La observabilidad es aún más sencilla con el Elastic Stack 7.2. Obtén información de las mejoras como métricas específicas de APM y la nueva vista de Métricas.

Nos complace compartir contigo nuestro entusiasmo sin límites para mejorar las herramientas a disposición de los operadores que mantienen las aplicaciones y los servicios disponibles, saludables y rápidos. Ya sea que te refieras o no a este objetivo como "Observabilidad", ¡sigue leyendo!

Elastic APM agrega soporte para .NET, con la versión beta del muy solicitado agente .NET. En el frente del monitoreo de la infraestructura, agregamos Metrics Explorer, una nueva vista en la app Infrastructure en Kibana, diseñada para mejorar la forma en que interactúas con las métricas de infraestructura de manera personalizada. Finalmente, continuamos ampliando las herramientas de monitoreo para&nbsp;Kubernetes en la versión 7.2 con el lanzamiento de varias integraciones de datos nuevas para tecnologías nativas de la nube, como CoreDNS y CRI-O.

Si no puedes esperar, la versión 7.2 ya está disponible en nuestro <a href="/es/cloud/elasticsearch-service">Elasticsearch Service</a>, la única propuesta de Elasticsearch hospedada que ofrece estas nuevas características. O puedes <a href="/es/downloads">descargar la versión más reciente del Elastic Stack</a>.

<h2>El enfoque de Elastic sobre la observabilidad</h2>
El término "Observabilidad" describe una filosofía que enfatiza una visibilidad unificada del estado de los sistemas, los servicios y las aplicaciones. Si bien es un término bastante nuevo en la industria, captura de manera efectiva el principal motivo por el que muchos usuarios y sus equipos recurren al Elastic Stack para sus necesidades operativas. Debido a la naturaleza flexible de Elasticsearch, donde todo es solo un índice, los usuarios pueden reunir correctamente logs, métricas, rastreos y métricas sobre el tiempo de actividad, que tradicionalmente eran fuentes de datos dispares, en un solo almacenamiento operativo.


	<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt6082737bba8cc593/5d0416aa0b20e952523c959c/elastic-observability-devops.png" data-sys-asset-uid="blt6082737bba8cc593" alt="Unifica todos tus registros de infraestructura, métricas, datos sobre el tiempo de actividad y rastreos de APM con el Elastic Stack" data-image="wvo4blfyqzu1" style="display: block; margin: auto;">

Hemos adoptado una estrategia dual en el espacio de observabilidad, que consiste en continuar brindando las mejores experiencias en su clase para cada "pilar" de Observabilidad, mientras respaldamos la forma en la que estos flujos de datos se unen para los usuarios de manera más natural y fluida. Todos los datos de observabilidad se adhieren al Elastic Common Schema (ECS) y todas las aplicaciones de Kibana se integran para proporcionar flujos de trabajo de correlación de datos y navegación con un solo clic.

<img data-image="vav8bcqlcf3y" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt368c68953bf815de/5d0a9a65877575d0584775e5/elastic-observability-containers.gif" data-sys-asset-uid="blt368c68953bf815de" alt="Observabilidad en acción dentro del Elastic Stack" "="">

Red Wing Shoes, un icónico fabricante de calzado de seguridad, confía en <a href="/es/products/elasticsearch/service">Elasticsearch Service</a> hospedado en Elastic Cloud para ganar una visibilidad unificada del proceso de fabricación en el piso de fábrica, la salud de su sitio web de comercio electrónico y las operaciones en las más de 600 tiendas minoristas del mundo. El equipo responsable de las operaciones también lidera el lanzamiento de las nuevas aplicaciones y los nuevos servicios con el objetivo de hacer crecer el negocio. “Somos capaces de hacerlo con un equipo estrechamente entrelazado porque nos concentramos en hacer que nuestras operaciones de TI sean eficientes”, declaró Marc Kermish, vicepresidente y jefe de información. “La visualización de todos los datos operativos relevantes en un único almacén de datos y una única interfaz UI nos ha ayudado a ser más eficientes en el seguimiento y la resolución de problemas basados en datos procesables. Y el hecho de que el stack esté totalmente gestionado para nosotoros en Elastic Cloud significa que nuestra sobrecarga administrativa es baja: todo el despliegue, el escalado y las actualizaciones para el Elastic Stack se realizan con un clic”.
/p>
Conoce más sobre nuestra opinión sobre esta importante tendencia en nuestro blog <a href="/es/blog/observability-with-the-elastic-stack">Observabilidad con el Elastic Stack</a>.

En la versión 7.2, continuamos ampliando y profundizando nuestras iniciativas de Observabilidad con las siguientes mejoras de productos.

<h2>Elastic APM agrega soporte para .NET, aplicaciones de una sola página y métricas específicas del agente</h2>
Nos complace enormemente anunciar que estamos moviendo el agente Elastic APM para .NET de la versión <a href="/es/blog/elastic-apm-dot-net-agent-preview-released">preliminar</a> al estado beta. El agente .NET agrega <a href="/guide/en/apm/agent/dotnet/current/index.html">instrumentación</a> automática para ASP.NET Core 2.x + y Entity Framework Core 2.x +, a la vez que proporciona una <a href="/guide/en/apm/agent/dotnet/current/public-api.html">API de agente público</a> que permite a los usuarios instrumentar manualmente cualquier app .NET que use otros marcos de trabajo.

El soporte para .NET fue una de las funciones más solicitadas para Elastic APM, por lo que estamos muy contentos de completar el universo de idiomas compatibles. Queremos agradecer a todos los miembros de nuestra comunidad que completaron nuestra <a href="https://docs.google.com/forms/d/e/1FAIpQLSfBjUbv9qjcwNFSXpjJT_PmGJn0kpuF1IdZDtnBl0MLNRbYbQ/viewform">encuesta</a> por ayudarnos a priorizar nuestros esfuerzos de soporte para idiomas y que proporcionaron comentarios sobre la versión preliminar.

