5 Observability-Trends für 2024

• Observability: ein Maß dafür, wie gut sich aus den externen Ausgaben eines Systems auf seinen internen Zustand schließen lässt
  • Erfassung, Visualisierung und Analyse von Metriken, Events, Logs und Traces
  • Liefert reichhaltige Hintergrundinformationen über interne Abläufe und ermöglicht eine tiefgehende Fehleranalyse in Systemen
• Zusammenfassung von fünf Trends, die unter den von Observability-Unternehmen wie Grafana Labs, Splunk, Dynatrace und Chronosphere sowie Marktforschungsinstituten wie Dimensional Research für 2024 genannten Observability-Trends mindestens dreimal genannt wurden

1. Wachsende Bedeutung von KI als „Werkzeug“ für Observability
   • KI wird für Signalkorrelation, Anomalieerkennung, Root-Cause-Analyse und Performance-Optimierung eingesetzt und hilft so, schneller zu verstehen, „was im System passiert“
   • Erkennt KI Anomalien, können über Untersuchung und automatische Reaktion Probleme automatisch behoben werden
   • Die Nachfrage nach Tools, die Alltagsprozesse automatisieren und langwierige Arbeiten reduzieren, erhöht den Einsatz von KI im Bereich Observability
   • Um mit der Bereitstellungsgeschwindigkeit von Cloud-native mitzuhalten, benötigen Organisationen präzise und vorhersagbare KI-gestützte Analysen, die Multi-Cloud-Infrastrukturen und agile Entwicklungspraktiken im großen Maßstab automatisieren
   • Durch den Einsatz von Observability-Tools, die kausale, prädiktive und generative KI kombinieren, lassen sich aus Observability-, Sicherheits- und Geschäftsdaten reichhaltige Erkenntnisse gewinnen und Systeme tiefgehender analysieren
   • Natürlich wird es Zeit brauchen, bis man sagen kann, dass „KI die von Kunden gewünschte Zuverlässigkeit erreicht hat“
2. Wachsende Bedeutung der Beobachtung von KI als „Objekt“ der Observability
   • Generative KI erzeugt als Motor für Automatisierung und Produktivität enorme und komplexe Datenmengen in explosionsartigem Tempo
   • Nutzer erstellen mit KI Inhalte und entwickeln auch direkt „ihre eigene KI“, wodurch noch mehr Daten entstehen und verarbeitet werden müssen
   • KI hat weitreichenden Einfluss auf viele gesellschaftliche Bereiche wie Gesundheit, Recht, Finanzen und Reisen und muss daher gut verstanden werden
   • Ob KI normal funktioniert oder Verzerrungen aufweist, ist ein wichtiges Beobachtungsziel
   • Organisationen müssen darauf vorbereitet sein, KI präzise und konkret zu beobachten
   • Sie müssen wissen, wie sich Metriken, Logs und Traces aus KI-Systemen erfassen lassen
3. Bemühungen zur Senkung der Observability-Kosten
   • Viele Unternehmen kämpfen mit Budgetfragen, suchen aus technischer und geschäftlicher Sicht nach Wegen zum Kostenmanagement und steuern ihre IT-Kosten insgesamt
   • Mit dem Wechsel zu Multi-Cloud- oder Cloud-native-Umgebungen steigt die erzeugte Datenmenge und damit auch die damit verbundenen Kosten
   • ESG Research: „69 % der Organisationen sind besorgt, dass die steigenden Observability-Daten im Laufe der Zeit zu erheblichen Kosten für Datenerfassung und -speicherung führen“
   • Dynatrace: „Teams müssen häufig entscheiden, welche Logs sie für Echtzeitanalysen behalten, welche sie verwerfen und welche sie in kostengünstigem Storage mit geringer Zugänglichkeit aufbewahren“
   • Maßnahmen zur Senkung der Observability-Kosten:
     • Datenwachstum begrenzen und Tools einsetzen, die Organisationen helfen, aus den gesammelten Daten mehr Wert zu ziehen
     • Doppelte und irrelevante Events filtern, die keinen Mehrwert für die Observability-Ergebnisse liefern
     • Leere Werte entfernen, unnötige Labels löschen, ineffiziente Datenformate in „für das jeweilige Observability-Ziel geeignete Formate“ umwandeln sowie Events kürzen und transformieren
4. Steigende Nachfrage nach Open Source und OpenTelemetry
   • Viele Unternehmen investieren in Open-Source-Technologien, um Bedenken hinsichtlich Vendor Lock-in zu begegnen, und integrieren diese als Teil ihres Observability-Stacks
   • Laut einer Umfrage von Dimensional Research unter Observability-Verantwortlichen sagten 87 % der Befragten: „OpenTelemetry wird in den nächsten fünf Jahren zum Standard für Observability-Daten werden“
   • OpenTelemetry ist für die Erzeugung und Verwaltung von Daten wie Traces, Metriken und Logs ausgelegt und bindet nicht an einen bestimmten Anbieter
   • Dadurch kann es mit allen Observability-Tools genutzt werden, die OpenTelemetry unterstützen
   • Die Einführung von OpenTelemetry befindet sich jedoch noch in einem frühen Stadium
   • Bei der Einführung von OpenTelemetry gibt es Probleme wie Bedenken wegen des technischen Supports, die Notwendigkeit, auf eine breitere Marktakzeptanz zu warten, und ein mangelndes Verständnis des Managements für den Wert
5. Verstärkte Konsolidierung von Observability-Tools
   • Statt mehrere Observability-Tools zu verwenden, verstärkt sich die Bewegung hin zur Konsolidierung auf die Tools von ein oder zwei Anbietern
   • Laut einer Umfrage von Dimensional Research nutzen Unternehmen im Durchschnitt mehr als sieben Observability- und Monitoring-Tools
   • Gründe für die Konsolidierung von Observability-Tools: schnellere Problemerkennung, Kostensenkung, bessere Teamzusammenarbeit, Minimierung von Ausfallzeiten, höhere Sicherheit, geringere operative Komplexität, weniger Schulungsbedarf und die Vermeidung von Datensilos
   • Chronosphere: „Entwickler und technische Teams möchten weder Zeit damit verbringen, zwischen verschiedenen Benutzeroberflächen oder Softwareprodukten zu wechseln, um Antworten zu finden, noch Geld für mehrere Softwarelösungen ausgeben“
   • Dimensional Research: „Zu viele Tools erschweren es, Datenkorrelationen aufzuzeigen, und führen zu einem ‚Tool-Silo-Effekt‘, der die Sichtbarkeit über die gesamte Umgebung hinweg einschränkt“
   • Wenn Observability-Tools auf die Lösungen von ein oder zwei Anbietern konsolidiert werden, ist es einfacher, fragmentierte Daten zusammenzuführen und die Art der Datenerfassung und -nutzung zu standardisieren