الركائز الثلاث لقابلية الملاحظة: السجلات والمقاييس والتتبعات

تعتمد العديد من الهياكل والهيئات التنظيمية على ثلاثة ركائز أساسية لضمان النجاح. تركّز ممارسات المسؤولية المؤسسية على الاستدامة البيئية والاجتماعية والمالية لتوجيه ممارسات الأعمال.

تلجأ المؤسسات التي تسعى إلى تنفيذ التحوّل الرقمي إلى ثلاثة ركائز رئيسية — الأفراد، والعمليات، والتقنية — لتوجيهها خلال مرحلة التحول.يشجّع هذا الإطار صنّاع القرار على التركيز في الاحتفاظ بخبراء التكنولوجيا المبدعين والمتعاونين (الأفراد)، واعتماد ممارسات منظّمة ودقيقة في إدارة البيانات والأمن (العمليات)، والاعتماد على أدوات ومنصات متقدمة لدفع عجلة التقدّم.

أما الركائز الثلاث التي يستند إليها إطار عمل Scrum—وهو مجموعة من المبادئ والممارسات التي تمكّن من إدارة المشاريع بالأسلوب الرشيق (Agile)—فهي الشفافية، والتفحّص، والتكيّف. في كلٍ من هذه الحالات، تُعد الركائز متميّزة وأساسية، لكنها غير مكتملة بمفردها. لكل منها نطاقه وأولوياته الخاصة، لكن قوتها الحقيقية تكمن في كيفية تعاونها وتفاعلها لدعم الأهداف الكبرى. ولا تختلف قابلية الملاحظة عن ذلك.

في سياق تكنولوجيا المعلومات، عتمد قابلية الملاحظة على ثلاث ركائز من بيانات القياس عن بُعد — وهي: المقاييس، والسجلات، والتتبعات — لتسهيل تصور الشبكات الحاسوبية وفهمها. وتساعد هذه البيانات المطوّرين على فهم الحالة الداخلية للنظام من خلال مخرجاته الخارجية. عندما تكون الشبكة قابلة للملاحظة، يتمكن موظفو تكنولوجيا المعلومات من تحديد السبب الأساسي لأي مشكلة في الأداء من خلال تحليل البيانات التي تنتجها الشبكة، ودون الحاجة إلى اختبارات إضافية أو كتابة تعليمات برمجية جديدة.

تستخدم حلول قابلية الملاحظة بيانات الإخراج غير المُنسَّقة للنظام لإجراء تحليلات بيانات، مما يزوّد الفرق برؤية شاملة للشبكة من طرف إلى طرف ورؤى قابلة للتنفيذ تُمكّنهم من التشخيص الفعّال واستكشاف الأخطاء وإصلاحها.

تُسهِم البُنى القابلة للملاحظة في تمكين فرق الهندسة ومسؤولي الشبكات من إدارة تعقيد شبكات الحوسبة الحديثة. ويعني ذلك، في الوقت الحاضر، الحفاظ على شبكات حوسبة ضخمة وديناميكية للغاية، غالبًا ما تتضمن تكوينات السحابة الهجينة والسحابات المتعددة، إلى جانب مجموعة من التطبيقات السحابية الأصلية، والخدمات المُصغّرة، وحاويات Kubernetes.

توفّر أدوات قابلية الملاحظة—مثل الحل مفتوح المصدر OpenTelemetry—للمؤسسات رؤية شاملة وسياقية لحالة النظام. تساعد رؤية الواجهة الأمامية والخلفية للتطبيقات (Full Stack) الفرق على تحديد أنماط البيانات الشاذة واختناقات الأداء قبل أن تؤثر على المستخدمين النهائيين. على هذا النحو، يمكن أن تساعد قابلية الملاحظة الشركات على تقليل فترة التعطل والحفاظ على موثوقية الخدمة في حالات الاستخدام المختلفة.

