クラウドネイティブの可観測性

第2章. 現実世界におけるクラウドネイティブの課題

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

クラウド・ネイティブの世界における可観測性は難しい。単一の出力ソースからデータを収集し、そのクラウド・ネイティブ・サービスに関する世界観を正しく推論することは不可能だ。クラウドネイティブの可観測性は、一つの仮定が真か偽かを証明するために、無数の方法で関連付けられ、処理される必要がある。

オライリーが可観測性について実施した「Filling the Observability Gap（可観測性のギャップを埋める）」と題された調査では、回答者は、可観測性データの不足、ツールやトレーニングに関連する高いコスト、システムやネットワークの問題を解決しようとするチームの座標の難しさという3つの主要な課題を明らかにした。¹

この章では、可観測性データに関連する性能、コスト、信頼性の問題を浮き彫りにする現実世界のシナリオを掘り下げる。これらの課題に対する実用的なアプローチと可能な解決策を示す企業のケーススタディを探求する。最後に、再利用可能な解決策を提案する。

クラウドネイティブの可観測性に関する包括的な課題は明確だが、最も直接的な影響のひとつはシステム・パフォーマンスに見られる。制御不能なデータ増加が、いかにシステムに大きな負担をかけるかを探ってみよう。

制御不能なデータ増加がシステム性能に与える影響

このような無秩序なデータ増加の主な要因は、自動計測である。NGINXの例を考えてみよう。NGINXイングレス・コントローラーをクラスタにインストールするのは簡単で、可観測性データ生成を有効にするのも設定データを有効にするのと同じくらい簡単だ。しかし、この使いやすさには欠点もある。自動インスツルメンテーションを有効にすると、不要なメトリックが多数作成され、可観測性システムがさらに乱雑になることがよくある。

自動計測と水平スケーリングの組み合わせが問題を悪化させている。我々は可観測性システムに非常に多くのデータを作成し始めたため、膨大なデータセットが作成された。この膨大なデータセットをクエリすることは、効率的なシステムパフォーマンスを維持する上で大きな課題となった。

これまで見てきたように、データの増加はシステム・パフォーマンスを著しく阻害する可能性がある。しかし、パフォーマンス以上に、コスト管理という重大な懸念がある。

コスト管理

コストをコントロールする理想的な解決策は、データが永続化される前にダウンサンプリングするか、完全に削除することだ。しかし、これだけでは十分ではないことがわかった。

私たちがすぐに学んだように、コストをコントロールし、クラウド・ネイティブの可観測性を効率化することは、到達できるマイルストーンではなく、全行程を行わなければならない。今日、未使用のデータを削除することはできるが、明日にはまた別の未使用データのセットが入力され、モグラたたきの終わりのないゲームに参加することになる。優先順位の高い問題を効果的に絞り込み、再現性のある成果を維持するためには、戦略的な計画が必要なのだ。

コスト・コントロールとパフォーマンスの背後にある理論について説明したところで、これらの原則が実際のシナリオでどのように適用されるかを検証してみよう。最初のケーススタディは、これらの課題に取り組む具体的な例を提供する。

ケーススタディ1：大幅なコスト削減を実現しながらパフォーマンスを向上させる ...