2024’te 5 gözlemlenebilirlik trendi

• Gözlemlenebilirlik: Bir sistemin dış çıktılarının sonuçlarından, sistemin iç durumunun ne kadar iyi çıkarımlanabildiğini gösteren ölçü
  • Metrik, olay, log ve trace’leri toplayıp görselleştirme ve analiz etme
  • İç çalışma düzenine dair zengin bağlam sunarak sistem sorunlarını derinlemesine çözmeyi sağlama
• Grafana Labs, Splunk, Dynatrace, Chronosphere gibi gözlemlenebilirlik şirketleri ile Dimensional Research gibi pazar araştırma kuruluşlarının ortaya koyduğu 2024 gözlemlenebilirlik trendleri arasında, 3 kereden fazla işaret edilen 5 trendin özeti

1. Gözlemlenebilirliğin bir “aracı” olarak yapay zekanın etkisinin büyümesi
   • Yapay zeka; sinyal korelasyonu, anomali tespiti, kök neden analizi ve performans optimizasyonu işlerinde kullanılarak “sistemde neler olup bittiğini” daha hızlı anlamaya yardımcı oluyor
   • Yapay zeka anomali tespit ettiğinde, inceleme ve otomatik müdahale sonrasında sorunların otomatik çözümü mümkün oluyor
   • Gündelik süreçleri otomatikleştirip uzun süren işleri azaltan araçlara olan talep, gözlemlenebilirlikte yapay zeka kullanımını artırıyor
   • Cloud-native sunum hızına yetişebilmek için kuruluşların, multi-cloud altyapı ile çevik geliştirme pratiklerini büyük ölçekte otomatikleştiren, doğru ve öngörülebilir yapay zeka tabanlı analitiklere ihtiyacı var
   • Nedensel, öngörüsel ve üretken yapay zekayı birleştiren gözlemlenebilirlik araçları kullanıldığında; gözlemlenebilirlik, güvenlik ve iş verilerinden daha zengin içgörüler elde edilerek sistemler derinlemesine analiz edilebiliyor
   • Elbette, “yapay zekanın müşterilerin istediği düzeyde güvenilirliğe ulaştığını” söylemek için hâlâ zamana ihtiyaç var
2. Gözlemlenebilirliğin bir “hedefi” olarak yapay zekayı gözlemlemenin öneminin artması
   • Üretken yapay zeka, otomasyon ve verimlilik gücüyle çok büyük ve karmaşık verileri patlayıcı bir hızla üretiyor
   • Kullanıcılar yapay zeka ile içerik üretiyor ve kendi “kişisel yapay zekalarını” da doğrudan geliştiriyor; bu da ortaya çıkan ve işlenmesi gereken veri miktarını artırıyor
   • Yapay zeka sağlık, hukuk, finans, seyahat gibi toplumun pek çok alanında geniş etki yarattığı için iyi anlaşılması gerekiyor
   • Yapay zekanın normal çalışıp çalışmadığı ya da önyargı içerip içermediği gibi noktalar önemli gözlem hedefleri
   • Kuruluşların yapay zekayı doğru ve ayrıntılı biçimde gözlemlemeye hazır olması gerekiyor
   • Yapay zekadan metrik, log ve trace’lerin nasıl alınacağını bilmek gerekiyor
3. Gözlemlenebilirlik maliyetlerini düşürme çabaları
   • Pek çok şirket bütçe sorunlarıyla uğraşıyor; teknoloji ve iş tarafında maliyet yönetimi yöntemleri arıyor ve genel IT maliyetlerini kontrol etmeye çalışıyor
   • Şirketler multi-cloud veya cloud-native ortamlara geçtikçe üretilen veri miktarı artıyor, buna bağlı maliyetler de yükseliyor
   • ESG Research: “Kuruluşların %69’u, gözlemlenebilirlik verilerindeki artış nedeniyle zaman içinde veri toplama ve depolama maliyetlerinin ciddi şekilde yükselmesinden endişe duyuyor”
   • Dynatrace: “Ekiplerin, gerçek zamanlı analiz için hangi logların tutulacağına, hangilerinin atılacağına ve hangilerinin erişimi düşük ama düşük maliyetli depolamaya alınacağına sık sık karar vermesi gerekiyor”
   • Gözlemlenebilirlik maliyetlerini düşürme yolları:
     • Veri artışını sınırlamak ve kuruluşun topladığı veriden daha iyi değer elde etmesine yardımcı olan araçlar kullanmak
     • Gözlemlenebilirlik sonuçlarına değer katmayan, yinelenen ve ilgisiz olayları filtrelemek
     • Boş değerleri kaldırmak, gereksiz etiketleri silmek, verimsiz veri formatlarını “gözlemlenebilirlik hedefine uygun formatlara” dönüştürmek, olayları kırpmak ve dönüştürmek
4. Açık kaynak ve OpenTelemetry talebinin yükselmesi
   • Pek çok şirket, tedarikçiye bağımlı kalma endişesini gidermek için açık kaynak teknolojilere yatırım yapıyor ve bunları gözlemlenebilirlik teknoloji yığınının bir parçası olarak entegre ediyor
   • Dimensional Research anketine göre, gözlemlenebilirlikten sorumlu katılımcıların %87’si “OpenTelemetry’nin önümüzdeki 5 yıl içinde gözlemlenebilirlik verilerinin standardı olacağını” düşünüyor
   • OpenTelemetry; trace, metrik ve log gibi verileri üretmek ve yönetmek için tasarlandı, belirli bir tedarikçiye bağımlı değil
   • Bu da onu OpenTelemetry’yi destekleyen tüm gözlemlenebilirlik araçlarıyla birlikte kullanılabilir kılıyor
   • Ancak OpenTelemetry benimsenmesi hâlâ erken aşamada
   • OpenTelemetry benimsenirken teknik destek endişeleri, pazar benimsenmesinin artmasını bekleme ihtiyacı ve yöneticilerin değerini yeterince anlamaması gibi sorunlar var
5. Gözlemlenebilirlik araçlarını birleştirme yönündeki adımların güçlenmesi
   • Birden fazla gözlemlenebilirlik aracı kullanmak yerine bunları bir ya da iki tedarikçinin araçlarında birleştirme eğilimi güçleniyor
   • Dimensional Research anket sonuçlarına göre şirketler ortalama 7’den fazla gözlemlenebilirlik ve izleme aracı kullanıyor
   • Gözlemlenebilirlik araçlarını birleştirme nedenleri: sorunları daha hızlı tespit etmek, maliyetleri düşürmek, ekip iş birliğini iyileştirmek, kesinti süresini en aza indirmek, güvenliği güçlendirmek, operasyonel karmaşıklığı sadeleştirmek, eğitim ihtiyacını azaltmak ve veri silo’larını önlemek
   • Chronosphere: “Geliştiriciler ve teknik ekipler, cevap bulmak için farklı kullanıcı arayüzleri veya yazılımlar arasında gidip gelerek zaman harcamak ya da birden fazla yazılıma para ödemek istemiyor”
   • Dimensional Research: “Araç sayısı çok arttığında veri korelasyonunu göstermek zorlaşıyor ve bu, ortam genelindeki görünürlüğü sınırlayan bir ‘araç silosu’ olgusuna yol açıyor”
   • Gözlemlenebilirlik araçlarını bir ya da iki tedarikçinin araçlarında birleştirmek, parçalı verileri toplamayı ve veri toplama-tüketim biçimlerini standartlaştırmayı kolaylaştırıyor