Сравнение промышленного APM и open source решений

Cо временем все компании приходят к APM-мониторингу. Сперва их интересует один аспект производительности и они внедряют под него в систему некий APM-инструмент. Да, специализированные проблемы можно выявить и решить с помощью точечных решений. Но затем появляется другая проблема, за ней третья, четвертая… Применяется уже несколько разных сервисов и систем мониторинга, их нужно поддерживать по отдельности, смотреть, чтобы обновление одной системы не сломало что-то в другой, и если в целом все системы не дружат между собой, то на решение проблем будет уходить уйма времени. Так почему же компании избегают готовых промышленных решений? Давайте разберемся.

Часто IT-команды в компаниях пытаются сами написать софт по оценке производительности. Что поделать, человек — существо творческое, не может он спокойно усидеть, рвется покорять и созидать. Не хотят айтишники использовать готовы, хотят творить здесь и сейчас! По итогу, вместо того, чтобы заниматься автоматизацией, команда тушит локальные пожары.

Плюс к этому, автоматизация IT-процессов без интеграции AIOps может создавать проблемы. Без AIOps (Artificial Intelligence for IT Operations — Искусственный интеллект для решения IT-операций) система настолько же интеллектуальна, как и люди, которые ее программируют. При этом искусственный интеллект, основанный на машинном обучении, нуждается в этом самом обучении. Это требует громадных усилий по обработке данных, а также работы по созданию моделей машинного обучения.

Сперва может показаться, что промышленное APM-решение стоит каких-то заоблачных денег, но, как показывает практика, суммарная стоимость разрозненных open-source решений и их поддержка обходятся в разы дороже. Оплата разработчиков, штат аналитиков, штат администраторов, плюс специалисты баз данных, виртуализации, отдельные девопсы, отдельная поддержка, отдельные инфраструктурщики — их оплата многим выше, чем подписка на промышленное решение. Всю эту армию умников легко заменит 1-2 человека, отвечающих за интеграцию “Ключ-Астром”.

Как посчитать окупаемость промышленного решения? Возьмем для примера «Ключ-Астром« компании »Рускомтехнологии». Первые 19 месяцев идет возврат инвестиций за счет исправления ошибок, улучшения сервиса и ускорения вывода новых продуктов. Через полтора года система уже начнет приносить дивиденды за счет уменьшения простоя IT-сервисов, оптимизации операционной деятельности и возможности выпускать качественные релизы быстрее конкурентов.

Некоторые утверждают, что это все просто дорогая игрушка. Такие люди обычно ждут, что промышленное решение само, как по волшебству настроит им процессы внутри компании, а когда этого не происходит — расстраиваются. Цель автоматизации — уменьшить сложность IT, самой же команде все равно нужен план изменений. Если вы не знаете, как ваша команда может использовать инструменты автоматизации IT, то они так и будут лежать у вас мертвым грузом.

Стратегия автоматизации IT должна начинаться с разделения рабочего процесса, типов операций, которые они будут выполнять, и того, как команды могут лучше всего отслеживать и оптимизировать их в производственной среде.

Еще один плюс промышленного решения в том, что с его настройкой вам поможет команда специалистов по внедрению.

Но что самое главное, автоматизация процессов с помощью AIOps позволяет IT-администраторам уделять больше времени инновациям, а не постоянному «тушению пожаров».

Сферы применения промышленного решения:

• Инфраструктура и операционные инструменты. Они нужны для автоматического создания виртуальной инфраструктуры, обновления операционных систем и для развертывания контейнеров.
• Средства автоматизации цифровых процессов. Они поддерживают бизнес-процессы, охватывая внутренние бизнес-системы и клиентские приложения.
• Пакетная автоматизация процессов. Эта служба организовывает выполнение пакетных заданий по расписанию.
• Инструменты автоматизации больших данных. Они предоставляют средства для сбора, передачи и обработки больших объемов данных, которые все чаще используются в аналитических приложениях.

