Apa itu telemetri?

Telemetri memainkan peran penting dalam berbagai industri, termasuk kesehatan, kedirgantaraan, otomotif, dan teknologi informasi (TI), memberikan insight berharga kepada organisasi tentang kinerja sistem, perilaku pengguna, keamanan, dan efisiensi operasional. Dalam industri yang mengandalkan aset fisik, seperti pertanian, utilitas, dan transportasi, organisasi menggunakan telemetri untuk menangkap pengukuran seperti suhu, tekanan udara, gerakan, dan cahaya. Dalam perawatan kesehatan, sistem telemetri dapat melacak detak jantung, tekanan darah, dan kadar oksigen.

Dalam kedua kasus, instrumen fisik dan sensor mengumpulkan data dunia nyata dan mengirimkannya ke repositori pusat. Data sering kali ditransmisikan menggunakan protokol komunikasi khusus seperti Modbus, PROFINET, OPC Unified Architecture atau EtherNet/IP untuk analisis lebih lanjut.

Namun, sensor fisik tidak dirancang untuk menangkap indikator kinerja digital seperti tingkat kesalahan, penggunaan memori, waktu respons, waktu aktif, dan latensi. Sebaliknya, tim TI mengandalkan instrumentasi perangkat, sering kali melalui agen berbasis perangkat lunak, sensor digital yang diprogram untuk memantau dan mengumpulkan data sistem yang relevan secara mandiri. Data ini sering disusun sebagai metrik, peristiwa, log dan jejak (MELT), dengan masing-masing menangkap pandangan yang berbeda ke dalam perilaku sistem, alur kerja operasional, dan jadwal kinerja.

Batas antara sistem telemetri fisik dan digital mulai kabur, terutama ketika perusahaan semakin mengadopsi strategi transformasi digital, yang bertujuan untuk menanamkan teknologi digital ke dalam semua area bisnis.

Sebagai contoh, industri fisik tradisional seperti manufaktur dapat menggunakan sensor untuk mencatat konsumsi energi, kontrol kualitas, dan kondisi lingkungan. Pada saat yang sama, perusahaan mungkin mengandalkan agen perangkat lunak untuk pelacakan aset tingkat lanjut, pemeliharaan preventif, dan pemantauan aliran produksi. Oleh karena itu, artikel ini berfokus pada telemetri TI dan perannya yang semakin meluas dalam lingkungan perusahaan modern.

Pada intinya, telemetri TI melibatkan lima langkah utama:

1. Mengumpulkan metrik, peristiwa, log, dan jejak dari sumber jarak jauh yang berbeda dengan sensor atau agen perangkat lunak
   
   
2. Mengirimkan data tersebut ke repositori pusat atau router melalui wifi, satelit, radio atau media komunikasi lainnya
   
   
3. Mengolah dan mengatur data yang masuk agar dapat dengan mudah ditanyakan
   
   
4. Memelihara data dengan penyimpanan solusi seperti Time Series Database, gudang data, atau danau data
   
   
5. Menganalisis, menafsirkan, dan memvisualisasikan data untuk membuat keputusan bisnis dengan informasi yang lebih baik, sering kali dengan bantuan platform pengamatan

Strategi telemetri yang efektif membantu organisasi mencapai full stack observability, atau kemampuan untuk memahami keadaan internal tumpukan teknologi dari ujung ke ujung berdasarkan output eksternalnya.

Telemetri juga merupakan komponen utama dari Internet of Things (IoT), sebuah kerangka kerja yang melengkapi perangkat dengan sensor canggih, perangkat lunak dan konektivitas jaringan, memungkinkan mereka untuk berkomunikasi dan bertukar data di seluruh sistem.

Sistem telemetri bervariasi berdasarkan industri dan kompleksitas sistem. Platform tradisional menggunakan alat perekam, yang secara historis disebut telemeter, untuk mengumpulkan data pada atau di dekat peralatan. Informasi ini diproses, dimodifikasi dan terkadang dikonversi dari analog ke digital, dalam proses yang disebut pengkondisian sinyal.

