Observability for Beginners: Logs, Metrics, Traces, and Everything Around Them

KẾT LUẬN

Observability không phải là ba công cụ riêng biệt mà là ba cách nhìn khác nhau vào cùng một luồng sự kiện (events) của hệ thống đang chạy. Hiểu đúng mối quan hệ giữa logs, metrics và traces — cùng các khái niệm nền tảng như cardinality, sampling và correlation — là chìa khóa để xây dựng hệ thống observable hiệu quả mà không bị quá tải chi phí.

LUẬN ĐIỂM CHÍNH

• Logs, metrics, traces là ba góc nhìn vào cùng một luồng sự kiện: log ghi từng sự kiện, metric tổng hợp nhiều sự kiện, trace liên kết sự kiện xuyên service
• Cardinality là khái niệm cốt lõi quyết định chi phí: logs có cardinality cao và tốn kém, metrics có cardinality thấp và hiệu quả, traces nằm ở giữa
• Ba pillar bổ trợ: metrics phát hiện (WHAT), traces khoanh vùng (WHERE), logs tìm nguyên nhân gốc rễ (WHY)
• Correlation qua trace ID/request ID là yếu tố then chốt để observability thực sự hiệu quả — không có nó, ba pillar chỉ là ba hệ thống rời rạc

LUẬN ĐIỂM PHỤ

• Sampling là kỹ thuật bắt buộc với traces do khối lượng dữ liệu khổng lồ trong hệ thống phân tán
• Structured logging (JSON) vượt trội hơn unstructured logging vì cho phép truy vấn và phân tích tự động
• Observability khác monitoring truyền thống ở khả năng khám phá unknown unknowns

LUẬN CỨ & VÍ DỤ

• Hình ảnh tổng quan minh họa Events → Logs/Metrics/Traces — tất cả bắt nguồn từ cùng một stream sự kiện
• Ví dụ cardinality: metric request_count chỉ vài giá trị/phút (rẻ), log chứa user ID, IP, payload gần như duy nhất mỗi dòng (đắt)
• Trace ID như sợi chỉ đỏ: request đi qua API Gateway → Auth → Order → Payment → DB — toàn bộ hành trình và timing được tái tạo

Nguồn: ByteByteGo | Phân tích bởi AI