Automatisierung umarmen: In DevOps die Nase vorn behalten

DevOps geht darum, die Bereitstellung neuer Produkte und Services im großen Maßstab zu beschleunigen, zuverlässig und erschwinglich. Dies erfordert Automatisierung – Software einzusetzen, um andere Software zu bauen, zu konfigurieren, bereitzustellen, zu skalieren, zu aktualisieren und zu verwalten.

Wir denken normalerweise an Monitoring als etwas, das neben diesem Prozess passiert – sein Job ist es, Operatoren zu alarmieren, wenn Dinge schiefgehen, Issues zu analysieren, Compliance mit Service-Level-Zielen zu bestätigen. Aber es ist bessere Praxis, Monitoring als wesentlichen Teil der Ops-Automatisierung zu behandeln. Eine moderne, voll ausgestattete Monitoring-Plattform kann eine mächtige Automatisierungs-Engine für sich sein und ein kritischer Enabler für größere Automatisierungsinitiativen im Application- und Infrastructure-Lifecycle-Management und Problem-Mitigation. Sie kann sogar in vielen Fällen autonome Operationen wie Self-Scaling und Self-Healing ermöglichen.

>Siehe auch: IT-Monitoring: Monitoren Sie sich nicht in den Wahnsinn, Opsview

Hier sind einige Wege, wie Ihr Monitoring-System Ihnen helfen kann, mehr zu erledigen, menschliche Fehler zu eliminieren und SLOs zu erfüllen (nicht nur einzuhalten):

Gestraffte, automatisierte Monitoring-System-Bereitstellung und Lifecycle-Management. On-Premises-Monitoring-Lösungen können mit überwachter Infrastruktur koexistieren; sowohl in klassischen Private Clouds und Rechenzentren als auch in Provider-gehosteten Virtual Private Clouds (VPCs). Dies lässt sie Security-, Privacy-, Data-Governance- und andere Vorschriften einhalten; und hilft ihnen, Bandbreiten- und Kostenbarrieren zu überwinden, die die Skalierbarkeit von SaaS-Monitoring-Lösungen limitieren können. Premise-Monitoring muss jedoch bereitgestellt, skaliert und aktualisiert werden – und das kann für alles außer sehr einfachen Single-Server-Konfigurationen entmutigend sein.

Zukunftsorientierte Hersteller dieser Art von Monitoring-Plattform beginnen, beliebte Deployment-Automation-Frameworks wie Ansible, Puppet und Chef (die gleichen, die DevOps nutzt, um Infrastructure-Deployment und Routine-Operationen zu automatisieren) auszunutzen, um Monitoring-System-Bereitstellung in skalierten, hochverfügbaren Konfigurationen zu straffen. Für Operator-Bequemlichkeit verstecken sie Deployment-Tool-Komplexität hinter WebUIs und vereinfachten Konfiguratoren, obwohl das Standard-Tooling für DevOps-Leute zugänglich bleibt, die Monitoring-System- oder Metrics-Collector-Bereitstellung mit Infrastructure-Rollouts verzahnen wollen – eine Best Practice. Details des Monitorings können als Teil definitiver „Infrastructure as Code“-Repositories definiert und gewartet werden.

>Siehe auch: Der Wert von Sichtbarkeit in Ihrem Rechenzentrum

Automatisierte Agent-Bereitstellung und Monitored-Object-Registrierung via API. Standard-Deployment-Tools wie Ansible können auch genutzt werden, um Monitoring-Komponenten (Endpoint-Agents, erforderliche Bibliotheken usw.) auf Hosts zu injizieren, zu konfigurieren und zu aktualisieren. Dieselben Tools können Fakten aus Deployment-Manifesten oder direkt von Hosts zur Deploy-Zeit extrahieren, dann Monitoring-System-APIs nutzen, um Monitoring für Host-Infrastruktur und Applikationen schnell zu konfigurieren, sowie Hosts am Ende der Lebensdauer zu „unmonitoren“. Routinemäßiges Unter-Stellen von Systemen unter Monitoring, sobald sie deployed sind, ermöglicht schnelle Erkennung von Issues in Staging oder Production und kann genutzt werden, um Rollbacks auszulösen, falls erforderlich – eine wichtige Best Practice für Continuous Delivery.

