Capítulo 17. Suficientemente barato y preciso: Muestreo
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En el capítulo anterior, vimos cómo debe configurarse un almacén de datos para almacenar y recuperar eficazmente grandes cantidades de datos de observabilidad. En este capítulo, veremos técnicas para reducir la cantidad de datos de observabilidad que puedes necesitar almacenar. A una escala lo suficientemente grande, los recursos necesarios para retener y procesar cada uno de los eventos pueden llegar a ser prohibitivos y poco prácticos. El muestreo de eventos puede mitigar las compensaciones entre el consumo de recursos y la fidelidad de los datos.
Este capítulo examina por qué es útil el muestreo (incluso a pequeña escala), las distintas estrategias que se suelen utilizar para muestrear datos y las compensaciones entre esas estrategias. Utilizamos ejemplos basados en código para ilustrar cómo se aplican estas estrategias e introducimos progresivamente conceptos que se basan en ejemplos anteriores. El capítulo comienza con esquemas de muestreo más sencillos aplicados a sucesos individuales, como introducción conceptual al uso de una representación estadística de los datos en el muestreo. A continuación, avanzamos hacia estrategias de muestreo más complejas a medida que se aplican a una serie de eventos relacionados (intervalos de traza) y propagan la información necesaria para reconstruir tus datos tras el ...
Get Ingeniería de la observabilidad now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