El agente RUM (monitoreo de usuario real) en Elastic APM amplía el soporte para aplicaciones de una sola página (SPA), lo que permite a los usuarios capturar transacciones de cambio de ruta, además de transacciones de carga de página. Las SPA ofrecen muchos más beneficios con respecto a las aplicaciones de varias páginas (MPA), incluyendo una experiencia de usuario más ágil y tiempos de carga más rápidos, ya que los elementos de datos se representan de manera más dinámica a medida que el usuario navega por la página. La naturaleza dinámica de la entrega requiere un enfoque más matizado para evaluar la experiencia del usuario final, como la evaluación de los cambios internos en la ruta de la app.

Finalmente, los agentes APM ahora recopilan métricas específicas según el idioma, además de los indicadores clave de rendimiento comunes, como el uso general de recursos, vinculados a los datos de rastreo de APM. Por ejemplo, el agente Java ahora recopila métricas de JVM, como la memoria heap de Java y el recuento de hilos, que también se muestran automáticamente en la app APM. La adición de estas métricas específicas del agente crea una experiencia de monitoreo más rica al proporcionar un contexto adicional en el comportamiento de la aplicación, sin la necesidad de que los desarrolladores instalen agentes adicionales.

<img data-image="ah8ondecltp5" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltaa9753682c89f6e9/5d0a9a485fe8e2af5a55ae2e/elastic-observability-metrics-explorer.gif" data-sys-asset-uid="bltaa9753682c89f6e9" alt="Métricas específicas según el idioma" "="">

Conoce más sobre los beneficios de APM en nuestro blog <a href="/es/blog/elastic-apm-7-2-0-released">Lanzamiento de Elastic APM</a>.

<h2>Metrics Explorer mejora la exploración de métricas de infraestructura</h2>
Durante los últimos años, la expansión del soporte para métricas ha sido un foco constante para el equipo de ingeniería del Elastic Stack. Algunos ejemplos de nuestro compromiso en esta área son la mejora de las eficiencias de almacenamiento a través de nuevos formatos de datos como los árboles de Bkd optimizados para datos numéricos, la expansión del conjunto de integraciones de datos de métricas a través de nuevos módulos de Metricbeat y la mejora de las capacidades de visualización de series temporales con apps dedicadas de Kibana, como Time Series Visual Builder.

A nuestros usuarios les encantó, por eso en la versión 7.2 duplicamos la exploración de métricas personalizadas al introducir Metrics Explorer en la app Elastic Infrastructure. Esta interfaz de usuario te permite navegar a través de las métricas de infraestructura más importantes e interactuar con ellas mediante el uso de etiquetas comunes y grupos de gráficos. Cada gráfico de Metrics Explorer puede abrirse en Time Series Visual Builder para una investigación más profunda, mediante la combinación de la simplicidad de las métricas de navegación en un solo clic con el poder de todas las agregaciones de Elasticsearch. Toda esta exploración ocurre a gran velocidad, independientemente de la cantidad y la cardinalidad de las etiquetas y sus dimensiones.&nbsp;

<img data-image="ah8ondecltp5" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltaa9753682c89f6e9/5d0a9a485fe8e2af5a55ae2e/elastic-observability-metrics-explorer.gif" data-sys-asset-uid="bltaa9753682c89f6e9" alt="Metrics Explorer en Kibana 7.2" "="">

Metrics Explorer actualmente está disponible en versión beta. ¡Nos encantaría recibir tus comentarios en el <a href="https://discuss.elastic.co/c/infrastructure">foro de debate</a>!&nbsp;Conoce otras mejoras en nuestro blog <a href="/es/blog/elastic-infrastructure-7-2-0-released">Lanzamiento de Elastic Infrastructure</a>.

<h2>Elastic fortalece la observabilidad de Kubernetes</h2>
El ecosistema de Kubernetes está evolucionando con rapidez, impulsado por la innovación open source en muchas empresas. Todos los meses se agregan nuevos proyectos al ecosistema CNCF, que luego ascienden al estado de Graduado a una velocidad notable.

En Elastic, estamos comprometidos a apoyar a los equipos que migran en Kubernetes, incluida su necesidad de monitorear esta pila de tecnología dinámica. Por ejemplo, algunas características como el autodescubrimiento en Filebeat y Metricbeat y los módulos para tecnologías nativas de la nube como <a href="/es/blog/elasticsearch-observability-embracing-prometheus-and-openmetrics-standards-for-metrics">Prometheus</a> proporcionan maneras preconfiguradas de monitorear la infraestructura de Kubernetes y los servicios que se ejecutan en ella.

La versión 7.2 se basa en estos esfuerzos con el lanzamiento de varias nuevas integraciones para tecnologías nativas de la nube. Filebeat y Metricbeat presentan soporte para CoreDNS, el DNS de cluster predeterminado para Kubernetes, que recientemente ascendió al estado de Graduado en CNCF. También estamos ampliando nuestro <a href="/es/blog/monitoring-nats-messaging-system-with-elastic-beats">soporte para el sistema de mensajería NATS</a>, un sistema de mensajería open source nativo de la nube, en estrecha colaboración con los miembros de la comunidad.

Finalmente, Filebeat 7.2 agrega soporte para CRI-O, la iniciativa abierta de contenedores de tiempo de ejecución de Kubernetes. Desarrollada en RedHat, esta alternativa liviana a Docker ya es el contenedor predeterminado de tiempo de ejecución en la popular distribución Openshift. El módulo CRI-O permite a los usuarios de Kubernetes cambiar a CRI-O como contenedor de su tiempo de ejecución, sin sacrificar sus requisitos de monitoreo.

