Ingeniería de observabilidad

Para desarrolladores, SRE, equipos de plataforma y arquitectos que operan software en producción y quieren saber qué pasa dentro de él.

Y para CTO y líderes técnicos que deciden cuánto invertir en telemetría, qué herramientas adoptar y cómo mover la cultura.

Habilidades:

Instrumentación, OpenTelemetry, SLO, muestreo, análisis con IA

Nivel: Intermedio

Requisitos:

Experiencia escribiendo u operando software en producción.

Charity Majors es cofundadora y CTO de Honeycomb.io y fue pionera del concepto de observabilidad moderna, a partir de años construyendo y operando sistemas distribuidos masivos en Parse (adquirida por Facebook), Facebook y Linden Lab, la casa de Second Life. También es coautora de Database Reliability Engineering (O'Reilly, 2017). Ama los datos y las operaciones; odia las caídas del servicio.

Liz Fong-Jones es ingeniera de confiabilidad de sitios (SRE) con más de dos décadas de experiencia, además de defensora de desarrolladores y organizadora laboral y de ética. Hoy es Technical Fellow en Honeycomb; antes fue SRE en Google, en productos que van del Google Cloud Load Balancer a Google Flights.

George Miranda es vicepresidente de marketing en InsightFinder AI. Su trayectoria en herramientas para desarrolladores pasa por Honeycomb, PagerDuty y Chef Software, y antes dedicó más de 15 años a construir sistemas distribuidos a gran escala en las industrias financiera y de los videojuegos. Ingeniero convertido en estratega y escritor, disfruta explicar soluciones detalladas a problemas muy complejos.

Completa el equipo Austin Parker, director de estrategia de IA en Honeycomb, cofundador del proyecto OpenTelemetry y miembro de su comité de gobernanza, y autor de Learning OpenTelemetry (O'Reilly, 2024).

Parte I. Introducción a la observabilidad

Capítulo 1. ¿Qué es la observabilidad?

• Los orígenes de la observabilidad
• Aplicación de la observabilidad a sistemas de software
• ¿Qué tan observable es tu software?
• Dos modelos en competencia para la telemetría: tres pilares frente a datos unificados
• La observabilidad es la validación de la intención del desarrollador
• La incursión agéntica apenas comienza
• Los guardrails están viviendo su momento

Capítulo 2. Cómo cruza el código: validación de la intención del desarrollador en producción

• ¿Qué hace que el software sea bueno?
• El horizonte de mantenimiento: código desechable frente a código duradero
• El código con calidad de producción es una función de la confiabilidad
• Del desarrollo a la producción: herramientas para cruzar
• La observabilidad es el bucle de retroalimentación de los bucles de retroalimentación
• El trabajo de desarrollo no termina hasta que funciona en producción

Capítulo 3. Los orígenes de la observabilidad en el software

• Una introducción de Charity
• El modelo dominante de «observabilidad» es solo monitoreo rebautizado
• Perdimos la batalla por definir la observabilidad
• Producción se ha vuelto demasiado compleja como para depurarla mediante la intuición
• La experiencia en Facebook que nos mostró lo que era posible
• La definición de la teoría de control hizo que todo encajara
• El panorama moderno de la observabilidad es confuso y continúa expandiéndose
• Los costos impulsan la necesidad de cambiar, y la IA facilita ese cambio
• Destilación de las lecciones que importan

Parte II. Fundamentos de instrumentación

Capítulo 4. Primeros pasos con la instrumentación

• Fundamentos de la instrumentación
• El vocabulario de la telemetría: logs, métricas y trazas
• OpenTelemetry: el lenguaje universal para la observabilidad
• Instrumentación automática frente a instrumentación personalizada
• Responsabilidad de la instrumentación
• Creación de una estrategia de instrumentación personalizada
• Consideraciones de costos, gestión del volumen y procesamiento

Capítulo 5. Los eventos estructurados son los bloques fundamentales de la observabilidad

