A importância de calibrar as métricas de integridade das aplicações

Lori Mac VittieEngenheiro Emérito e Evangelista-Chefe | F5

Recentemente, ao voltar ao mundo do aquarismo de recife, lembrei-me da importância de calibrar as medições. Assim como as rápidas mudanças no cenário das aplicações, o aquarismo de recife mudou drasticamente nos últimos cinco anos.

Hoje, conto com monitores e sondas conectados que fazem o acompanhamento automaticamente e me alertam caso algo esteja errado. Painéis web e móveis permitem monitorar, programar e visualizar rapidamente a saúde do meu aquário e o status dos inúmeros dispositivos que o mantêm funcionando.

Leitores atentos notarão que o pH parece estar "abaixo do mínimo". Não há motivo para preocupação, está tudo bem. O que acontece é que a sonda (sensor) não está devidamente calibrada. Esse é um problema comum; a calibração de sondas é um processo sujeito a falhas. No momento, sei que a sonda está calibrada abaixo do valor correto e ajusto automaticamente a medição com base nessa informação.

Assim como a saúde de um aquário de recife, a saúde das aplicações exige atenção cuidadosa às principais métricas. Desvios, especialmente oscilações acentuadas, podem indicar um problema. O ajuste manual de métricas não é uma prática que você deve reproduzir quando se trata de aplicações. Ajustes manuais podem funcionar para uma ou até duas aplicações, mas uma organização comum tem entre 100 e 200 aplicações em seu portfólio digital. Você precisa de medições precisas, calibradas com base em padrões típicos de integridade.

Assim como ocorre com a maioria das métricas de rede e de aplicações, isso significa coletar amostras durante um período e identificar os valores "máximos" e "mínimos". Em seguida, limites podem ser usados para detectar comportamentos anômalos.

O problema não está no princípio, mas sim na execução.

Primeiro, geralmente nos concentramos em apenas um ponto de medição: a aplicação. Curiosamente, para avaliar a saúde de um aquário de recife, é necessário medir a salinidade e o pH, além da temperatura, pois ambos os valores são afetados por ela. A avaliação da saúde de uma aplicação é bastante semelhante, pois ela é influenciada por outros fatores, como o desempenho e a carga da rede. Infelizmente, a maioria das organizações não adota necessariamente uma visão holística da saúde das aplicações. A aplicação em si pode estar funcionando bem, mas a experiência do cliente pode ser péssima devido ao baixo desempenho de um dispositivo conectado ou da rede.

Precisamos ampliar nossa visão sobre a integridade das aplicações, expandindo o que medimos. Além disso, precisamos calibrar medições adicionais para garantir que possamos identificar o que é típico e o que não é. Isso porque "o que não é típico" pode indicar um problema ou, pior, um ataque.

Em segundo lugar, o desafio da escala surge da necessidade de fazer a calibração em vários pontos para cada aplicação que precisamos monitorar (spoiler: todas elas). Não podemos esperar que os operadores calibrem manualmente tantos pontos de dados. Isso é humanamente impossível.

É aí que entram as máquinas.

Análises avançadas

A análise avançada e o aprendizado de máquina são algumas das respostas para o problema da escala. As máquinas conseguem processar — e de fato processam — enormes volumes de telemetria em alta velocidade. Elas podem ingerir, normalizar e analisar padrões e relações em volumes de dados que nós, seres humanos, simplesmente não conseguimos administrar. Dessa forma, o aprendizado de máquina permite calibrar o que é considerado "normal" em uma série de pontos de dados relacionados e detectar imediatamente padrões anômalos que indiquem um problema.

É bastante fácil correlacionar problemas de desempenho de uma aplicação a um aumento repentino de logins na manhã de segunda-feira. O difícil é perceber que Bob normalmente só faz login na tarde de segunda-feira. Mas hoje ele está fazendo login pela manhã. Essa é uma anomalia que os operadores humanos não conseguem identificar facilmente, pois não temos esse nível de visibilidade. Com telemetria suficiente emitida pela aplicação, pelo cliente e pelos serviços da aplicação que compõem a experiência do código ao cliente, a análise avançada pode detectar essa anomalia. Ela também pode sinalizá-la ou acionar um novo fluxo de negócios para verificar se é realmente Bob quem está tentando fazer login.

Esse recurso é semelhante ao que muitos aplicativos fazem hoje no nível do dispositivo. Muitos processos digitais enviam códigos de verificação e nos pedem para provar que somos humanos identificando todos os carros em uma imagem desfocada. Mas são os detalhes do dispositivo que acionam o novo fluxo de negócios, e não o comportamento de fazer login em um horário incomum do dia. No futuro, precisaremos ser capazes de acionar fluxos com base em ambos, especialmente se continuarmos a oferecer suporte a uma força de trabalho distribuída.

Isso torna a calibração uma parte essencial do processo. E a calibração é realizada por meio da coleta de (muitas) medições e da definição do que é considerado "normal". Esse também é um processo que ultrapassa a capacidade humana e exige que as máquinas processem e analisem grandes volumes de telemetria.

Em última análise, a análise avançada viabilizará a observabilidade e dará origem a novos serviços capazes de revelar insights ocultos sobre aplicações (DEM), permitir uma orquestração mais inteligente dos serviços de aplicações (AI Ops) e gerar valor de negócios antes impossível de identificar (serviços aprimorados por IA).

Para isso, precisamos gerar grandes volumes de telemetria para podermos calibrar o comportamento considerado "normal" de aplicações, usuários e tudo o que estiver no caminho percorrido pelos dados.

Sobre o autor

Lori Mac VittieEngenheiro Emérito e Evangelista-Chefe | F5

Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.

Mais publicações de Lori Mac Vittie