<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltb62e24736c6384d5/5d019984ea19705f1784b04f/elastic-observability-kubernetes.jpg" data-sys-asset-uid="bltb62e24736c6384d5" alt="Observabilidad de Kubernetes con el Elastic Stack" "="">

Conoce más sobre los beneficios de las integraciones de datos de Kubernetes en nuestros blogs <a href="/es/blog/elastic-infrastructure-7-2-0-released">Lanzamiento de Elastic Infrastructure</a> y <a href="/es/blog/elastic-logs-7-2-0-released">Lanzamiento de Elastic Logs</a>.

<h2>Espera. ¡Hay más!</h2>
Elastic Uptime, recientemente presentado para brindar una experiencia preconfigurada sobre el monitoreo activo de la disponibilidad, ahora incluye integraciones con un solo clic con las apps Elastic Logs, Infrastructure y APM. Estas integraciones hacen que sea mucho más fácil integrar el monitoreo activo en sus analíticas de log y flujos de trabajo de observación. Conoce más sobre este y otros avances en nuestro blog <a href="/es/blog/elastic-uptime-monitoring-7-2-0-released">Lanzamiento de Elastic Uptime</a>.

Elastic Logs, presentada en la versión 6.5 para simplificar el trabajo con datos de logs, agregó soporte para logs y eventos estructurados a través de la configuración explícita de columnas. También presentó la característica "filtro por campo", que permite un importante flujo de trabajo que consiste en "ver los logs circundantes", en el que muchos usuarios de logging confían para sus investigaciones. Conoce más sobre esta y otras características en nuestro blog <a href="/es/blog/elastic-logs-7-2-0-released">Lanzamiento de Elastic Logs</a>.

<h2>Hazlo tuyo</h2>
La manera más fácil de probar las características más recientes es mediante la activación de un cluster de <a href="/es/cloud/elasticsearch-service">Elasticsearch Service</a>&nbsp;en Elastic Cloud. Allí ponemos las versiones más recientes del Elastic Stack a disposición de nuestros usuarios el día del lanzamiento. Si te gusta, puedes quedártelo. Nosotros nos encargaremos de ejecutarlo, reducir y ampliar la escala y actualizar el cluster por ti. Si prefieres ejecutarlo por tu cuenta, puedes conocer nuestras <a href="/es/downloads">opciones autoadministradas</a>, como la descarga de binarios, la ejecución de contenedores docker y el despliegue de Elastic Stack sobre Kubernetes

blog-banner-generic-teal.png

Observability updates: .NET in APM, Kubernetes monitoring, Metrics Explorer

Actualizaciones de Observabilidad: .NET en APM, monitoreo de Kubernetes y Metrics Explorer

Esforzarte un poco más en el esquema por adelantado acelerará la búsqueda y el análisis. Conoce sus ventajas.

Schema on write vs. schema on read

El esquema durante la escritura en comparación con el esquema durante la lectura

En mi función como director de productos de observabilidad en Elastic, obtengo algunas reacciones diferentes cuando uso el término “observabilidad”. La reacción más común&nbsp;sigue siendo la siguiente pregunta: “¿Qué es la “observabilidad”?” Pero también escucho cada vez más cosas como: “Acabamos de lanzar una “iniciativa de observabilidad”, pero aún estamos intentando entender cómo hacerlo exactamente”. Y, por último, algunas organizaciones con las que ya hemos tenido la suerte de trabajar consideran la “observabilidad” como una parte fundamental de la manera en que diseñan y crean productos y servicios.

Dado que el término aún está ganando terreno, me pareció que sería útil desmitificar cómo percibimos la “observabilidad” en Elastic, lo que aprendimos de nuestros clientes que estimulan el pensamiento y cómo pensamos en ella desde la perspectiva del producto a medida que elaboramos nuestro stack para casos de uso operativos.

<h2>¿Qué es la “observabilidad”?</h2>
Definitivamente no inventamos el término “observabilidad”. Comenzamos a escucharlo de los usuarios, principalmente de aquellos en la comunidad de ingeniería de confiabilidad de sitios (SRE). Varias fuentes rastrean el origen de este término a las organizaciones de SRE de gigantes de Silicon Valley como <a href="https://blog.twitter.com/engineering/en_us/a/2013/observability-at-twitter.html">Twitter</a>. Y a pesar de que el fundamental <a href="https://landing.google.com/sre/books/">libro SRE de Google</a> no menciona el término, establece muchos de los principios asociados actualmente con la “observabilidad”.

La “observabilidad” no es algo que un proveedor entrega en una caja, es un atributo de un sistema que creas, similar a la facilidad de uso, la alta disponibilidad y la estabilidad. El objetivo de diseñar y crear un sistema “observable” es asegurarse de que cuando se ejecute en producción, los operadores responsables de este puedan detectar comportamientos no deseados (p.&nbsp;ej., tiempo de inactividad del servicio, errores, respuestas lentas) y tengan información procesable para localizar la causa raíz de manera eficaz (p.&nbsp;ej., logs de eventos detallados, información granular de uso de recursos y rastreos de aplicaciones). Los desafíos comunes que hacen que las organizaciones no logren estos objetivos aparentemente obvios incluyen no recopilar suficiente información, recopilar demasiada información (pero no hacerla procesable), y fragmentar el acceso a dicha información.

El primer aspecto, la detección de comportamientos no deseados, generalmente comienza con la configuración de <a href="https://landing.google.com/sre/sre-book/chapters/service-level-objectives/">indicadores de nivel de servicio (SLI) y objetivos de nivel de servicio (SLO).</a> Estas son medidas internas de éxito por las cuales se juzga a los sistemas de producción en las organizaciones orientadas a la observabilidad. Si existe una obligación contractual de cumplir estos objetivos, un SLI/SLO también puede traducirse en acuerdos de nivel de servicio (SLA). El ejemplo más común de un SLI es el tiempo de actividad del sistema, para el cual se puede establecer un SLO de 99.9999&nbsp;%. El tiempo de actividad del sistema también es el SLA más común expuesto a clientes externos. Sin embargo, los SLI/SLO internamente pueden ser mucho más granulares, y el monitoreo y la alerta sobre estos factores más importantes del comportamiento del sistema de producción son la base de cualquier iniciativa de observabilidad. Este aspecto de la observabilidad también se conoce con el término “monitoreo”.

