Dynatrace: Herausforderungen für skalierbare Observability

Mit KI und Automatisierung Observability meistern

31. März 2021, 12:00 Uhr |
© Wolfgang Traub

Um effektiv mit der ständig wachsenden Nachfrage nach digitalen Services Schritt zu halten, benötigen IT-Teams umfassende Einblicke in ihre IT-Umgebungen. Herkömmliche Monitoring-Lösungen und manuelle Ansätze scheitern jedoch oft daran, die Dynamik von Multi-Cloud- und Cloud-nativen Umgebungen zu überwachen. Das Software-Intelligence-Unternehmen Dynatrace hat nachfolgende fünf wesentliche Herausforderungen identifiziert, die Unternehmen im Blick behalten sollten, wenn sie schnell und effizient eine skalierbare Observability erreichen möchten.

Der Einsatz Cloud-nativer Architekturen mit Micro-Services, Containern und Kubernetes bietet Unternehmen höhere Agilität, Effizienz und Skalierbarkeit und ermöglicht somit schnellere Innovationen. Allerdings führen diese Architekturen auch zu extrem dynamischen Umgebungen, die sich im Minutentakt oder noch schneller verändern. Mit manuellen Ansätzen zur Konfiguration und Instrumentierung von Apps oder zum Erstellen von Skripten und Quellen für die Daten ist es nahezu unmöglich, mit diesem Veränderungstempo Schritt zu halten. Um die Komplexität von Cloud-Umgebung verwalten zu können, ist eine Automatisierung der Observability, die auf den Säulen Metriken, Logs und Traces basiert, immer wichtiger.

Gute Benutzererfahrungen sind geschäftsentscheidend. Wenn Unternehmen jedoch nicht sehen, wie Nutzende ihre Anwendungen und Software erleben, reduziert dies den konkreten Wert, den Unternehmen durch ihre Observability-Aktivitäten erzielen können. Ohne die Messung der User Experience ist es unmöglich zu wissen, ob die Anwendungen so funktionieren, wie sie sollen. Unternehmen müssen außerdem in der Lage sein, diese Informationen in einen Kontext zu stellen. Nur dann erkennen sie das Gesamtbild und verstehen, wie sich die Performance ihrer digitalen Services auf die Erfahrung der Nutzenden auswirkt. Das lässt sich nur mit einer einzigen Plattform und einem einheitlichen Datenmodell erreichen.

Die IT wird immer mehr zu einer geschäftlichen Notwendigkeit. Dennoch betrachten die meisten Unternehmen ihre Observability-Daten isoliert von wesentlichen Geschäftskennzahlen wie Umsatz und Konversionsraten. Dadurch übersieht man die Zusammenhänge zwischen wichtigen Kennzahlen aus IT und Business und beachtet somit den Kontext nicht.

Unternehmen nutzen 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. Viele Unternehmen fordern eine einzige Plattform, die eine End-to-End-Überwachung ermöglicht. Das wird jedoch nicht alle Probleme lösen, da IT-Teams auch dann noch sehr große Datenmengen schnell genug interpretieren müssen. Deshalb wird KI hierbei immer wichtiger. Sie versetzt IT-Teams in die Lage, Observability-Daten sofort in verwertbare Erkenntnisse umzuwandeln, die man zur Optimierung von Diensten und zur Lösung von Problemen nutzen kann.

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

Anbieter zum Thema

zu Matchmaker+

Lesen Sie mehr zum Thema


Jetzt kostenfreie Newsletter bestellen!

Weitere Artikel zu Mustermann GmbH & Co. KG

Weitere Artikel zu Monitoring

Weitere Artikel zu Cloud-Speicher

Weitere Artikel zu System-Management

Weitere Artikel zu Toshiba Mobile Communications Division

Weitere Artikel zu ESK Electronic GmbH

Weitere Artikel zu msg systems AG

Weitere Artikel zu LogLogic GmbH

Weitere Artikel zu Swissphone Telecommunications

Matchmaker+