Überwachung in Cloud- und Cloud-native-Architekturen 5 Herausforderungen für eine skalierbare Observability

Redakteur: Stephan Augsten

In Multi-Cloud- und Cloud-Native-Umgebungen sind mehr Einblicke nötig, als Monitoring-Lösungen sie liefern könnten. Observability soll blinde Flecken beseitigen, doch welche Herausforderungen gehen damit einher? Dynatrace nennt die fünf wichtigsten.

Firmen zum Thema

Was genau in verteilten Anwendungen und Cloud-Umgebungen vor sich geht, lässt sich mit klassischem Montoring nicht erfassen.
Was genau in verteilten Anwendungen und Cloud-Umgebungen vor sich geht, lässt sich mit klassischem Montoring nicht erfassen.
(Bild: geralt / Pixabay )

IT-Teams benötigen umfassende Einblicke in ihre IT-Umgebungen. Doch Hybrid Clouds und Cloud-native Umgebungen sind schwieriger zu überwachen als klassische Architekturen. Im Fall von Container und Microservices sollen Observability-Lösungen für mehr Überblick über die Vorgänge und Probleme sorgen.

Aber wie können Unternehmen schnell und effizient eine skalierbare Observability erreichen? Dynatrace hat fünf wesentliche Herausforderungen identifiziert.

1) Container, Microservices und Kubernetes

Der Einsatz Cloud-nativer Architekturen mit Microservices, Containern und Kubernetes bietet höhere Agilität, Effizienz und Skalierbarkeit. Im Gegenzug führen diese Architekturen auch zu extrem dynamischen Umgebungen mit einem hohen Veränderungstempo.

Mit manuellen Ansätzen zur Konfiguration und Instrumentierung von Apps oder zum Erstellen von Skripten und Quellen für die Daten ist es nahezu unmöglich, Schritt zu halten, unterstreicht Dynatrace. Eine automatisierte Observability, auf Basis von Metriken, Logs und Traces werde daher immer wichtiger, um Cloud-native Umgebungen zu beherrschen.

2) Tatsächliche User Experience

Mit Blick auf die Benutzererfahrung werden digitale Angebote kontinuierlich überprüft und verbessert. Unternehmen müssen also verstehen, wie echte Anwender ihre Anwendungen und Software erleben, meint Dynatrace. „Ohne die Messung des Nutzererlebnisses aus der Perspektive des Anwenders ist es unmöglich zu wissen, ob die Anwendungen so funktionieren, wie sie sollten.“

Unternehmen müssten außerdem in der Lage sein, diese Informationen in einen Kontext zu stellen. Nur dann erfassten sie das Gesamtbild und verstünden, wie sich die Performance ihrer digitalen Services auf die User Experience auswirkt. Das lässt sich nur mit einer einzigen Plattform und einem einheitlichen Datenmodell erreichen, postuliert Dynatrace.

3) IT-Silos

Laut Dynatrace betrachten die meisten Unternehmen ihre Observability-Daten isoliert von wesentlichen Geschäftskennzahlen wie Umsatz und Konversionsraten. Dadurch übersähen sie leicht die Zusammenhänge zwischen wichtigen Kennzahlen aus IT und Business leicht übersehen und somit auch den Kontext. Ein Beispiel: Das Business-Team verzeichnet einen plötzlichen Rückgang oder Anstieg der E-Commerce-Käufe, bringt es aber nicht mit dem von der IT ausgerollten Software-Update für eine Back-End-Anwendung in Verbindung.

4) Zu viele Überwachungstools

Unternehmen nutzen laut Dynatrace durchschnittlich zehn verschiedene Monitoring-Tools, um ihre Multi-Cloud-Umgebungen zu überwachen: „Daraus resultieren enorme Datenmengen und widersprüchliche Alarmmeldungen in sehr kurzer Zeit, die IT-Teams nicht mehr manuell zusammenfassen oder auswerten können.“

Selbst eine einzige Plattform, die eine End-to-End-Überwachung ermöglicht, könne nicht alle Probleme lösen, da IT-Teams auch dann noch sehr große Datenmengen schnell genug interpretieren müssen. „Deshalb wird KI hierbei immer wichtiger“, schreibt Dynatrace. „Sie versetzt IT-Teams in die Lage, Observability-Daten sofort in verwertbare Erkenntnisse umzuwandeln, die zur Optimierung von Diensten und zur Lösung von Problemen genutzt werden können.“

5) DIY-Lösungen

Viele Unternehmen verfolgen einen Do-it-yourself-Ansatz bei der Observability, indem sie die Instrumentierung manuell in den Anwendungscode einbauen, während sie entwickeln. „Dies ist nicht nur ein zeitaufwändiger Prozess, der Team-Ressourcen beansprucht, er schafft auch blinde Flecken“, warnt Dynatrace. „Während neuere Systeme oft eine eingebaute Observability-Funktion besitzen, ist dies bei vielen älteren Systemen nicht der Fall.“

(ID:47320942)