Định nghĩa

Telemetry lai (Hybrid Telemetry) đề cập đến việc thu thập, tổng hợp và phân tích dữ liệu hiệu suất và hoạt động từ nhiều nguồn khác nhau, rời rạc trong một ngăn xếp công nghệ. Thay vì chỉ dựa vào một luồng dữ liệu duy nhất (như nhật ký hoặc chỉ số đơn thuần), telemetry lai kết hợp dữ liệu có cấu trúc (như chỉ số ứng dụng), dữ liệu phi cấu trúc (như nhật ký) và dữ liệu theo dõi (như đường dẫn yêu cầu) thành một cái nhìn thống nhất.

Tại sao nó quan trọng

Trong các kiến trúc microservices phân tán và phức tạp, một điểm dữ liệu đơn lẻ hiếm khi đủ để phân tích nguyên nhân gốc rễ. Telemetry lai cung cấp ngữ cảnh cần thiết. Bằng cách tương quan các đợt tăng đột biến về chỉ số với các mục nhật ký cụ thể và theo dõi các yêu cầu qua ranh giới dịch vụ, các nhóm kỹ thuật có thể vượt ra ngoài việc xác định triệu chứng để chẩn đoán vấn đề chính xác, giảm đáng kể Thời gian Khắc phục Trung bình (MTTR).

Cách thức hoạt động

Quy trình này bao gồm một số giai đoạn chính. Đầu tiên, việc bổ sung công cụ giám sát (instrumentation) được áp dụng trên tất cả các thành phần—ứng dụng, cơ sở hạ tầng và các lớp mạng. Thứ hai, một đường ống thu thập dữ liệu tập trung sẽ thu thập các loại dữ liệu đa dạng này. Thứ ba, một công cụ tương quan xử lý dữ liệu này, liên kết các luồng theo dõi với các nhật ký và chỉ số tương ứng bằng cách sử dụng các định danh chung (như ID theo dõi). Cuối cùng, các công cụ trực quan hóa trình bày dữ liệu đã được tương quan này, cho phép các nhà vận hành xem được "câu chuyện" của một giao dịch.

Các trường hợp sử dụng phổ biến

• Truy vết phân tán (Distributed Tracing): Theo dõi một yêu cầu người dùng khi nó nhảy qua hàng chục microservices, tương quan các đợt tăng độ trễ với các lỗi dịch vụ cụ thể.
• Xác định điểm nghẽn hiệu suất: Xác định xem độ trễ cao là do thời gian truy vấn cơ sở dữ liệu (chỉ số) hay do việc ghi nhật ký lỗi quá mức trong quá trình truy vấn đó (nhật ký).
• Lập kế hoạch năng lực: Kết hợp các chỉ số sử dụng tài nguyên với khối lượng giao dịch thực tế để dự báo nhu cầu cơ sở hạ tầng trong tương lai một cách chính xác.

Lợi ích chính

• Khả năng hiển thị toàn diện: Cung cấp cái nhìn 360 độ về tình trạng hệ thống, loại bỏ các silo dữ liệu.
• Gỡ lỗi nhanh hơn: Khả năng tương quan giúp tăng tốc đáng kể quá trình tìm ra nguồn gốc của sự cố.
• Cảnh báo chủ động: Cho phép tạo ra các cảnh báo thông minh hơn dựa trên các mẫu trên nhiều loại dữ liệu, giảm tình trạng mệt mỏi vì cảnh báo.

Thách thức

• Khối lượng và tốc độ dữ liệu: Quản lý khối lượng khổng lồ và tốc độ cao của các luồng dữ liệu kết hợp đòi hỏi cơ sở hạ tầng mạnh mẽ, có khả năng mở rộng.
• Chuẩn hóa và trôi dạt lược đồ (Schema Drift): Đảm bảo rằng dữ liệu từ các nguồn khác nhau tuân thủ một lược đồ nhất quán để tương quan hiệu quả là một vấn đề kỹ thuật phức tạp.
• Độ phức tạp của công cụ: Việc triển khai và duy trì một nền tảng quan sát thống nhất có khả năng xử lý dữ liệu lai đòi hỏi chuyên môn đặc biệt.

Các khái niệm liên quan

Khả năng quan sát (Observability), Truy vết phân tán (Distributed Tracing), Chỉ số (Metrics), Ghi nhật ký (Logging), APM (Giám sát Hiệu suất Ứng dụng)