Terapkan Otomatisasi: Tetap Depan di DevOps

DevOps adalah tentang mempercepat pengiriman produk dan layanan baru dalam skala besar, secara terpercaya dan terjangkau. Melakukan ini memerlukan otomatisasi — menggunakan perangkat lunak untuk membangun, mengonfigurasi, men-deploy, menskala, memperbarui, dan mengelola perangkat lunak lainnya.
Kami biasanya memikirkan pemantauan sebagai sesuatu yang terjadi bersama proses ini — tugasnya adalah memberi tahu operator saat ada kesalahan, membantu menganalisis masalah, memastikan kepatuhan dengan tujuan tingkat layanan. Namun, praktik yang lebih baik adalah memperlakukan pemantauan sebagai bagian penting dari otomatisasi operasi. Platform pemantauan modern dan lengkap dapat menjadi mesin otomatisasi yang kuat sendiri, dan pengaktif krusial untuk inisiatif otomatisasi yang lebih besar dalam manajemen siklus hidup aplikasi dan infrastruktur serta mitigasi masalah. Ini bahkan, dalam banyak kasus, dapat bekerja untuk mengaktifkan operasi otonom seperti scaling mandiri dan self-healing.
>Lihat juga: IT monitoring: Jangan memantau diri Anda hingga gila, Opsview
Berikut adalah beberapa cara sistem pemantauan Anda dapat membantu Anda menyelesaikan lebih banyak pekerjaan, menghilangkan kesalahan manusia, dan memenuhi (bukan hanya mematuhi) SLO:
Penyebaran dan manajemen siklus hidup sistem pemantauan yang terintegrasi dan terotomatisasi. Solusi pemantauan on-premises dapat berdampingan dengan infrastruktur yang dipantau; baik di cloud pribadi klasik dan pusat data maupun di cloud pribadi virtual (VPC) yang dihosting oleh penyedia. Ini memungkinkan mereka untuk mematuhi keamanan, privasi, tata kelola data dan regulasi lainnya; dan membantu mereka mengatasi hambatan bandwidth dan biaya yang dapat membatasi skalabilitas solusi pemantauan SaaS. Pemantauan on-premise harus di-deploy, diskalakan, dan diperbarui, namun — dan ini dapat menakutkan untuk semua kecuali konfigurasi server tunggal yang sangat sederhana.
Pembuat platform pemantauan jenis ini yang berpikir ke depan mulai memanfaatkan kerangka kerja otomatisasi penyebaran populer seperti Ansible, Puppet, dan Chef (yang sama yang digunakan DevOps untuk mengotomatisasi penyebaran infrastruktur dan operasi rutin) untuk menyederhanakan penyebaran sistem pemantauan dalam konfigurasi yang diskala dan ketersediaan tinggi. Untuk kenyamanan operator, mereka menyembunyikan kompleksitas alat penyebaran di belakang webUI dan konfigurator yang disederhanakan, meski alat standar dapat diakses oleh orang DevOps yang ingin menyelaraskan penyebaran sistem pemantauan atau pengumpulkan metrik dengan peluncuran infrastruktur — praktik terbaik. Detail pemantauan dapat didefinisikan dan dipelihara sebagai bagian dari repositori “infrastructure as code” yang definitif.
>Lihat juga: Nilai visibilitas di pusat data Anda
Penyebaran agen otomatis dan pendaftaran objek yang dipantau melalui API. Alat penyebaran standar seperti Ansible juga dapat digunakan untuk menyuntikkan, mengonfigurasi, dan memperbarui komponen pemantauan (agen endpoint, perpustakaan yang diperlukan, dll.) pada host. Alat yang sama dapat mengekstrak fakta dari manifest penyebaran atau langsung dari host pada saat penyebaran, kemudian menggunakan API sistem pemantauan untuk dengan cepat mengonfigurasi pemantauan untuk infrastruktur host dan aplikasi, serta “menghentikan pemantauan” host pada akhir masa pakai. Secara rutin menempatkan sistem di bawah pemantauan segera setelah mereka di-deploy memungkinkan deteksi cepat masalah di staging atau produksi, dan dapat digunakan untuk memicu rollback, jika diperlukan — praktik terbaik yang penting untuk continuous delivery.
Ingestsi CMDB. Beberapa platform pemantauan dapat menggesti data dari alat manajemen operasi dan basis data manajemen konfigurasi (CMDB), seperti yang ditawarkan oleh ServiceNow dan vendor serupa. Ini memungkinkan operator untuk dengan cepat dan yakin mengonfigurasi pemantauan untuk infrastruktur yang ada, aplikasi, dan layanan bisnis lengkap — menghindari kompilasi manual yang memakan waktu dan rawan kesalahan fakta sistem.
>Lihat juga: Apa perangkat lunak penyimpanan yang tepat yang diperlukan agar DevOps berhasil?
Penemuan dan auto-pemantauan. Solusi pemantauan yang canggih menggunakan metode yang semakin luas, 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 terkemuka sekarang bergerak menuju otomatisasi proses sepenuhnya: membuat peta komprehensif infrastruktur, aplikasi, dan layanan bisnis lengkap dan memantau hal-hal ini tanpa perlu intervensi atau arah manual.
Pemrosesan pemberitahuan, pemberitahuan, eskalasi, integrasi. Pemberitahuan, tentu saja, adalah bentuk otomatisasi yang kuat. Ini melibatkan pengambilan keputusan, yang mungkin sederhana (misalnya, beberapa metrik telah melewati ambang batas tertentu) atau jauh lebih kompleks (misalnya, beberapa metrik, dari sistem terpisah, telah memasuki status yang prediktif terhadap jenis kegagalan tertentu untuk layanan bisnis yang kritis). Ini melibatkan penugasan dan eskalasi yang canggih berdasarkan masalah, jadwal tim, waktu/tanggal dan variabel lain. Ini memerlukan integrasi keluar dengan metode komunikasi seperti email, atau dengan platform pemberitahuan multi-mode seperti PagerDuty; atau integrasi yang lebih canggih dengan manajemen masalah (misalnya, JIRA) atau manajemen alur kerja operasi (misalnya, ServiceNow) serta kolaborasi (misalnya, Slack) dan solusi lainnya. Semua kekuatan otomatisasi ini bekerja bersama untuk memberikan pemberitahuan yang tepat kepada orang yang tepat pada waktu yang tepat sambil menghindari pemberitahuan berlebihan dan kelelahan — menyederhanakan operasi dan membantu tim menghindari downtime dan memenuhi komitmen SLO.
>Lihat juga: Bagaimana otomatisasi beban kerja dapat membawa DevOps ke kecepatan
Mitigasi masalah proaktif. Terakhir, solusi pemantauan yang canggih sekarang menyediakan kemampuan untuk menjalankan skrip pada host, atau memicu otomatisasi terpusat (misalnya, Ansible) untuk melakukan tugas berdasarkan kondisi yang dipantau: dari me-restart server yang gagal hingga menskala klaster infrastruktur. Selama dekade mendatang, perkembangan machine learning akan secara bertahap meningkatkan kemampuan untuk memantau sistem untuk menyimpulkan struktur dan fungsi abstrak layanan bisnis, memantau mereka secara otomatis, memprediksi mode kegagalan mereka, memperbaiki mereka dan mengoptimalkan performa mereka — baik secara otonom, atau dengan alokasi sumber daya operator yang optimal untuk tugas.
By John Jainschigg, content strategy lead at Opsview