CMDB-Ingestion. Einige Monitoring-Plattformen können Daten von Operations-Management-Tools und Configuration Management Databases (CMDBs) aufnehmen, wie sie von ServiceNow und ähnlichen Anbietern angeboten werden. Dies lässt Operatoren Monitoring für bestehende Infrastruktur, Applikationen und vollständige Business Services schnell und selbstbewusst konfigurieren – und vermeidet mühsame und fehleranfällige manuelle Kompilierung von Systemfakten.

>Siehe auch: Welche Storage-Software wird für DevOps-Erfolg benötigt?

Discovery und Auto-Monitoring. Raffinierte Monitoring-Lösungen nutzen eine zunehmende Bandbreite an Methoden, einschließlich direkten Zugriff auf Hosts via SSH und indirekten Zugriff via Configuration Repositories wie ActiveDirectory und Services wie Windows Discovery, um Fakten aus bestehender Infrastruktur zu extrahieren und Monitoring-Konfiguration durch Operatoren zu beschleunigen. Führende Produkte bewegen sich nun darauf zu, den Prozess vollständig zu automatisieren: umfassende Maps von Infrastruktur, Apps und kompletten Business Services zu erstellen und diese zu monitoren, ohne Notwendigkeit für manuelle Intervention oder Direction.

Alert-Verarbeitung, Benachrichtigung, Eskalation, Integration. Alerting ist natürlich eine mächtige Form der Automatisierung. Es beinhaltet Entscheidungsfindung, die einfach sein kann (z. B. eine Metrik hat einen gegebenen Schwellenwert überschritten) oder signifikant komplexer (z. B. mehrere Metriken von separaten Systemen sind in Zustände eingetreten, die prädiktiv für eine bestimmte Art bekannten Versagens eines kritischen Business Service sind). Es erfordert raffinierte Zuweisung und Eskalation basierend auf Issue, Team-Rotas, Zeit/Datum und anderen Variablen. Es verlangt Outbound-Integration mit Kommunikationsmethoden wie E-Mail, oder mit Multi-Mode-Notification-Plattformen wie PagerDuty; oder raffiniertere Integration mit Issue-Management (z. B. JIRA) oder Operations-Workflow-Management (z. B. ServiceNow) sowie Collaboration (z. B. Slack) und anderen Lösungen. All diese Automatisierungskraft arbeitet zusammen, um den richtigen Alert zur richtigen Person zum richtigen Zeitpunkt zu bringen, während Over-Alerting und Fatigue vermieden werden – Operations glätten und Teams helfen, Downtime zu vermeiden und SLO-Commitments einzuhalten.

>Siehe auch: Wie Workload-Automation DevOps auf Tempo bringen kann

Proaktive Issue-Mitigation. Schließlich bieten raffinierte Monitoring-Lösungen nun die Fähigkeit, Skripte auf Hosts auszuführen, oder zentrale Automatisierung (z. B. Ansible) auszulösen, um Tasks basierend auf überwachten Bedingungen durchzuführen: vom Rebooten eines fehlgeschlagenen Servers bis zum Skalieren eines Infrastructure-Clusters. Über das nächste Jahrzehnt werden Entwicklungen im Machine Learning die Fähigkeit graduell verbessern, Systeme zu monitoren, um die abstrakte Struktur und Funktion von Business Services zu deduzieren, sie automatisch zu monitoren, ihre Failure-Modes vorherzusagen, sie zu reparieren und ihre Performance zu optimieren – entweder autonom oder durch optimale Allokation von Operator-Ressourcen zu Tasks.

Von John Jainschigg, Content Strategy Lead bei Opsview