وبغض النظر عن مدى تعقيد الشبكة، تعتمد قابلية الملاحظة على الأحداث وعلى ركائزها الثلاث الأساسية. تتيح هذه الركائز لمنصات قابلية الملاحظة جمع البيانات وتحليلها من تطبيقات الواجهة الأمامية، وخدمات الواجهة الخلفية، ومسارات CI/CD، وسلاسل بث البيانات العاملة ضمن الأنظمة الموزعة.

تتطلب قابلية الملاحظة جمع بيانات دقيقًا من كل مكوّن داخل الشبكة لتحديد "ما الذي حدث"، و"أين حدث"، و"لماذا حدث"، وتوضيح كيف يمكن أن تؤثر الأحداث على أداء البنية المعمارية بالكامل. لذلك، تُعد الأحداث أساس المراقبة والقياس عن بُعد.

فالأحداث هي وقائع محددة تحدث على الشبكة في لحظات معينة، وتنتج عنها بيانات مهمة تُستخدم في السجلات والمقاييس والتتبعات، مما يجعلها جزءًا لا يتجزأ من قابلية الملاحظة مثلها مثل الركائز الثلاث. وتوجد الأحداث دائمًا ضمن سياق أوسع.

فعلى سبيل المثال، عندما يطلب عميلٌ موارد من خادم مؤسسي، يوجه هذا العميل الطلب إلى نقطة نهاية واجهة برمجة التطبيقات المناسبة باستخدام عنوان URL الخاص بها. يتلقى الخادم الطلب، ويتحقق من بيانات الاعتماد (مثل مفتاح واجهة برمجة التطبيقات (API)) وأذونات العميل، وإذا كانت صالحة، يعالج الطلب وفقًا لمواصفات واجهة برمجة التطبيقات (API) (مثل التأكد من إرسال الرد بتنسيق صحيح). ثم يرسل الخادم رده إلى العميل بالبيانات المطلوبة.

تُطلق الأحداث إجراءات محددة في لحظات دقيقة. ولذلك تعتمد عليها أدوات قابلية الملاحظة لبدء عمليات التتبّع والتحليل والربط التي تساعد فرق عمليات التطوير على تصور بيئات تكنولوجيا المعلومات لديهم وتحسين شبكاتهم.

توفر المقاييس (Metrics) رؤى كمية حول أداء النظام من خلال قياس معلمات مختلفة على مستوى الشبكة. فهي تساعد الفرق على فهم “ما الذي يحدث” عند ظهور المشكلات. ومن أنواع المقاييس:

• مقاييس المضيف: استخدام الذاكرة والقرص ووحدة المعالجة المركزية
• مقاييس أداء الشبكة: مدة التشغيل، وزمن الانتقال، والإنتاجية
• مقاييس التطبيقات: أزمنة الاستجابة، ومعدلات الطلب، ومعدلات الأخطاء
• مقاييس مجموعة الخوادم: إجمالي المثيلات، وعدد المثيلات النشطة حاليًا
• مقاييس الاعتماديات الخارجية: مدى التوفّر، وحالة الخدمة

المقاييس الشائعة مثل استخدام الذاكرة وزمن الانتقال ترتبط بشكل بديهي بسلامة النظام، ولكن هناك العديد من مؤشرات الأداء الرئيسية (KPIs) الأخرى التي يمكن أن تكشف عن مشكلات خفية. فعلى سبيل المثال، قد يؤدي استنفاد مؤشرات نظام التشغيل (OS handles) إلى تراجع أداء النظام، وغالبًا ما يتطلب الأمر إعادة تشغيل لاستعادة وظائفه بالكامل.

وغالباً ما يتم تجميع المقاييس لتوفير عرض موجز يستخدم لوحة المعلومات وغيرها من التصورات (مثل الرسوم البيانية المتسلسلة زمنياً) لمساعدة المطورين على تقييم السلامة العامة للنظام بسرعة وتحليل اتجاهات البيانات والاستجابة لمشاكل الشبكة. كما تُسهم المقاييس في دعم اتخاذ قرارات مدروسة بشأن تخطيط السعة وتخصيص الموارد، مما يجعلها ضرورية لإدارة أحمال التشغيل بكفاءة.