Возьмем для примера одну финтех организацию. Для контроля работы систем она использует:

Graylog — для просмотра логов действий

Elastic/Kibana — визуализация данных

Google Analytics/Yandex Metrika — бизнес-показатели

Контроль на аппаратном уровне

Вместо всего этого изобилия можно было успешно использовать промышлен «Ключ-Астром».

Унифицированный подход к автоматизации ИТ-процессов необходим, чтобы избежать плохо интегрированных, разрозненных сервисов. Так компания получает связанные между собой данные, что позволяет принимать руководству более точные решения, которые в итоге влияют на ее прибыль.

Начать стоит хотя бы с того, что с помощью оповещений IT-команда сможет выявлять проблемы до того, как они отразятся на работе пользователей.

Также APM поможет следить за транзакциями приложений, поможет продиагностировать пользовательский опыт и обеспечит безупречный пользовательский интерфейс.

Еще одно преимущество наблюдаемости для бизнеса — это оценка и оптимизация IT-затрат. Инфраструктура IT уже не может существовать в отрыве от целей и задач бизнеса. Важно, чтобы IT-департамент, внедряя какие-то решения, был интегрирован в общую стратегию компании и следовал ей. С помощью инструментов наблюдаемости бизнес может оптимизировать затраты на IT, а это в свою очередь ведет к снижению издержек, ускорению выхода новых продуктов и уменьшению простоя сервисов из-за ошибок. Платформа в результате станет единой точкой принятия решений, входа и настройки, благодаря тому, что объединяет собой бизнес и IT.

В центре платформы «Ключ-Астром» движок, через который проходит вся информация. В нем используется детерминированный ИИ, который радикально отличается от традиционного машинного обучения — он выполняет автоматический анализ на базе ресурсно сервисной модели, которая кстати строится и обновляется системой автоматически. Это причинно-следственная связь, а не корреляция. Полученный анализ корневого случая является точным и может быть воспроизведен шаг за шагом.

Движок искусственного интеллекта обрабатывает все данные, вне зависимости от технологий или платформ который используется в ИТ ландшафте Заказчика.

ИИ постоянно мониторит изменяющуюся среду системы в режиме реального времени. Он обнаруживает отношения сущностей при запуске с нулевой ручной настройкой. Даже контейнерные процессы, выполняющие микросервисы в динамических средах Kubernetes, отображаются автоматически.

Расширенная наблюдаемость сочетает в себе контекстную информацию с искусственным интеллектом и автоматизацией. “Ключ-Астром” расширяет три столпа наблюдаемости (метрики, журналы и следы) с помощью информации о UX и топологии, поэтому ИИ понимает полный контекст наблюдаемых данных и дает точные ответы.

В результате вы получаете:
– Обнаружение зависимостей и полную трассировку;
– Моментальную / обновляемую визуализацию всего стека;
– Обнаружение аномалий;
– Поиск ошибок в режиме реального времени.
– Объединение работы кода и самочувствия пользователей.

Благодаря тому, что «Ключ-Астром» объединяет работу кода и самочувствия пользователей в единое действенное уведомление, вы можете:

– Точно сказать, какой уровень сервиса вы предоставляете внешнему пользователю;
– Узнать, как чувствует себя клиент внутри системы;
– Понять, насколько понравятся вашим клиентам будущие обновления.

Все эти детали представлены в контексте и вы ясно видите, взаимосвязи внутри системы.

Так почему же, при всех перечисленных плюсах некоторые компании до сих пор игнорируют промышленные решения для APM-мониторинга в пользу отдельных open source решений?

Во-первых, из-за ситуации в мире, на рынке сейчас царит сплошная неопределенность. Open source кажется компаниям хорошим решением, потому что он никуда не уйдет. Во-вторых, open source – это бесплатно, а от такого тяжело отказаться. В-третьих, APM – технология, объединяющая бизнес и IT, но проблема в том, что IT не всегда хочет показывать бизнесу свою работу. Именно поэтому на рынке так популярен Zabbix. Ну и наконец, сейчас слишком мало опубликованных примеров, в которых компания внедрила бы в систему промышленное решение и окупила его. Все потому, что большинство успешных внедрений осуществляют банки, а они неохотно делятся своими секретами.