El segundo aspecto, proporcionar a los operadores información granular para depurar problemas de producción de manera rápida y eficiente, es un área en la que vemos mucho movimiento e innovación. Se habla bastante sobre los “tres pilares de la observabilidad”: métricas, logs y rastreos de aplicaciones. También se reconoce que la simple recopilación de todos estos datos granulares mediante una amalgama de herramientas no es necesariamente procesable y, a menudo, no es rentable.&nbsp;

<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltf85be52d51892228/5c98d45f8e3cc6505f19f678/three-pillars-of-observability-logs-metrics-tracs-apm.png" data-sys-asset-uid="bltf85be52d51892228" alt="three-pillars-of-observability-logs-metrics-tracs-apm.png" "="" width="446" height="194" style="width: 446px; height: 194px; display: block; margin: auto;">

<h2>Los “pilares” de la observabilidad</h2>
Examinemos estos aspectos de la recopilación de datos con más detalle. El estado actual que normalmente encontramos hoy en día es recopilar métricas en un sistema (generalmente una base de datos temporales o un servicio SaaS para el monitoreo de recursos), recopilar logs en un segundo sistema (como es de esperar, a menudo el ELK Stack en nuestras conversaciones) y usar una tercera herramienta para instrumentar aplicaciones a fin de proporcionar un rastreado a nivel de solicitud. Cuando se dispara una alerta, lo que indica una vulneración en un nivel de servicio, los operadores se lanzan locamente a sus sistemas y realizan la mejor integración repetitiva que pueden hacer: mirar las métricas en una ventana del navegador, correlacionarlas manualmente con los logs en otra ventana, y extraer los rastreos (si es relevante) en una tercera ventana.

Este enfoque tiene varias desventajas. En primer lugar, la correlación manual de diferentes fuentes de datos que cuentan la misma historia desperdicia tiempo valioso durante la degradación o interrupción del servicio. En segundo lugar, los costos operativos de mantener tres almacenes de datos operativos diferentes son altos: costos de licencias, personal separado para los administradores de herramientas operativas dispares, capacidades de aprendizaje automático inconsistentes en cada almacén de datos, “espacio vacío” para pensar en diferentes semánticas para las alertas, etc.; cada una de las organizaciones con las que hablo tienen dificultades con todos estos desafíos.

Se reconoce cada vez más lo importante que es tener toda esta información en un solo almacén operativo con la capacidad de correlacionar automáticamente estos datos en una interfaz de usuario intuitiva. El nirvana para los usuarios con los que hablamos es exponer a sus operadores a cada dato relevante para el servicio al que están brindando soporte de manera unificada, ya sea una línea de log emitida por la aplicación, los datos de rastreo resultantes de la instrumentación o el uso de recursos representado por métricas en una serie temporal. Los requisitos que escuchamos enfatizan el acceso uniforme ad hoc a estos datos, independientemente de la fuente, desde la búsqueda y el filtrado hasta las agregaciones y las visualizaciones. Comenzar con métricas y desglosar logs y rastreos en unos pocos clics sin cambiar el contexto acelera las investigaciones. Del mismo modo, la extracción de valores numéricos de logs estructurados se parece sorprendentemente a las métricas y la visualización de ambos lado a lado tiene un gran valor desde una perspectiva operativa.

Como se mencionó anteriormente, la simple recopilación de los datos puede generar demasiada información en el disco y una falta de suficiente inteligencia procesable cuando ocurre un incidente. De manera creciente, existe la expectativa de que el sistema que recopila datos operativos proporcione la detección automática de eventos, rastreos y anomalías “interesantes” en los patrones de series temporales. Esto ayuda a los operadores que investigan un problema a concentrarse más rápidamente en la causa raíz. Estas capacidades de detección de anomalías a veces se conocen como el “cuarto pilar de la observabilidad”. Detectar anomalías en los datos de tiempo de actividad, el uso de recursos y los patrones de logs, así como los rastreos más relevantes, es un requisito emergente que los equipos de observabilidad proponen.

<h2>Observabilidad… ¿y el ELK Stack?</h2>
Entonces, ¿qué tiene que ver la observabilidad con el Elastic Stack (o el <a href="/es/elk-stack">ELK Stack</a>, como se lo denomina cariñosamente en algunos entornos)?

Al ELK Stack se lo conoce ampliamente como la manera de centralizar en la práctica los logs de los sistemas operativos. Se parte de la base de que Elasticsearch (un “motor de búsqueda”) es un buen lugar para colocar logs basados en texto con el fin de realizar búsquedas de texto libre. Y, de hecho, la simple búsqueda de logs basados en texto para la palabra “error” o el filtrado de logs en función de un conjunto de etiquetas conocidas es extremadamente potente y es a menudo donde la mayoría de los usuarios comienzan.

Sin embargo, como sabe la mayoría de los usuarios del ELK Stack, Elasticsearch como almacén de datos ofrece mucho más que un índice invertido para una búsqueda eficiente de texto completo y capacidades de filtrado simples. También contiene un almacén basado en columnas y optimizado para almacenar series temporales numéricas densas y operar en estas. Este almacén&nbsp;se usa para almacenar datos de estructura extraídos de logs parseados, tanto de texto como numéricos. De hecho, el caso de uso de la conversión de logs a métricas fue lo que inicialmente nos llevó a optimizar Elasticsearch para un almacenamiento y una recuperación de números eficientes.

