Jaeger
Logs	Τι ακριβώς συνέβη;	ELK, Loki