• ¿Qué es un evento estructurado?
• Las limitaciones de las métricas
• El funcionamiento interno de los logs
• El funcionamiento interno de las trazas distribuidas
• Conversión de logs en trazas distribuidas
• Generación dinámica de las vistas adecuadas del sistema

Capítulo 6. Cómo hacer que los eventos estructurados sean arbitrariamente anchos

• Contexto del servicio y del código
• Flujo de solicitudes y ejecución
• Contexto de usuario y de negocio
• Información operativa
• Atributos importantes para tu aplicación específica

Capítulo 7. Instrumentación de tu código con OpenTelemetry

• Qué significa usar OpenTelemetry
• Instrumentación eficaz con OpenTelemetry
• Uso de agentes de IA para instrumentar tu código

Parte III. Flujos de trabajo de análisis

Capítulo 8. Primeros pasos con el análisis de observabilidad

• Depuración a partir de condiciones conocidas
• Depuración a partir de primeros principios
• Automatización del análisis con IA generativa

Capítulo 9. Desarrollo guiado por observabilidad

• Desarrollo guiado por pruebas
• La observabilidad en el ciclo de desarrollo
• Cómo determinar dónde depurar
• La depuración en la era de los microservicios
• Cómo la instrumentación impulsa la observabilidad moderna
• Desplazar la observabilidad a la izquierda
• Uso de la observabilidad para acelerar la entrega de software
• Desarrollo guiado por observabilidad con IA

Capítulo 10. El papel de los agentes de IA en la observabilidad

• ¿Qué es un agente de IA para observabilidad?
• Los peligros de consultar sin contexto
• Casos de uso comprobados para agentes de observabilidad
• Casos de uso adyacentes a la observabilidad para agentes
• El problema de producción: el modelo mental que está desapareciendo
• La necesidad de contexto

Capítulo 11. Uso de objetivos de nivel de servicio para la confiabilidad

• Las alertas basadas en umbrales generan fatiga de alertas
• Las alertas por umbrales son solo para incógnitas conocidas
• La experiencia del usuario es una estrella polar
• Alertas confiables con objetivos de nivel de servicio
• Estudio de caso: cambio cultural hacia alertas basadas en SLO
• Aceleración de la adopción de SLO con IA generativa

Parte IV. Inmersiones técnicas en observabilidad

Capítulo 12. Actuación y depuración de alertas basadas en SLO

• Alertar antes de que se agote tu presupuesto de error
• El tiempo concebido como una ventana deslizante
• Pronósticos para crear una alerta predictiva de consumo
• Uso de datos de eventos estructurados para los SLO frente a datos de series temporales

Capítulo 13. Almacenamiento eficiente de datos con Retriever

• Los requisitos funcionales de la observabilidad
• Estudio de caso: la implementación de Retriever
• Notas sobre cómo construir tu propio almacén de datos eficiente

Capítulo 14. Almacenamiento eficiente de datos con ClickHouse

• Conceptos fundamentales de ClickHouse
• Recopilación de datos
• Consulta de datos
• Escalamiento vertical
• Escalamiento horizontal
• Visualización de tus datos
• Uso de ClickHouse para cargas de trabajo de observabilidad

Capítulo 15. Muestreo económico y lo suficientemente preciso

• Muestreo para refinar la recopilación de datos
• Uso de diferentes enfoques de muestreo
• Traducir estrategias de muestreo a código

Capítulo 16. Gestión de telemetría con pipelines

• Introducción a los pipelines de telemetría
• Funciones principales de un pipeline de telemetría moderno
• Arquitectura de pipelines en la práctica
• Adopción y migración
• Casos de uso: recolección y reducción combinadas
• Caso de negocio
• El rol de los pipelines de telemetría

Capítulo 17. Ontologías como lenguaje compartido para humanos e IA

• Las ontologías y su rol en la observabilidad
• Diseñar la ontología
• Validar el contrato: integración continua
• Crear paridad de señales en producción: despliegue continuo
• Implementar la arquitectura de sándwich de IA
• Cerrar el ciclo: la producción impulsando las pruebas

