Az observabilitás három oszlopon nyugszik — loggok, metrikák és trace-ek — és a cél az, hogy "mi a baj és miért" kérdésre válaszoljunk olyan rendszerre, amely túl nagy ahhoz, hogy kézzel megvizsgáljuk. Nagy volumenben a stratégia a korreláció, mintavételezés és költség körül forog.
| Oszlop | Választ erre | Eszközök |
|---|
| Metrikák | Valami baj van? (arányok, latencia) | Prometheus, Grafana |
| Trace-ek | Hol van a folyamatban? | OpenTelemetry, Jaeger |
| Loggok | Pontosan mi történt? | ELK, Loki |
Metrics alert ─▶ trace pinpoints the slow service ─▶ logs explain the cause
(broad) (path) (detail)
A trace/correlation ID-nak át kell haladnia a metrika címkék, logsort-ok és span-ek között, így átpivotálhatsz közöttük.
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)
A 100%-os loggolás minden nél megfizethetetlen és elfödi a jelet. Helyette mintavételezz, strukturálj és SLO-kra riasztass.
Száz szolgáltatás mellett nem tudsz SSH-zni és megnézni — az observabilitás az egyetlen mód a termelési viselkedés megértésére.
A nyertes stratégia korrelált, mintavételezett és SLO-vezérelt: gyorsan felszínre hozza a valódi problémákat a telemetria tárolás megfizetése vagy az on-call elásása nélkül.