Selanjutnya, multiplexer menggabungkan beberapa aliran data menjadi sinyal komposit, yang membantu perjalanan data lebih efisien. Sinyal gabungan ini kemudian ditransmisikan ke stasiun penerima jarak jauh melalui radio, satelit, atau bentuk komunikasi lainnya. Akhirnya, demultiplexer mengurai sinyal dan memecahnya menjadi untaian yang berbeda untuk mempersiapkannya untuk analisis.

Telemetri bekerja secara berbeda di lingkungan TI modern. Alih-alih mengandalkan sensor fisik, sistem yang berfokus pada TI menggunakan agen perangkat lunak—program ringan yang berjalan bersama layanan dan aplikasi untuk menangkap metrik yang relevan. Di lingkungan Kubernetes, agen ini sering beroperasi dalam kontainer terpisah dalam klaster yang sama dengan layanan yang mereka pantau. Konfigurasi lain mungkin menggunakan kit pengembangan perangkat lunak (SDK) untuk menyematkan agen dalam aplikasi itu sendiri—atau menggunakan API khusus untuk memfasilitasi transfer data.

Setelah pengumpulan, data dibawa melalui pipa telemetri, yang dapat menstandarisasi data, menyaring kebisingan, menambahkan metadata (seperti tag lingkungan dan geolokasi), dan menutupi informasi sensitif untuk menjaga kepatuhan. Data yang telah disempurnakan ini kemudian distandardisasi dengan format seperti JSON atau OpenTelemetry Protocol (OTLP).

Berikutnya, data tersebut secara cerdas dirutekan ke satu atau lebih backend (komponen sisi server dari suatu sistem perangkat lunak—server, basis data, dan logika aplikasi, misalnya) melalui gRPC, HTTP, atau protokol transportasi lainnya. Backend bertanggung jawab untuk menyimpan data ini, menganalisis dan menafsirkannya dan menyajikannya dalam bentuk dasbor, peringatan, rekomendasi, dan banyak lagi.

Satu sistem telemetri dapat digunakan untuk mengelola seluruh alur kerja, mulai dari pengumpulan hingga analisis. Namun, terkadang, terutama di lingkungan multicloud dan hibrida modern, organisasi mungkin menggunakan beberapa sistem telemetri khusus untuk mengelola berbagai bagian dari pipa pengamatan.

Dalam TI, jenis telemetri yang paling umum adalah metrik, peristiwa, log dan jejak, sering disebut secara kolektif sebagai data “MELT”. Organisasi dapat menggunakan platform pengamatan untuk menggabungkan dan menganalisis metrik ini, membentuk gambaran lengkap tentang keamanan platform, perilaku pengguna, efisiensi sistem, dan banyak lagi.

Metrik adalah pengukuran numerik yang menunjukkan kesehatan atau kinerja sistem. Contohnya termasuk tingkat permintaan, throughput jaringan, waktu respons aplikasi, rasio konversi pengguna, dan penggunaan CPU.

Peristiwa adalah kejadian berbeda yang terjadi di dalam sistem. Mereka sering menyertakan stempel waktu yang menunjukkan kapan suatu acara dimulai dan kapan berakhir. Contohnya termasuk notifikasi peringatan, upaya login pengguna, gangguan layanan, kegagalan pembayaran, dan perubahan konfigurasi.

Log menyediakan catatan dan kronologi perilaku sistem yang berkelanjutan, tidak seperti peristiwa, yang hanya menandai insiden tertentu. Contohnya termasuk restart, kueri database, riwayat akses file dan langkah-langkah eksekusi kode. Log sering digunakan untuk memecahkan masalah dan men-debug kesalahan, membantu tim TI menentukan dengan tepat saat kegagalan terjadi.

Jejak mencerminkan aliran ujung ke ujung dari permintaan atau transaksi pengguna tertentu melalui lingkungan terdistribusi atau layanan mikro, dengan stempel waktu untuk setiap langkah. Contohnya termasuk panggilan API dan HTTP, kueri database, dan checkout e-commerce. Jejak dapat mengidentifikasi hambatan dan memberikan insight tentang pengalaman pengguna secara keseluruhan.