Parte V. Casos de uso de la observabilidad

Capítulo 18. Observabilidad para pipelines de CI/CD

• Por qué es importante un CI/CD confiable y rápido
• La observabilidad de las compilaciones tiene el mejor ROI de todas las aplicaciones de observabilidad
• CI/CD bajo la perspectiva de la observabilidad
• Implementar mejoras y medirlas
• Caso de estudio: la importancia de tiempos de compilación rápidos en Honeycomb

Capítulo 19. Observabilidad para mobile y frontend

• El statu quo en mobile y frontend
• Limitaciones de instrumentación
• Superar los desafíos del dominio
• Aplicar almacenamiento local y control en tiempo real a la observabilidad móvil
• Qué observar y por qué
• Oportunidades de mejora
• Aplicar la observabilidad centrada en el usuario
• Las aplicaciones mobile y frontend merecen observabilidad

Capítulo 20. Ingeniería de rendimiento con observabilidad

• Los argumentos a favor de la ingeniería de rendimiento
• Construir una práctica de ingeniería de rendimiento
• Optimizar costos sin modificar el código de la aplicación
• Cómo la observabilidad de aplicaciones reduce costos

Capítulo 21. Observabilidad para modelos de lenguaje grandes

• Por qué la observabilidad es importante para los LLM
• Uso de evaluaciones para la confiabilidad de los LLM
• Diseñar telemetría para aplicaciones con LLM
• Analizar telemetría para aplicaciones de IA
• Alimentar el desarrollo de aplicaciones de IA con datos de observabilidad
• Usar evaluaciones y observabilidad en conjunto

Capítulo 22. Caso de estudio de Fin en la ingeniería moderna

• Aumentar la tasa de resolución
• Acelerar sin perder eficiencia
• Y así nació el «tiempo hasta el primer token»
• Acelerar a Fin
• Finanzas entra al chat
• Empatía

Parte VI. Gobernanza de la observabilidad

Capítulo 23. La velocidad de aprendizaje organizacional es ahora su mayor restricción: carta abierta a los CTO

• Carta abierta a los CTO
• Las deudas sociotécnicas que lo frenarán
• Estas deudas sabotearán su adopción de la IA
• Virar el rumbo del barco
• Carta de un CTO: cómo Fin Engineering optimiza para el aprendizaje

Capítulo 24. Pensamiento sistémico para la entrega de software

• Sistemas sociotécnicos
• Cómo los bucles de retroalimentación impulsan el cambio
• Bucles de retroalimentación en los sistemas de entrega de software
• Puntos de apalancamiento en sistemas sociotécnicos

Capítulo 25. El panorama de la observabilidad bajo una perspectiva sistémica

• El panorama parece ruidoso porque las etiquetas son ruidosas
• Los bucles que ejecutan la mayoría de las organizaciones en la actualidad (y lo que falta)
• El bucle de retroalimentación para la creación de valor
• Dos modelos de observabilidad, dos bucles de retroalimentación
• La IA cambia el juego y abre nuevos modelos de interacción
• Ambos bucles de retroalimentación importan: lidere con el adecuado
• Alinearse con los resultados que busca alcanzar

Capítulo 26. El caso de negocio de la observabilidad

• Identificar sus prioridades
• El caso de negocio de los bucles operativos
• El caso de negocio de los bucles de aprendizaje de desarrolladores
• ¿Inversión estratégica u optimización del centro de costos?
• La observabilidad como inversión organizacional

Capítulo 27. Diagnosticar su inversión en observabilidad

• No pague precios de observabilidad por resultados de monitoreo
• Cómo saber si su inversión está funcionando (o no)
• Consejos para las inversiones en observabilidad

Capítulo 28. El cambio organizacional

• Reconocer los sistemas heredados disfrazados de observabilidad moderna
• Comprender la resistencia
• Construir la coalición
• Asegurar el mandato
• La hoja de ruta
• Formar el equipo

Capítulo 29. Construir versus comprar (versus código abierto)

