Valvottavuus perustuu kolmeen pilariin — lokeihin, mittareihin ja jäljityksiin — ja tavoitteena on vastata "mikä on vialla ja miksi" järjestelmälle, joka on liian suuri käsin tarkistettavaksi. Suuressa mittakaavassa strategia käsittelee korrelaatiota, otantaa ja kustannuksia.
| Pillar | Vastaa | Työkalut |
|---|
| Metrics | Onko jotain vialla? (rates, latency) | Prometheus, Grafana |
| Traces | Missä virran kohdalla? | OpenTelemetry, Jaeger |
| Logs | Mitä tarkalleen tapahtui? | ELK, Loki |
Metrics alert ─▶ trace pinpoints the slow service ─▶ logs explain the cause
(broad) (path) (detail)
Jäljitys-/korrelaatio-ID:n on kulkettava mittareiden merkintöjen, lokien rivien ja jaksojen läpi, jotta voit vaihtaa niiden välillä.
log line: level=error trace_id=abc123 service=payments msg="gateway timeout"
^^^^^^^^^^^^^^^ same id appears in the trace + metrics
✓ 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)
Kaiken kirjaaminen 100 %:ssa on kohtuuton ja tukahduttaa signaalin. Ota näytteitä, rakennettu ja hälytys SLO:issa.
Sadannen palvelun kanssa et voi SSH:lla ja katsoa — valvottavuus on ainoa tapa ymmärtää tuotannon käyttäytymistä.
Voittava strategia on korreloitu, näytteistetty ja SLO-ohjattu: se paljastaa oikeita ongelmia nopeasti ilman, että ajaat sinulle konkurssiin telemetrian säilytyksen tai hautaasi on-callin melun keskellä.