Sementara MELT menunjukkan luasnya data telemetri yang tersedia bagi perusahaan, ada tipe data tambahan yang berada di luar kerangka kerja ini tetapi tetap memainkan peran penting dalam observabilitas. Batasan antara jenis telemetri tidak selalu jelas, dan bisa saja terjadi persilangan. Misalnya, latensi dapat dianggap sebagai metrik dan titik data telemetri jaringan. Jenis data telemetri lainnya meliputi: 

• Telemetri lokasi menggunakan sensor atau penerima GPS untuk melacak lokasi geografis seseorang atau objek. Aplikasi ini mencakup manajemen armada transportasi, layanan darurat, pelacakan satwa liar, dan keselamatan pekerja.
  
  
• Telemetri jaringan memberikan insight waktu nyata tentang lalu lintas jaringan, keamanan, dan kinerja dengan melacak penggunaan bandwidth, tingkat kehilangan paket, kinerja API, dan data protokol manajemen jaringan sederhana (SNMP) (informasi yang terkait dengan modem, router, server, dan perangkat lain yang terhubung).
  
  
• Telemetri keamanan mengidentifikasi perilaku dan kerentanan yang mencurigakan dengan memeriksa log autentikasi, log firewall, kueri DNS, peringatan deteksi penyusupan, serta data deteksi dan respons titik akhir (EDR).
  
  
• Telemetri pengguna melacak pola penggunaan aplikasi, log kesalahan, durasi sesi, permintaan pencarian, dan jenis perilaku pengguna lainnya. Data ini digunakan untuk mengoptimalkan aplikasi dan layanan, memahami tren klien, dan memelihara jaringan yang aman.
  
  
• Telemetri profil menunjukkan bagaimana perangkat lunak dan aplikasi menggunakan CPU, memori, dan sumber daya komputer lainnya dari waktu ke waktu. Ini menawarkan data kinerja halus yang dapat membantu pengembang memahami sumber perlambatan serta bagian mana dari basis kode yang paling banyak digunakan.
  
  
• Telemetri cloud mengumpulkan data kinerja, pelacakan biaya, dan penggunaan layanan cloud. Data ini dapat mencakup aktivitas penyimpanan, perubahan konfigurasi, peristiwa identitas dan akses, serta keputusan perutean.
  
  
• Telemetri AI dapat melacak kinerja model selama pelatihan dan produksi. Metrik utama mencakup penyimpangan model (melacak bagaimana model machine learning kehilangan koherensi dan akurasi dari waktu ke waktu), skor kepercayaan (menentukan seberapa yakin model dalam prediksinya) dan latensi inferensi (waktu yang diperlukan model untuk merespons kueri). Metrik ini dapat membantu pengembang meningkatkan keandalan, keadilan, dan kinerja model.

Telemetri adalah proses pengumpulan dan pengiriman berbagai jenis data dari sistem dan komponen yang terdistribusi. Ini adalah fondasi dari kemampuan visibilitas organisasi, yang menawarkan insight tentang bagaimana setiap komponen berperilaku dan berkinerja. Perusahaan pada akhirnya mengandalkan telemetri untuk mendukung sistem pemantauan dan observabilitas mereka.

Pemantauan mengacu pada bagaimana organisasi memanfaatkan data telemetri yang telah mereka kumpulkan. Misalnya, sistem pemantauan telemetri mungkin menggunakan dasbor untuk membantu tim DevOps memvisualisasikan kinerja sistem. Otomatisasi peringatan, sementara itu, dapat mengirimkan pemberitahuan setiap kali terjadi peristiwa penting, seperti pemadaman jaringan atau pelanggaran data.

Pengamatan melibatkan interpretasi data operasional dan memahami bagaimana aliran data yang berbeda berkorelasi dengan kesehatan dan kinerja sistem. Pengamatan tidak hanya menganalisis data saat ini tetapi juga menemukan tren yang lebih besar, menggunakannya untuk menginformasikan dan mengoptimalkan pengambilan keputusan perusahaan dan penggunaan sumber daya. Platform pengamatan modern sering kali menyertakan fungsi telemetri dan pemantauan bawaan. Observabilitas juga memainkan peran penting dalam mendukung teknologi yang muncul, termasuk AI agen dan platform AI generatif.

Kerangka kerja sumber terbuka yang disebut OpenTelemetry (OTel) adalah salah satu platform telemetri paling populer, dihargai karena fleksibilitasnya (desain modularnya mendorong penyesuaian), keterjangkauan (komponen intinya tersedia tanpa biaya), dan kompatibilitas (kompatibel dengan beberapa vendor dan pemrograman bahasa). OTel tidak menangani penyimpanan atau visualisasi telemetri. Sebaliknya, ia menyediakan satu set standar SDK, API, dan alat lain yang diarahkan untuk pengumpulan dan transmisi data.

