Engenharia de Observabilidade (Portuguese Edition), 2nd Edition
by Charity Majors, Liz Fong-Jones, George Miranda
Capítulo 15. Amostragemeconômica e suficientemente precisa
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
Nos dois capítulos anteriores, analisamos configurações e implementações de armazenamento de dados capazes de armazenar e recuperar com eficiência grandes quantidades de dados de observabilidade. Neste capítulo, vamos ver técnicas para reduzir a quantidade de dados de observabilidade que você pode precisar armazenar.
Em uma escala grande o suficiente, os recursos necessários para reter e processar cada evento podem se tornar proibitivos e impraticáveis. A amostragem de eventos pode amenizar a solução de compromisso entre o consumo de recursos e a fidelidade dos dados. Este capítulo examina por que a amostragem é útil (mesmo em menor escala), as várias estratégias normalmente usadas para amostrar dados e as soluções de compromisso entre essas estratégias.
Neste capítulo, usamos exemplos com código para ilustrar como essas estratégias são implementadas e apresentamos, aos poucos, conceitos que se baseiam nos exemplos anteriores. Vamos começar com esquemas de amostragem mais simples, aplicados a eventos individuais, como uma introdução conceitual ao uso de uma representação estatística dos dados durante a amostragem. Depois, avançamos para estratégias de amostragem mais complexas, aplicadas a uma série de eventos relacionados (intervalos de rastreamento), e propagamos as informações necessárias para reconstruir ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access