Kebolehliatan bertumpu pada tiga pilar — log, metrik, dan jejak — dan tujuannya adalah menjawab "apa yang salah dan mengapa" untuk sistem yang terlalu besar untuk diperiksa dengan tangan. Pada skala, strateginya tentang korelasi, pengambilan sampel, dan biaya.
| Pilar | Jawaban | Alat |
|---|
| Metrik | Apakah ada yang salah? (tarif, latensi) | Prometheus, Grafana |
| Jejak | Di mana dalam aliran? | OpenTelemetry, Jaeger |
| Log | Apa sebenarnya yang terjadi? | ELK, Loki |
Metrics alert ─▶ trace pinpoints the slow service ─▶ logs explain the cause
(broad) (path) (detail)
ID jejak/korelasi harus melewati label metrik, baris log, dan span, sehingga Anda dapat beralih di antara mereka.
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)
Mencatat semuanya pada 100% tidak terjangkau dan menenggelamkan sinyal. Sampel, struktur, dan beri peringatan pada SLO sebagai gantinya.
Dengan ratusan layanan, Anda tidak bisa SSH dan melihat — kebolehliatan adalah satu-satunya cara untuk memahami perilaku produksi.
Strategi pemenang adalah berkorelasi, tersampel, dan digerakkan oleh SLO: ia muncul masalah nyata dengan cepat tanpa membuat Anda bangkrut pada penyimpanan telemetri atau menguburkan on-call dalam kebisingan.