Hampir setengah dari organisasi TI menggunakan OTel, sementara 25% tambahan berencana untuk mengimplementasikan kerangka kerja di masa depan, menurut laporan tahun 2025 dari perusahaan AI Elastic. Organisasi dengan sistem observabilitas yang matang lebih cenderung menggunakan OTel, dibandingkan dengan perusahaan dengan alur kerja observabilitas yang kurang berkembang. IBM Instana, Datadog, Grafana, New Relic, Dynatrace dan Splunk masing-masing memiliki fitur OTel yang kuat.

Kerangka kerja sumber terbuka alternatif yang disebut Prometheus memiliki beberapa kesamaan dengan OTel. Cloud Native Computing Foundation (CNCF), yang merupakan anak perusahaan dari organisasi nirlaba Linux Foundation, menjadi tuan rumah bagi kedua solusi tersebut. Tidak seperti OTel, Prometheus memiliki beberapa kemampuan penyimpanan data dan visualisasi data. Tetapi cakupannya sedikit lebih sempit: Sementara OTel dapat mengumpulkan berbagai jenis data telemetri, Prometheus bekerja secara eksklusif dengan metrik.

Normalisasi telemetri adalah proses mengubah metrik menjadi format standar sehingga alat analitik dapat menyimpan, membaca, dan menafsirkannya. Ada dua pendekatan utama:

Dalam pendekatan pemrosesan data ini, semua data harus cocok dengan format yang telah ditentukan sebelumnya sebelum dapat disimpan dan diambil. Meskipun schema-on-write sangat andal, namun bisa jadi sulit untuk diimplementasikan dalam arsitektur TI modern, yang melibatkan banyak sistem, masing-masing dengan format dan proses pengarsipan yang berbeda.

Schema-on-write umumnya digunakan dalam repositori data terpusat yang disebut gudang data. Solusi penyimpanan ini dapat menyimpan data telemetri dalam jumlah yang sangat besar, tetapi hanya jika data tersebut terstruktur dan diatur dalam format yang telah ditentukan sebelumnya. Gudang data bisa mahal untuk diskalakan dan dipelihara tetapi ideal untuk intelijen bisnis, analisis data, dan alur kerja lainnya di mana konsistensi dan keandalan adalah prioritas utama.

Pendekatan ini mengumpulkan data dalam format aslinya dan mengubahnya hanya saat pengguna mengambilnya. Meskipun lebih rumit secara operasional, skema saat dibaca dapat menangani data di berbagai format, membuatnya lebih fleksibel daripada schema-on-write.

Schema-on-read umum terjadi pada danau data, yang seperti gudang data, tetapi dapat menyimpan dan mengelola data semi terstruktur dan data mentah tak terstruktur di samping data terstruktur. Danau data dihargai karena efisiensi biaya dan ketangkasannya, yang membuatnya sangat ideal untuk alat analisis bertenaga machine learning. Namun tanpa tata kelola yang solid, hal itu akan sulit dikelola, yang menyebabkan data tidak terverifikasi atau tidak konsisten.

Alternatif yang muncul yang disebut data lakehouse bertujuan untuk menggabungkan elemen terbaik dari danau data dan gudang data. Kerangka kerja ini mendukung schema-on-read untuk data yang tidak terstruktur, dan pada saat yang sama memungkinkan schema-on-write untuk data yang terstruktur. Pendekatan hibrida ini membantu organisasi mempertahankan konsistensi dan akurasi sekaligus mendapatkan manfaat dari fleksibilitas dan ketangkasan data lake.

Data telemetri mungkin sulit untuk dikumpulkan, dipelihara, dan disimpan, terutama dalam pengaturan hibrida dan multicloud modern. Tantangan umum meliputi:

Telemetri memberdayakan organisasi untuk mengubah data menjadi insight yang dapat ditindaklanjuti yang dapat digunakan untuk meningkatkan kinerja, efisiensi alur kerja, penganggaran, pengalaman pelanggan, dan banyak lagi.