Con el tiempo, los usuarios comenzaron a colocar las <a href="/es/solutions/metrics">series temporales numéricas</a> directamente en Elasticsearch, en reemplazo de las bases de datos temporales. Impulsado por esta necesidad, Elastic introdujo recientemente <a href="/guide/en/beats/metricbeat/6.6/metricbeat-modules.html">Metricbeat</a> para la recopilación automatizada de métricas, el concepto de elementos consolidados automáticos y otras funciones específicas de las métricas, tanto en el almacén de datos como en la UI. Como resultado, <a href="/es/webinars/ns1-leveraging-elasticsearch-as-a-time-series-database">cada vez más usuarios</a> que han adoptado el ELK Stack para los logs también han comenzado a colocar datos de métricas, como el uso de recursos, en el Elastic Stack. Además de los ahorros operativos ya mencionados anteriormente, una razón atractiva para hacer esto fue la falta de restricciones que Elasticsearch coloca en la cardinalidad de los campos elegibles para agregaciones numéricas (una queja común planteada al analizar muchas bases de datos temporales existentes).

Al igual que las métricas, los <a href="/es/beats/heartbeat">datos de tiempo de actividad</a> han sido un tipo de datos muy valioso junto con los logs, de modo que representan una fuente importante de alertas de SLO/SLI de un monitor activo. Los datos de tiempo de actividad pueden proporcionar información sobre la degradación de los servicios, las API y los sitios web, muchas veces antes de que los usuarios sientan el impacto. La ventaja es que los datos de tiempo de actividad son pequeños en términos de requisitos de almacenamiento, por lo que son de gran valor y tienen un costo adicional muy bajo.

En el último año, Elastic también introdujo <a href="/es/solutions/apm">Elastic APM</a>, que agregó capacidades de rastreado de aplicaciones y rastreado distribuido al stack. Esta fue una evolución natural para nosotros, ya que varios proyectos de código abierto y destacados proveedores de APM ya estaban usando Elasticsearch para almacenar y buscar datos de rastreo. El estado actual de las herramientas de APM tradicionales consiste en mantener los datos de rastreo de APM separados de los logs y las métricas, lo que perpetúa los silos de datos operativos. Elastic APM ofrece un conjunto de agentes para recopilar datos de rastreo a partir de lenguajes y marcos de trabajo compatibles, además de ser compatible con OpenTracing, y estos datos de rastreo se correlacionan automáticamente con las métricas y los logs.

<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt248065423cca3f6c/5c98d436fc9053fa5ecd78e3/Screen_Shot_2019-02-28_at_6.58.21_AM.png" data-sys-asset-uid="blt248065423cca3f6c" alt="Screen Shot 2019-02-28 at 6.58.21 AM.png">

<img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/bltc5c9236cde8b37b8/5c98d43b146c873d59750036/Screen_Shot_2019-02-28_at_6.47.51_AM.png" data-sys-asset-uid="bltc5c9236cde8b37b8" alt="Screen Shot 2019-02-28 at 6.47.51 AM.png">

Un hilo común en todas estas entradas de datos es que cada una de ellas es solo otro índice en Elasticsearch. No hay restricciones en las agregaciones que se ejecutan en todos estos datos, cómo se visualizan en Kibana y cómo se aplican las alertas y el aprendizaje automático a cada fuente de datos. Para ver esto en acción, <a href="https://www.youtube.com/watch?v=d6h5gpACD4o&feature=youtu.be">mira este video</a>.

<div style="height: 478px; margin-bottom: 20px;">
	<iframe width="100%" height="478" src="//www.youtube.com/embed/d6h5gpACD4o?rel=0" class="video-iframe" frameborder="0" allowfullscreen="">
	</iframe>
</div>
<h2>Kubernetes observables y el Elastic Stack</h2>
Una comunidad en la cual el concepto de observabilidad es un tema de conversación muy activo es el conjunto de usuarios que adoptan Kubernetes para la orquestación de contenedores. Estos usuarios “nativos en la nube”, un término popularizado por la <a href="https://www.cncf.io/">Cloud Native Computing Foundation (o CNCF)</a>, enfrentan desafíos únicos. Se enfrentan a una centralización masiva de aplicaciones y servicios creados o migrados a una plataforma de orquestación de contenedores impulsada por Kubernetes, junto con la tendencia a dividir las aplicaciones monolíticas en “microservicios”. Las herramientas y los métodos que funcionaban antes para proporcionar la visibilidad necesaria en las aplicaciones que se ejecutan sobre esta infraestructura ya no funcionan.

La observabilidad de Kubernetes merece una publicación aparte, por lo que, por ahora, te remitiré al <a href="/es/webinars/observable-kubernetes-with-the-elastic-stack">seminario web Kubernetes observables</a> y al blog <a href="/es/blog/distributed-tracing-opentracing-and-elastic-apm">Rastreado distribuido con Elastic APM</a> para obtener más información.

<h2>¿Qué sigue?</h2>
En una publicación como esta, parece apropiado proporcionarle al lector algunos recursos para explorar.

Para obtener más información sobre las mejores prácticas de observabilidad, recomiendo comenzar con el <a href="https://landing.google.com/sre/books/">libro SRE de Google</a> mencionado anteriormente. Los blogs de compañías cuyo sustento depende del funcionamiento impecable de sus aplicaciones primordiales en la producción también suelen dar mucho para pensar. Por ejemplo, creo que esta publicación reciente de la ingeniería de <a href="https://engineering.salesforce.com/what-is-observability-d175eb6cd2e4">Salesforce</a> es una guía práctica y pragmática para mejorar iterativamente el estado de observabilidad.

Para probar las capacidades del Elastic Stack para tus iniciativas de observación, activa la última versión de nuestro Stack en el <a href="/es/cloud/elasticsearch-service">Elasticsearch Service</a>en la <a href="https://cloud.elastic.co/">Elastic Cloud</a> (un gran entorno para realizar pruebas, incluso si en última instancia despliegas la gestión automática), o <a href="/es/downloads">descarga</a> e <a href="/es/start">instala</a> los componentes del Elastic Stack localmente. Asegúrate de probar las nuevas interfaces de usuario de logs, infraestructura monitoreo, APM y tiempo de actividad (próximamente en la versión 6.7) en Kibana, diseñadas específicamente para flujos de trabajo de observabilidad comunes. Y no dudes en enviarnos preguntas en los <a href="https://discuss.elastic.co/">foros de debate</a>, ¡estamos para ayudarte!

