5 tendencias de observabilidad en 2024

• Observabilidad: medida que indica qué tan bien se puede inferir el estado interno de un sistema a partir de los resultados de sus salidas externas
  • Recopila métricas, eventos, logs y trazas para visualizarlos y analizarlos
  • Proporciona abundante contexto sobre el funcionamiento interno y permite resolver problemas complejos del sistema
• Resumen de cinco tendencias de observabilidad para 2024 que fueron mencionadas al menos 3 veces entre las tendencias presentadas por empresas de observabilidad como Grafana Labs, Splunk, Dynatrace y Chronosphere, y firmas de investigación de mercado como Dimensional Research

1. Mayor influencia de la IA como “herramienta” de observabilidad
   • La IA se usa en correlación de señales, detección de anomalías, análisis de causa raíz y optimización del rendimiento para ayudar a entender rápidamente “qué está ocurriendo en el sistema”
   • Cuando la IA detecta anomalías, puede pasar por investigación y respuesta automática para resolver problemas de forma automatizada
   • La demanda de herramientas que automatizan procesos cotidianos y reducen tareas largas está impulsando el uso de IA en observabilidad
   • Para seguir el ritmo de entrega cloud-native, las organizaciones necesitan análisis basados en IA que sean precisos y predecibles, con automatización a gran escala de infraestructura multicloud y prácticas de desarrollo ágiles
   • Al usar herramientas de observabilidad que combinan IA causal, predictiva y generativa, es posible obtener más insights de datos de observabilidad, seguridad y negocio para analizar en profundidad los sistemas
   • Por supuesto, todavía tomará tiempo considerar que “la IA ha alcanzado el nivel de confiabilidad que los clientes desean”
2. Aumento de la importancia de observar la IA como “objeto” de observabilidad
   • La IA generativa produce enormes volúmenes de datos complejos a una velocidad explosiva, impulsada por la automatización y la productividad
   • Los usuarios crean contenido con IA y también desarrollan directamente “su propia IA”, lo que genera y procesa grandes cantidades de datos
   • La IA tiene una amplia influencia en distintos ámbitos de la sociedad, como salud, derecho, finanzas y viajes, por lo que debe entenderse bien
   • El funcionamiento normal de la IA y aspectos como sus sesgos son objetivos importantes de observación
   • Las organizaciones deben estar preparadas para observar la IA de forma precisa y específica
   • Deben saber cómo obtener métricas, logs y trazas desde la IA
3. Esfuerzos para reducir costos de observabilidad
   • Muchas empresas enfrentan preocupaciones presupuestarias, buscan maneras de gestionar costos desde lo técnico y lo comercial, y administran los costos de TI en general
   • A medida que las empresas migran a entornos multicloud o cloud-native, aumenta la cantidad de datos generados y también los costos asociados
   • ESG Research: “El 69% de las organizaciones está preocupado porque el aumento de datos de observabilidad eleva significativamente con el tiempo los costos de recopilación y almacenamiento”
   • Dynatrace: “Los equipos con frecuencia deben decidir qué logs conservar para análisis en tiempo real, cuáles descartar y cuáles guardar en almacenamiento de bajo costo y menor accesibilidad”
   • Formas de reducir costos de observabilidad:
     • Frenar el crecimiento de los datos y usar herramientas que ayuden a obtener mejor valor de los datos recopilados por la organización
     • Filtrar eventos duplicados e irrelevantes que no aportan valor a los resultados de observabilidad
     • Eliminar valores vacíos, borrar etiquetas innecesarias, convertir formatos de datos ineficientes a “formatos adecuados para el objetivo de observabilidad”, recortar eventos y transformarlos
4. Aumento de la demanda de open source y OpenTelemetry
   • Muchas empresas invierten en tecnologías open source para resolver la preocupación por el vendor lock-in e integrarlas como parte de su stack de observabilidad
   • Según una encuesta de Dimensional Research, el 87% de los responsables de observabilidad encuestados dijo que “OpenTelemetry se convertirá en el estándar de datos de observabilidad en los próximos 5 años”
   • OpenTelemetry está diseñado para generar y gestionar datos como trazas, métricas y logs, sin dependencia de un proveedor específico
   • Esto permite usarlo con cualquier herramienta de observabilidad compatible con OpenTelemetry
   • Pero la adopción de OpenTelemetry todavía está en una etapa inicial
   • Al adoptar OpenTelemetry surgen problemas como preocupaciones sobre soporte técnico, la necesidad de esperar a una mayor adopción del mercado y la falta de comprensión del valor por parte de la dirección
5. Se refuerza la tendencia de consolidar herramientas de observabilidad
   • En lugar de usar varias herramientas de observabilidad, se fortalece el movimiento hacia consolidarlas en herramientas de uno o dos proveedores
   • Según una encuesta de Dimensional Research, las empresas usan en promedio más de 7 herramientas de observabilidad y monitoreo
   • Motivos para consolidar herramientas de observabilidad: identificación más rápida de problemas, reducción de costos, mejora de la colaboración entre equipos, minimización del downtime, refuerzo de la seguridad, simplificación de la complejidad operativa, menor necesidad de capacitación y prevención de silos de datos
   • Chronosphere: “Los desarrolladores y equipos técnicos no quieren perder tiempo cambiando entre distintas interfaces de usuario o software para encontrar respuestas, ni gastar dinero en múltiples programas”
   • Dimensional Research: “Cuando hay demasiadas herramientas, se vuelve más difícil mostrar correlaciones entre datos, lo que provoca el fenómeno de ‘silos de herramientas’ que limita la visibilidad de todo el entorno”
   • Consolidar herramientas de observabilidad en las de uno o dos proveedores facilita reunir datos fragmentados y estandarizar la forma de recopilar y consumir datos