Otomatiskan semuanya atau ketinggalan
DevOps adalah tentang mempercepat pengiriman produk dan layanan baru dalam skala besar, andal, dan terjangkau. Melakukan hal ini memerlukan otomatisasi — menggunakan perangkat lunak untuk membuat, mengonfigurasi, menerapkan, menskalakan, memperbarui, dan mengelola perangkat lunak lain.
Kami biasanya menganggap pemantauan terjadi bersamaan dengan proses ini — tugasnya adalah memberi tahu operator saat terjadi kesalahan, membantu menganalisis masalah, mengonfirmasi kepatuhan dengan tujuan tingkat layanan. Tetapi praktik yang lebih baik adalah memperlakukan pemantauan sebagai bagian penting dari otomatisasi operasi. Platform pemantauan berfitur lengkap yang modern dapat menjadi mesin otomatisasi yang kuat dalam dirinya sendiri, dan pendukung penting untuk inisiatif otomatisasi yang lebih besar dalam manajemen siklus hidup aplikasi dan infrastruktur serta mitigasi masalah. Bahkan, dalam banyak kasus, ia dapat berfungsi untuk mengaktifkan operasi otonom seperti penskalaan mandiri dan penyembuhan diri.
>Lihat juga: Pemantauan TI:Jangan pantau diri Anda di rumah gila, Opsview
Berikut adalah beberapa cara agar sistem pemantauan Anda dapat membantu Anda menyelesaikan lebih banyak hal, menghilangkan kesalahan manusia, dan memenuhi (bukan hanya mematuhi) SLO:
Penyebaran sistem pemantauan otomatis dan manajemen siklus hidup yang efisien. Solusi pemantauan di tempat dapat digunakan bersama dengan infrastruktur yang dipantau; baik di awan pribadi klasik dan pusat data dan di awan pribadi virtual (VPC) yang dihosting penyedia. Ini memungkinkan mereka mematuhi keamanan, privasi, tata kelola data, dan peraturan lainnya; dan membantu mereka mengatasi hambatan bandwidth dan biaya yang dapat membatasi skalabilitas solusi pemantauan SaaS. Namun, pemantauan premis harus diterapkan, diskalakan, dan diperbarui — dan ini bisa menakutkan untuk semua kecuali konfigurasi server tunggal yang sangat sederhana.
Pembuat platform pemantauan semacam ini yang berwawasan ke depan mulai mengeksploitasi kerangka kerja otomatisasi penerapan populer seperti Ansible, Puppet, dan Chef (yang sama yang digunakan DevOps untuk mengotomatiskan penerapan infrastruktur dan operasi rutin) untuk merampingkan penerapan sistem pemantauan dalam skala yang lebih besar. , konfigurasi yang sangat tersedia. Untuk kenyamanan operator, mereka menyembunyikan kompleksitas alat penerapan di balik webUI dan konfigurator yang disederhanakan, meskipun alat standar dapat diakses oleh orang-orang DevOps yang ingin menyesuaikan penerapan sistem pemantauan atau pengumpul metrik dengan peluncuran infrastruktur — praktik terbaik. Detail pemantauan dapat didefinisikan dan dipelihara sebagai bagian dari repositori “infrastruktur sebagai kode” definitif.
>Lihat juga: Nilai visibilitas di pusat data Anda
Penyebaran agen otomatis dan pendaftaran objek yang dipantau melalui API. Alat penerapan standar seperti Ansible juga dapat digunakan untuk menyuntikkan, mengonfigurasi, dan memperbarui komponen pemantauan (agen titik akhir, pustaka yang diperlukan, dll.) pada host. Alat yang sama dapat mengekstrak fakta dari manifes penerapan atau langsung dari host pada waktu penerapan, kemudian menggunakan API sistem pemantauan untuk mengonfigurasi pemantauan dengan cepat untuk infrastruktur dan aplikasi host, serta host "tidak memantau" di akhir masa pakainya. Menempatkan sistem secara rutin di bawah pengawasan segera setelah diterapkan memungkinkan deteksi cepat masalah dalam staging atau produksi, dan dapat digunakan untuk memicu rollback, jika diperlukan — praktik terbaik yang penting untuk pengiriman berkelanjutan.