Observability with the Elastic Stack

Observabilidad con el Elastic Stack

Kibana proporciona formas poderosas de buscar y visualizar datos almacenados en Elasticsearch. A los fines de la visualización, Kibana busca campos definidos en mapeos de Elasticsearch y los presenta como opciones para el usuario creando un gráfico. ¿Pero qué sucede si olvidas definir un valor importante como un campo diferente en el esquema? ¿O si deseas combinar dos campos y tratarlos como uno? Aquí es donde entran en juego los campos con scripts de Kibana. Los campos con scripts existen en realidad desde los inicios de Kibana 4. En el momento en que se presentaron, la única forma de definirlos dependía de <a href="https://www.elastic.co/guide/en/elasticsearch/reference/5.0/modules-scripting-expression.html" target="_self">Lucene Expressions</a>,&nbsp;un lenguaje de scripting en Elasticsearch que se ocupa exclusivamente de valores numéricos. Como resultado, el poder de los campos con scripts se limitaba a un subconjunto de casos de uso. En la versión 5.0, Elasticsearch presentó <a href="https://www.elastic.co/guide/en/elasticsearch/reference/5.0/modules-scripting-painless.html" target="_self">Painless</a>, un lenguaje de scripting seguro y poderoso que permite operar una variedad de tipos de datos y, como resultado, los campos con scripts en Kibana 5.0 son mucho más poderosos. En el resto de este blog, te mostraremos cómo crear campos con script para casos de uso comunes. Para hacerlo, usaremos un set de datos del <a href="https://www.elastic.co/guide/en/kibana/5.0/tutorial-load-dataset.html" target="_self">tutorial de primeros pasos con Kibana</a>&nbsp;y usaremos una instancia de Elasticsearch y Kibana que se ejecutan en <a href="https://cloud.elastic.co/" target="_self">Elastic Cloud</a>, lo cual puedes activar de forma gratuita. En el video siguiente se muestra cómo activar una instancia&nbsp;personal de Elasticsearch y Kibana en Elastic Cloud y cargar un&nbsp;set de datos&nbsp;en ella.&nbsp; <div class="video embed-container" style="height: 319.725px;"><img class="vidyard-player-embed" src="https://play.vidyard.com/6gWkzXXhT69tUa7uRtvJ96.jpg" data-uuid="6gWkzXXhT69tUa7uRtvJ96" data-v="4" data-type="inline" width="677"/></div><h2>Cómo funcionan los campos con scripts</h2>Elasticsearch te permite especificar campos con scripts en cada solicitud. Kibana mejora esto permitiéndote definir un campo con scripts una vez en la sección Management (Gestión), para poder usarlo en varios lugares de la UI en adelante. Ten en cuenta que si bien Kibana almacena los campos con scripts junto al resto de su configuración en el índice .kibana, esta configuración es específica de Kibana, y los campos con script de Kibana no se muestran a los usuarios de API de Elasticsearch. Cuando vas a definir un campo con scripts en Kibana, tendrás la opción de elegir el lenguaje de scripting, lo que te permite seleccionar de una lista de todos los lenguajes instalados en los nodos de Elasticsearch que tengan habilitado el scripting dinámico. De forma predeterminada, las opciones son "expression" y "painless" en la versión 5.0, y solo "expression" en las versiones 2.x. Puedes instalar otros lenguajes de scripting y habilitar en ellos el scripting dinámico, pero no se recomienda debido a que no pueden <a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-scripting-security.html" target="_self">evaluarse en el entorno de prueba</a>&nbsp;de forma suficiente y han quedado obsoletos. Los campos con scripts operan en un documento de Elasticsearch a la vez, pero pueden hacer referencia a varios campos en ese documento. Como resultado, es apropiado usar campos con scripts para combinar o transformar campos en un solo documento, pero no realizar cálculos basados en varios documentos (por ejemplo, cálculos de series temporales). Tanto las expresiones de Painless como de Lucene operan en los campos almacenados en <a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/doc-values.html" target="_self">doc_values</a>.&nbsp;Por lo tanto, para los datos de cadena, deberás hacer que el texto se almacene en palabras clave de tipo dato. Los campos con scripts basados en Painless tampoco pueden operar directamente en _source. Una vez que los campos con script se definen en "Management" (Gestión), el usuario puede interactuar con ellos de la misma manera que con otros campos en el resto de Kibana. Los campos con scripts se muestran automáticamente en la lista de campos de Discover y están disponibles en Visualize a los fines de la creación de visualizaciones. Kibana simplemente pasa las definiciones de campos con scripts a Elasticsearch en el momento de la búsqueda para la evaluación. El set de datos resultante se combina con otros resultados que devuelve Elasticsearch y se presenta al usuario como una tabla o un gráfico. Existen algunas limitaciones conocidas al trabajar con campos con scripts al momento de redacción de este blog. Puedes aplicar la mayoría de las agregaciones de Elasticsearch disponibles en el generador visual de Kibana en los campos con scripts, con la excepción más notable que es la <a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-significantterms-aggregation.html" target="_self">agregación de términos importantes</a>. También puedes filtrar los campos con scripts a través de la barra de filtros en Discover, Visualize y Dashboard, aunque debes tener el recaudo de escribir scripts adecuados que devuelvan valores bien definidos, como mostramos a continuación. También es importante consultar la sección "Mejores prácticas" a continuación para asegurarte de no desestabilizar tu entorno, al usar campos con scripts. En el video siguiente se muestra&nbsp;cómo usar Kibana para crear campos con scripts. <div class="video embed-container" style="height: 319.725px;"><img class="vidyard-player-embed" src="https://play.vidyard.com/SKHYsZcKZHq9u7GTNGWPaL.jpg" data-uuid="SKHYsZcKZHq9u7GTNGWPaL" data-v="4" data-type="inline" width="677"/></div><h2>Ejemplos de campos con scripts</h2>En esta sección se presentan algunos ejemplos de expresiones de Lucene y campos con scripts de Painless en Kibana en situaciones comunes. Como ya mencionamos, estos ejemplos se desarrollaron a partir de un set de datos del <a href="https://www.elastic.co/guide/en/kibana/5.0/tutorial-load-dataset.html" target="_self">tutorial de primeros pasos con Kibana</a>&nbsp;y suponen que estás usando Elasticsearch y Kibana 5.1.1, dado que hay algunos problemas conocidos relacionados con el filtrado y la clasificación en ciertos tipos de campos con scripts en versiones anteriores. En su mayoría, los campos con scripts deberían funcionar tal como están, dado que Painless y las expresiones de Lucene están habilitados de forma predeterminada en Elasticsearch 5.0. La única excepción son los scripts que requieren parseo basado en regex de los campos, lo que requerirá que configures lo siguiente en elasticsearch.yml para activar la coincidencia de regex para Painless: script.painless.regex.enabled: true<h3>Realizar un cálculo en un campo único</h3><ul><li>Ejemplo: calcular