Pengenalan Observability

Apa itu Observability

• Kemampuan memahami state internal sistem dari output eksternal
• Lebih luas dari sekadar monitoring
• Terdiri dari tiga pilar utama

Tiga Pilar Observability

Metrics

• Data numerik yang diukur dari waktu ke waktu
• Contoh: CPU usage, memory usage, request latency, error rate
• Biasanya dikumpulkan dalam interval reguler
• Tools: Prometheus, Datadog, CloudWatch

Logs

• Catatan kejadian atau event dalam sistem
• Berisi timestamp dan detail kontekstual
• Contoh: request log, error log, audit log
• Tools: ELK Stack, Loki, Splunk

Traces

• Melacak journey satu request melalui berbagai service
• Berguna untuk sistem microservices
• Menunjukkan latency di setiap hop
• Tools: Jaeger, Zipkin, OpenTelemetry

Monitoring vs Observability

Monitoring

• Menjawab pertanyaan yang sudah diketahui
• Contoh: "Apakah CPU di atas 80%?"
• Dashboard dengan metric predefined
• Alerting berbasis threshold

Observability

• Menjawab pertanyaan yang belum diketahui
• Contoh: "Mengapa request ini lambat?"
• Eksplorasi data secara ad-hoc
• Root cause analysis

Sinyal Emas (Golden Signals)

Dari Google SRE Book, empat metric kritis untuk setiap service:

Latency

• Waktu untuk memproses request
• Bedakan latency sukses dan error
• Percentile lebih penting daripada average

Traffic

• Jumlah request per satuan waktu
• Indikator beban sistem
• Contoh: requests per second (RPS)

Errors

• Rate request yang gagal
• HTTP 5xx, 4xx, exception, timeout
• Dihitung sebagai rasio dari total traffic

Saturation

• Seberapa penuh resource sistem
• CPU, memory, disk, connection pool
• Threshold biasanya 80% untuk warning

Instrumentasi

White-box Monitoring

• Instrumentasi dari dalam aplikasi
• Application metrics, custom business metrics
• Lebih detail dan kontekstual

Black-box Monitoring

• Monitoring dari luar aplikasi
• Synthetic monitoring, uptime checks
• Mewakili perspektif pengguna

SLA, SLO, dan SLI

SLI (Service Level Indicator)

• Metric yang diukur (misal: availability, latency)

SLO (Service Level Objective)

• Target yang ingin dicapai (misal: latency < 200ms untuk 99% request)

SLA (Service Level Agreement)

• Kontrak dengan konsekuensi jika SLO tidak tercapai
• Biasanya melibatkan timbangan kompensasi

Error Budget

• Jumlah error yang diperbolehkan dalam periode tertentu
• Contoh: SLO 99.9% availability = error budget 0.1%
• Jika error budget habis, freeze deploy baru
• Menyeimbangkan kecepatan deploy dan reliability

Tools Populer

Open Source

• Prometheus + Grafana (metrics)
• ELK / Loki (logs)
• Jaeger / Zipkin (tracing)
• OpenTelemetry (unified instrumentation)

Cloud Native

• Datadog
• New Relic
• Dynatrace
• AWS CloudWatch
• Google Cloud Monitoring