penyerapan CMDB. Beberapa platform pemantauan dapat menyerap data dari alat manajemen operasi dan database manajemen konfigurasi (CMDB), seperti yang ditawarkan oleh ServiceNow dan vendor serupa. Hal ini memungkinkan operator dengan cepat dan percaya diri mengonfigurasi pemantauan untuk infrastruktur, aplikasi, dan layanan bisnis lengkap yang ada — menghindari kompilasi fakta sistem secara manual yang melelahkan dan rawan kesalahan.
>Lihat juga: Perangkat lunak penyimpanan apa yang tepat yang dibutuhkan agar DevOps sukses?
Penemuan dan pemantauan otomatis. Solusi pemantauan canggih menggunakan semakin banyak metode, termasuk akses langsung ke host melalui SSH dan akses tidak langsung melalui repositori konfigurasi seperti ActiveDirectory dan layanan seperti Windows Discovery, untuk mengekstrak fakta dari infrastruktur yang ada dan mempercepat konfigurasi pemantauan oleh operator. Produk-produk terdepan kini bergerak menuju proses otomatisasi sepenuhnya:membuat peta infrastruktur, aplikasi, dan layanan bisnis lengkap serta memantau hal-hal ini tanpa memerlukan intervensi atau arahan manual apa pun.
Pemrosesan peringatan, pemberitahuan, eskalasi, integrasi. Peringatan, tentu saja, merupakan bentuk otomatisasi yang kuat. Ini memerlukan pengambilan keputusan, yang mungkin sederhana (misalnya, beberapa metrik telah melampaui ambang batas yang diberikan) atau secara signifikan lebih kompleks (misalnya, beberapa metrik, dari sistem yang terpisah, telah memasuki keadaan prediktif dari jenis kegagalan tertentu yang diketahui untuk bisnis kritis melayani). Ini melibatkan penugasan dan eskalasi yang canggih berdasarkan masalah, rotas tim, waktu/tanggal dan variabel lainnya. Ini menuntut integrasi keluar dengan metode komunikasi seperti email, atau dengan platform notifikasi multi-mode seperti PagerDuty; atau integrasi yang lebih canggih dengan manajemen masalah (mis., JIRA) atau manajemen alur kerja operasi (mis., ServiceNow) serta kolaborasi (mis., Slack) dan solusi lainnya. Semua kekuatan otomatisasi ini bekerja sama untuk memberikan peringatan yang tepat kepada orang yang tepat pada waktu yang tepat sambil menghindari peringatan yang berlebihan dan kelelahan — memperlancar operasi dan membantu tim menghindari waktu henti dan memenuhi komitmen SLO.
>Lihat juga: Bagaimana otomatisasi beban kerja dapat mempercepat DevOps
Mitigasi masalah proaktif. Terakhir, solusi pemantauan canggih kini menyediakan kemampuan untuk mengeksekusi skrip pada host, atau memicu otomatisasi terpusat (mis., Ansible) untuk melakukan tugas berdasarkan kondisi yang dipantau:mulai dari me-reboot server yang gagal hingga meningkatkan klaster infrastruktur. Selama dekade berikutnya, perkembangan pembelajaran mesin secara bertahap akan meningkatkan kemampuan untuk memantau sistem untuk menyimpulkan struktur abstrak dan fungsi layanan bisnis, memantaunya secara otomatis, memprediksi mode kegagalannya, memperbaikinya, dan mengoptimalkan kinerjanya — baik secara mandiri, atau dengan optimal. alokasi sumber daya operator untuk tugas.
Oleh John Jainschigg, pemimpin strategi konten di Opsview