ومن المهم أن تختار الفرق بعناية المقاييس التي ينبغي تتبُّعها، مع الاستمرار في تحليلها بانتظام، إذ يمكن لبعض المقاييس أن تساعد في استباق المشكلات قبل حدوثها.

ويمكن للفرق إعداد عتبات للمقاييس بحيث يؤدي تجاوزها إلى تشغيل تنبيهات تُخطِر فرق تكنولوجيا المعلومات بالمشكلات الحالية أو الوشيكة. كما تمكّن المقاييس أدوات قابلية الملاحظة من اكتشاف المشكلات التراكمية التي تتفاقم مع مرور الوقت — مثل تسرّب مؤشرات نظام التشغيل (OS handles) — والتي تبدأ تأثيراتها قبل أن تلاحظها فرق العمليات أو المستخدم النهائي.

ومع ذلك، فإن المقاييس تقدم رؤية كمية محدودة، وغالبًا ما تفتقر إلى السياق الكافي، لذا يجب ربطها بـالسجلات والتتبعات للحصول على صورة شاملة ودقيقة لما يجري داخل النظام. كما أن المقاييس عالية الدقة تُنتج كميات هائلة من بيانات القياس عن بُعد، ما يجعل تخزينها وإدارتها تحديًا تقنيًا. ولذلك، تتطلب أدوات قابلية الملاحظة حلول تخزين عالية الجودة وطويلة الأمد لضمان توفر بيانات المقاييس وتحليلها عند الحاجة.

أما السجلات (Logs)، فهي سجلات نصية غير قابلة للتغيير وموثّقة بدقة للأحداث المنفصلة التي تحدث داخل النظام. فهي تساعد الفرق على فهم "سبب" حدوث مشكلات النظام.

تُخزّن ملفات السجلات معلومات تفصيلية حول سلوك النظام وعمليات التطبيقات، بما في ذلك:

• أوقات الأحداث
• معرفات المعاملات
• عناوين IP ومعرفات المستخدمين
• تفاصيل الأحداث والعمليات
• رسائل الأخطاء
• محاولات الاتصال
• تغييرات التكوين

قد تكون سجلات الأحداث بصيغة ثنائية أو غير منظمة (مثل النصوص العادية) أو منظمة (مثل تنسيق JSON). وتُعد جميع أنواع ملفات السجلات مفيدة في السياق المناسب، إلا أن نهج التسجيل المنظم، الذي يُنظِّم النص والبيانات الوصفية لحظة إنشائها، يجعل من الأسهل تحليل البيانات ومعالجتها.

تجمع ميزات التسجيل في أدوات قابلية الملاحظة ملفات السجلات من أنظمة التشغيل، وأجهزة الشبكات، والتطبيقات الداخلية والخارجية، وأجهزة إنترنت الأشياء (IoT)، لمساعدة فرق التطوير على تشخيص الأخطاء وفهم أسباب الإخفاقات في النظام. وعند حدوث خطأ، أو اختراق أمني، أو خلل متعلق بالامتثال، توفّر السجلات التفاصيل اللازمة لتتبُّع السبب الأساسي وفهم ما حدث.

توفر السجلات رؤى قيّمة حول أحداث النظام ومشكلاته، ولكنها بمفردها لا تُعطي الصورة الكاملة. ومثلها مثل المقاييس، تحتاج أدوات قابلية الملاحظة إلى تحليل بيانات السجلات وربطها بالمقاييس والتتبعات لتعظيم فائدتها. كما أن السجلات، مثل المقاييس، تؤدي إلى زيادة كبيرة في حجم البيانات، مما يتطلب غالبًا الاستثمار في أدوات متقدمة لإدارة السجلات للتعامل مع عبء البيانات.