• ¿Qué odia más: su dinero o su tiempo?
• Hacer evidentes nuestros sesgos
• La observabilidad no es como cualquier otro software
• Un marco simple para evaluar «construir versus comprar»
• ¿Y qué hay del código abierto?
• Un marco de trabajo que incluye código abierto
• Los costos reales de construir una solución propia
• Los costos reales de comprar software
• Construir frente a comprar no es una decisión binaria
• Salvedades importantes

Capítulo 30. El arte y la ciencia de las alianzas con proveedores

• ¿Comprar software siquiera cuenta como ingeniería?
• Qué saber antes de empezar
• Mapear a las partes interesadas
• Confianza y credibilidad con las partes interesadas internas
• Confianza y reciprocidad con las partes interesadas externas
• Consideraciones en las etapas iniciales
• Diseñar y ejecutar una prueba de concepto significativa
• Migración y seguimiento

Capítulo 31. Instrumentación para equipos de observabilidad

• Qué necesitan saber los equipos de observabilidad
• Herramientas, migraciones y caminos pavimentados
• Instrumentación en entornos de alta seguridad

Capítulo 32. ¿Hacia dónde vamos ahora?

• Los desarrolladores deben volver a producción
• El cambiante modelo de costos del software
• Las partes más importantes de nuestro sistema nunca han sido especificadas
• La gran desagregación
• El costo humano del cambio comprimido
• La afirmación: «La IA no tiene precedentes»
• Este momento tiene muchos precedentes
• Los administradores de sistemas ya pasaron por esto
• Del código de software a los sistemas de software
• El valor debe estar respaldado por la durabilidad
• Las herramientas para construir sistemas duraderos llegarán

¿Necesito experiencia previa en observabilidad? No. La Parte I arranca desde cero: qué es, qué hace bueno al software y qué experiencia buscas para tu usuario.

¿Hay que leerlo de corrido? No. Cada parte apunta a un perfil distinto: lee la Parte I y salta a la que te toca.

Escribo código a diario, ¿por dónde empiezo? Por las Partes II y III: los fundamentos técnicos que, según los autores, todo ingeniero de software debería dominar.

¿Y si me toca decidir presupuesto o estrategia? Ve directo a la Parte VI, escrita para quienes toman decisiones técnicas en la organización.

¿Es publicidad disfrazada de Honeycomb? No. Sus autores trabajan o trabajaron ahí, pero aclaran que los conceptos aplican con cualquier herramienta.

¿Tengo que dominar OpenTelemetry? No. Te lo presenta desde lo básico y te lleva hasta instrumentar tu propio código con él.

¿Trae código o es pura teoría? Las dos cosas: explica los principios y los traduce a código, como en las estrategias de muestreo.

¿Qué cambió frente a la primera edición? Casi todo: duplica su extensión, está reescrito casi por completo y suma más de una docena de autores invitados.

Ya leí la primera edición, ¿me sirve? Sí. Los autores te sugieren saltarte solo el capítulo 3 para ir directo a lo nuevo.

¿Funciona para un equipo pequeño? Sí. La Parte IV, pensada para quien opera a gran escala o construye sus propias herramientas, puede esperar.

¿Cuánto espacio le da a la IA? Mucho: agentes que instrumentan y analizan, SLO con IA generativa y cómo las deudas sociotécnicas frenan tu adopción de IA.

¿Aplica a mi pipeline de CI/CD? Sí. Un capítulo entero lo trata como producción; según los autores, ahí está el mejor ROI de la observabilidad.

¿Me ayuda a decidir entre construir, comprar o usar código abierto? Sí. Te da un marco de cuadrantes para decidir y expone los costos ocultos de cada camino.

¿Sirve para negociar con proveedores? Sí: cómo mapear a tus partes interesadas, diseñar una prueba de concepto y migrar sin perder la confianza.

¿Qué tan técnico se pone? Bastante, si quieres: la Parte IV baja a almacenamiento, muestreo y pipelines de telemetría con detalle de ingeniería.

¿Está completo en español? Sí: es la obra íntegra, de la primera parte a la última, traducida al español.

¿Me ayuda a impulsar el cambio en mi empresa? Sí: a detectar sistemas heredados disfrazados, entender la resistencia, armar una coalición y conseguir patrocinio.