Наблюдаемость Cloud Ready: как связать метрики, логи и трейсы

Если система состоит из десятков сервисов, мало знать, что случился сбой. По одному алерту нельзя быстро понять, где именно проблема, какой сервис тормозит и что из-за этого ломается у пользователя. Из-за этого затягивается поиск причины, починка инцидента и приходится дольше возвращать продукт в норму.

💁🏻‍♂️Я рассказал, как собрать наблюдаемость, в которой метрики, логи и трейсы работают вместе. Листайте карточки🖱

🔗 Полезное чтиво по теме:
— Micrometer.io Official Docs: как правильно инструментировать код
— Grafana LGTM Stack: концепция единого стека наблюдаемости
— Prometheus.io: база по метрикам
— Introduction to Grafana Loki: как выстроить логирование без лишних затрат

🧭 Для глубокого изучения:
— OpenTelemetr: стандарт сбора телеметрии
— JVM Profiling: как смотреть, что происходит внутри потоков Java
— Перцентили и гистограммы: почему среднее значение часто врёт

Состояние никуда не девается: как с ним работать в Cloud Ready

Долгое время в разработке жила идея: если сервис ничего у себя не хранит, то его будет проще масштабировать. Но в реальности любое полезное приложение всё равно хранит данные и контекст — в базе, кэше, событиях или внутри актора. Состояние не исчезает, а просто переезжает с места на место.

Я рассказал про четыре подхода, которые помогают работать с состоянием в распределенных системах. Смотрите карточки ☝️

🔗 Полезное чтиво по теме:
— Event Sourcing Pattern: база для понимания событийных моделей
— CQRS Pattern: как проектировать раздельные модели данных
— Akka Actors Concepts: введение в модель акторов от создателей Akka
— The CAP Theorem: почему нельзя получить все и сразу в распределенных данных

🧭 Для глубокого изучения:
— Eventual Consistency: почему данные после записи появляются не сразу
— Паттерн Saga: как проводить операции между сервисами без тяжёлых транзакций
— Шардирование и партиционирование: как распределять данные без горячих точек