kilobytes a partir de bytes</li><li>Lenguaje:&nbsp;expressions</li><li>Tipo de devolución:&nbsp;número</li></ul><pre class="prettyprint"> doc['bytes'].value / 1024 </pre>Nota: Ten en cuenta que los campos con scripts de Kibana funcionan en un solo documento a la vez, por lo que no hay forma de hacer un cálculo de serie temporal en un campo con scripts. <h3>Cálculo de fecha que da como resultado un número</h3><ul><li>Ejemplo:&nbsp;parsear la fecha a hora del día</li><li>Lenguaje: expressions</li><li>Tipo de devolución:&nbsp;número</li></ul>Las expresiones de Lucene proporcionan un host completo de <a href="https://www.elastic.co/guide/en/elasticsearch/reference/5.0/modules-scripting-expression.html#_date_field_api" target="_self">funciones de manipulación de fecha</a>&nbsp;listo para usar. Sin embargo, las expresiones de Lucene solo devuelven valores numéricos, tendremos que usar Painless para devolver un día de la semana basado en cadena (a continuación). <pre class="prettyprint"> doc['@timestamp'].date.hourOfDay </pre>Nota: El script anterior devolverá 1-24. <pre class="prettyprint">doc['@timestamp'].date.dayOfWeek </pre>Nota: El script anterior devolverá 1-7. <h3>Combinar dos valores de cadena</h3><ul><li>Ejemplo:&nbsp;combinar origen y destino o primer nombre y apellido</li><li>Lenguaje:&nbsp;painless</li><li>Tipo de devolución:&nbsp;cadena</li></ul><pre class="prettyprint"> doc['geo.dest.keyword'].value + ':' + doc['geo.src.keyword'].value </pre> Nota: Dado que los campos con scripts deben operar en campos en doc_values, usamos versiones .keyword de las cadenas anteriores. <h3>Presentación de la lógica</h3><ul><li>Ejemplo: devolver la etiqueta "big download" para cualquier documento con bytes que superen los 10 000.</li><li>Lenguaje: painless</li><li>Tipo de devolución: cadena</li></ul><pre class="prettyprint"> if (doc['bytes'].value > 10000) { return "big download"; } return ""; </pre>Nota: Al presentar la lógica, asegúrate de que cada ruta de ejecución tenga una instrucción return bien definida y un valor return (no nulo) bien definido. Por ejemplo, el campo con script anterior fallará con un error de compilación al usarse en filtros de Kibana&nbsp;sin la instrucción&nbsp;return al final o si la instrucción devuelve un valor nulo. Además, ten en cuenta que desglosar la lógica en funciones no es compatible en los campos con script de Kibana.&nbsp; <h3 dir="ltr">Devolver subcadena </h3><ul><li>Ejemplo: devolver la parte posterior a la última barra diagonal en la URL</li><li>Lenguaje: painless</li><li>Tipo de devolución: cadena</li></ul><pre class="prettyprint"> def path = doc['url.keyword'].value; if (path != null) { int lastSlashIndex = path.lastIndexOf('/'); if (lastSlashIndex > 0) { return path.substring(lastSlashIndex+1); } } return ""; </pre>Nota: Cuando sea posible, evita usar expresiones regex para extraer subcadenas, dado que las operaciones indexOf() usan menos recursos y tienen menor tendencia a errores.&nbsp; <h3 dir="ltr">Buscar coincidencia de una cadena con regex y tomar medidas sobre la coincidencia </h3><ul><li>Ejemplo: devolver una cadena "error" si se encuentra una subcadena "error" en el campo "referer", de lo contrario devolver una cadena "no error".</li><li>Lenguaje: painless</li><li>Tipo de devolución: cadena</li></ul><pre class="prettyprint">if (doc['referer.keyword'].value =~ /es/error/) { return "error" } else { return "no error" } </pre>Nota: La sintaxis de regex simplificada es útil para los condicionales basados en una coincidencia de regex.&nbsp; <h3 dir="ltr">Buscar una coincidencia de cadena y devolver dicha coincidencia </h3><ul><li>Ejemplo: devolver un dominio, la cadena posterior al último punto en el campo "host"</li><li>Lenguaje: painless</li><li>Tipo de devolución: cadena</li></ul><pre class="prettyprint">def m = /^.*\.([a-z]+)$/.matcher(doc['host.keyword'].value); if ( m.matches() ) { return m.group(1) } else { return "no match" } </pre>Nota: Definir un objeto a través de las funciones matcher() de regex te permite extraer grupos de caracteres que coincidieron con regex y devolverlos.&nbsp; <h3 dir="ltr">Buscar una coincidencia de número y devolver dicha coincidencia </h3><ul><li>Ejemplo: devolver el primero octeto de la dirección IP (almacenada como cadena) y tratarlo como un número.</li><li>Lenguaje: painless</li><li>Tipo de devolución: número</li></ul><pre class="prettyprint"> def m = /^([0-9]+)\..*$/.matcher(doc['clientip.keyword'].value); if ( m.matches() ) { return Integer.parseInt(m.group(1)) } else { return 0 } </pre>Nota: Es importante devolver el tipo de datos adecuado en un script. La coincidencia de regex devuelve una cadena, incluso si se encuentra una coincidencia con un número, por lo que debes convertirlo explícitamente en un entero en la devolución.&nbsp; <h3 dir="ltr">Cálculo de fecha que da como resultado una cadena </h3><ul><li>Ejemplo: parsear la fecha a día de la semana en una cadena</li><li>Lenguaje: painless</li><li>Tipo de devolución: cadena</li></ul><pre class="prettyprint">LocalDateTime.ofInstant(Instant.ofEpochMilli(doc['@timestamp'].value), ZoneId.of('Z')).getDayOfWeek().getDisplayName(TextStyle.FULL, Locale.getDefault()) </pre>Nota: Como Painless soporta todos los tipos nativos de Java, brinda acceso a las funciones nativas relacionadas con dichos tipos, como <a href="https://docs.oracle.com/javase/8/docs/api/java/time/LocalDateTime.html#getDayOfWeek--" target="_self">LocalDateTime()</a>, lo que resulta útil para realizar cálculos de fecha más avanzados. <h2 dir="ltr">Mejores prácticas </h2>Como puedes ver, el lenguaje con scripts Painless brinda formas poderosas de extraer información útil de campos arbitrarios almacenados en Elasticsearch a través de campos con scripts de Kibana. Sin embargo, este poder acarrea una gran responsabilidad.&nbsp; A continuación describimos algunas mejores prácticas relacionadas con los campos con scripts de Kibana. <ul><li>Usa siempre un entorno de desarrollo para experimentar con campos con scripts. Como los campos con scripts estarán activos de inmediato una vez que los guardes en la sección Management (Gestión) de Kibana (por ejemplo, aparecerán en la pantalla Discover de dicho patrón de índice para todos los usuarios), no debes desarrollar campos con scripts directamente en producción. Te recomendamos probar primero la sintaxis en un entorno de desarrollo, evaluar el impacto de los campos con scripts en sets de datos realistas y volúmenes de datos en organización, y recién después promoverlos a producción.&nbsp;</li><li>Una vez que estés seguro de que el campo con scripts proporciona valor para tus usuarios, considera modificar la ingesta para extraer el campo al momento de la indexación para datos nuevos. Esto le ahorrará procesamiento a Elasticsearch al momento de la búsqueda y brindará tiempos de respuesta más rápidos a los usuarios de Kibana. También puedes usar la API <a href="https://www.elastic.co/guide/en/elasticsearch/reference/5.0/docs-reindex.html" target="_self">_reindex</a> en Elasticsearch para volver a indexar los datos existentes.</li></ul>