إضافة إلى ذلك، فإن التسجيل الشامل للأحداث قد يُخفي المعلومات المهمة وسط بيانات أقل صلة بالسياق، مما يخلق "ضوضاء" تصعّب من مهمة فرق تكنولوجيا المعلومات في تحديد المشكلات. لذا، تعتمد حلول قابلية الملاحظة الحديثة على مهام سير عمل مؤتمتة مدعومة بالذكاء الاصطناعي والتعلّم الآلي لتحسين آليات التنبيه والتمييز بين التنبيهات الحرجة والضوضاء.

التتبعات، التي تجمع بعض خصائص المقاييس والسجلات، تقوم برسم خريطة لتدفق البيانات عبر مكونات الشبكة لتوضيح سير الطلب. فهي تمثل الرحلة الشاملة من طرف إلى طرف التي يقطعها الطلب عبر الشبكة، وتُسجّل المسار والزمن الذي تستغرقه كل مكوِّنات النظام لمعالجة هذا الطلب. وباختصار، تساعد التتبعات مهندسي موثوقية الموقع (SREs) وفرق هندسة البرمجيات على فهم “أين” و“كيف” تحدث الأحداث والمشكلات داخل النظام.

قد تتضمن بيانات التتبّع ما يلي:

• مدة الأحداث والعمليات على الشبكة
• تدفق حزم البيانات عبر البنية
• ترتيب مرور الطلبات عبر خدمات الشبكة
• السبب الأساسي للأخطاء داخل النظام

ويُعد التتبّع الموزّع ذا قيمة خاصة في بُنى الخدمات المصغّرة، حيث يمكن أن تمر الطلبات عبر خدمات متعددة موزعة جغرافيًا قبل أن تصل إلى وجهتها. يوفّر هذا النوع من التتبّع رؤى عميقة حول الاعتماديات والتفاعلات بين المكوّنات والخدمات المختلفة، كما يساعد فرق تكنولوجيا المعلومات على فهم الزمن المستغرق لإتمام إجراءات معينة من قبل المستخدمين.

وتُعد ميزات التتبّع في أدوات قابلية الملاحظة ضرورية لإجراء تحليلات زمن الانتقال، والتي تساعد المهندسين في تحديد المكوّنات والخدمات التي تُؤثر سلبًا على الأداء وتُسبب اختناقات.

تُسهّل التتبعات عمليات تصحيح الأخطاء من خلال توضيح تدفقات الطلب والاستجابة والعلاقات السببية بين مكونات الشبكة. وخلال تحليل السبب الأساسي، تساعد التتبعات الفرق على تحديد مصدر المشكلات في الشبكة ضمن سير العمل المعقّد، مما يُسهم في تسريع الحل بدقة أعلى.

وعلى عكس المقاييس والسجلات، يمكن أن توفر التتبعات معلومات سياقية تُعزز الرؤى المستخلصة. ومع ذلك، لا تكشف التتبعات بمفردها عن الأنماط أو الاتجاهات في البيانات. كما أن إعداد التتبعات الموزعة يتطلب تطبيق أدوات القياس البرمجي عبر عمليات نشر الخدمات، ما يجعل العملية معقدة ومستهلكة للوقت. وإذا لم تتم إدارتها بالشكل الصحيح، يمكن أن تتسبب التتبعات — وما تتطلبه من قدرات حوسبية — في إضافة زمن انتقال إلى البيئة.

يتيح الجمع بين الأركان الثلاثة — المقاييس، والسجلات، والتتبعات — لفرق التطوير والعمليات الحصول على رؤية شاملة وفهم تفصيلي لسلوك الأنظمة المعقدة. فبينما تُستخدم المقاييس لتنبيه الفرق إلى وجود مشكلة، تُظهر التتبعات مسار تنفيذها، وتوفّر السجلات السياق اللازم لحلها.

