Observability в финтехе: связываем клик пользователя с падением интеграции

Привет! Я Никита, Staff-инженер в крупном финтехе. В этой статье я хочу поделиться нашим опытом построения системы observability. Мы прошли путь от простых логов до сквозной трассировки, и я покажу, как это работает на фронтенде. TL;DR: В статье разбираем опыт внедрения OpenTelemetry в крупном финтех-проекте. Проблема: Логи без контекста не позволяют быстро найти причину 500-й ошибки в распределенной системе. Решение: Сквозная трассировка (Distributed Tracing) от фронтенда до бэкенда. Что внутри: Реализация CompositeLogger на TypeScript, патчинг fetch для сохранения контекста и примеры того, как превратить технические трейсы в карту бизнес-процесса. А именно - frontend реализация и практические детали интеграции.

https://habr.com/ru/articles/1017650/

#opentelemetry #observability #distributed_tracing #frontend_мониторинг #логирование #трассировка #react

Uptrace v2.0: как новый JSON-тип ClickHouse ускорил запросы по трейсам в 10 раз

Uptrace v2.0 использует новый JSON-тип ClickHouse для хранения observability-данных. Результат: запросы по трейсам ускорились в 10 раз. Делюсь практическим опытом внедрения: установка за 5 минут через Docker, настройка data transformations для обработки данных на лету, гибкие retention policies для экономии на хранении. В статье: Пошаговая инструкция от установки до production Примеры кода на Node.js с OpenTelemetry Кейсы настройки: снижение cardinality URL, парсинг данных, удаление PII Чеклист для продакшена Подходит для микросервисных архитектур на 5+ сервисов, где нужна скорость поиска по атрибутам трейсов. Читать про 10x ускорение

https://habr.com/ru/articles/957074/

#observability #clickhouse #tracing #микросервисы #мониторинг #opentelemetry #devops #distributed_tracing #производительность

Меньше данных, больше смысла: оптимизация мониторинга через сэмплирование

Современные ИТ-системы растут как на дрожжах: больше сервисов, сложнее архитектура, больше зависимости между компонентами. И вместе с этим растет наша потребность в данных — логах, трейсах, метриках, событиях. Ведь чтобы понять, что происходит внутри системы, и быстро устранять проблемы, нам нужно не просто собирать данные, но и строить между ними корреляции. Итог? Данных становится так много, что их объемы начинают работать против нас.

https://habr.com/ru/articles/861906/

#monitoring #distributed_tracing #sempling #infrastructure #infrastructure_management #apmмониторинг #observability #gmonit