معًا، تُسرّع هذه الأدوات من تحديد المشكلات وحلها، وتوفّر أدوات متكاملة لمعالجتها، وتحسين أداء الشبكة، وتمكين قابلية ملاحظة للواجهة الأمامية والخلفية للتطبيقات (Full Stack).

وعلى الرغم من أن المقاييس والسجلات والتتبعات تُعرف على نطاق واسع بأنها الأركان الأساسية لقابلية الملاحظة، إلا أن ذلك لا يعني عدم وجود مكونات أخرى تُعدّ أساسية أيضًا. فالبعض يرى أن السياق، والترابط، والتنبيهات تُعد كذلك من ركائز قابلية الملاحظة.

فالمعلومات السياقية تُضفي قيمة إضافية إلى المقاييس والسجلات والتتبعات، من خلال توفير معلومات إضافية عن بيئة الشبكة، مثل الطوبولوجيا، وأدوار الأجهزة، واعتماديات التطبيقات. فبدون السياق، تظل بيانات قابلية الملاحظة بلا معنى قابل للتنفيذ.

أما الترابط، فيربط بين المقاييس والسجلات والتتبعات والمعلومات السياقية لتقديم رؤية موحدة للأحداث عبر مختلف طبقات مجموعة الشبكة. ومن دون التنبيهات، لن تتمكن أدوات قابلية الملاحظة من إرسال الإشعارات الفورية عند حدوث المشكلات.

التحليل التوصيفي (Profiling) هو مكوّن ناشئ في قابلية الملاحظة.

يُعد التحليل التوصيفي (Profiling) — أو ما يُعرف باسم التوصيف المستمر (Continuous Profiling) — أحد المزايا الحديثة البارزة في أدوات قابلية الملاحظة. فعلى سبيل المثال، يمكن أن تُظهر ملفات التوصيف (Profiles) ما إذا كانت سلاسل Java في حالة تشغيل (RUNNING) أو انتظار (WAIT). وفي حال كانت هناك مشكلة تسرّب في الذاكرة (Memory Leak) داخل أحد التطبيقات، يمكن لهذه الملفات أن تُبيّن أي جزء من التعليمات البرمجية يستهلك الموارد بشكل مفرط.

لذا، فإن ملفات التوصيف تُعد بمثابة أداة فحص معمّق لما يحدث داخل المكونات الفردية للنظام.

ويُستخدم التحليل التوصيفي لتحديد المشكلات منخفضة المستوى، مثل تلك التي تؤثر على دوال أو تعليمات برمجية بعينها. فهو يساعد فرق تكنولوجيا المعلومات على تحديد مسارات التعليمات البرمجية المستخدمة، وتحديد المسارات غير المستخدمة وإزالتها، وتحديد أولويات المسارات الحساسة للأحداث والتفاعلات المستقبلية.

وعلى الرغم من أن التحليل التوصيفي لا يُعد من أركان قابلية الملاحظة الثلاثة، فإن قدراته تطوّرت بصورة كبيرة. وقد أسهمت مشاريع مثل Berkeley Packet Filter (eBPF) الموسع في نواة Linux في تبسيط تطوير أدوات التوصيف، مما مكّن فرق التطوير من تنفيذ آليات التوصيف بشكل أكثر كفاءة.

ويمكن لهذه الفرق استخدام التتبعات، وأخذ العينات، وملفات التوصيف المبنية على القياس، للحصول على رؤى أكثر دقة وتفصيلًا حول التعليمات البرمحية للتطبيقات. وعند دمجه مع الأركان الأخرى لقابلية الملاحظة، يمكن للتحليل التوصيفي أن يوفّر رؤى فورية حول أداء التطبيقات، ويُسرّع دورة حياة تطوير البرمجيات (SDLC)، ويساعد المؤسسات على تحسين استراتيجيات عمليات التطوير.