blog-banner-generic-elastic.png

Using Painless in Kibana scripted fields

Cómo usar Painless en campos con scripts de Kibana

Start free trial

Blog Footer CTA

Sign up for Elastic Cloud free trial

headshot-tanya-bragin-300x300.jpg

VP Product Management, Observability

Tanya Bragin

The content on this page is not available in the selected language. As Elastic grows globally, we continue to support content in multiple languages.

The content on this page is not available in the selected language.

El contenido de esta página no está disponible en el idioma seleccionado. Elastic está trabajando para garantizar que el contenido esté disponible en varios idiomas. Gracias por tu paciencia mientras trabajamos.

By submitting you acknowledge that you've read and agree to our <a href="/legal/elastic-cloud-account-terms" target="_self">Terms of Service</a>, and you agree to receive the <a href="/legal/privacy-statement#how-we-use-the-information" target="_self">selected communications</a> at the contact details you provided above. See <a href="/legal/privacy-statement/" target="_self">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Communication Preferences - ONLY for /communication-preferences

Al enviar, confirma que ha leído y acepta nuestras <a href="/es/legal/elastic-cloud-account-terms" target="_self">Condiciones de servicio</a>, y que acepta recibir las <a href="/es/legal/privacy-statement#how-we-use-the-information" target="_self">comunicaciones seleccionadas</a> en los detalles de contacto que proporcionó anteriormente. Consulte la <a href="/es/legal/privacy-statement/" target="_self">Declaración de privacidad de Elastic</a> para obtener más información o para cancelar su suscripción en cualquier momento.

By submitting you acknowledge that you've read and agree to our <a href="/legal/serverless-preview-terms" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Serverless GDPR Text

Al enviar, confirma que ha leído y acepta nuestras <a href="/es/legal/serverless-preview-terms" target="_self">Condiciones de servicio</a>, y que Elastic puede <a href="/es/legal/privacy-statement#how-we-use-the-information" target="_self">ponerse en contacto con usted</a> acerca de nuestros productos y servicios relacionados. Consulte la <a href="/es/legal/privacy-statement/" target="_self">Declaración de privacidad de Elastic</a> para obtener más información o para cancelar su suscripción en cualquier momento.

By submitting you agree to <a href="/agreements/global/cloud-services-monthly" rel="nofollow">Elastic Cloud Terms of Service</a>. Your personal data will be processed in accordance with <a href="/legal/privacy-statement">Elastic's Privacy Statement</a>.

Cloud Trial GDPR Text

Al enviar esta información, aceptas los <a href="/es/agreements/global/cloud-services-monthly" rel="nofollow">Términos de servicio de Elastic</a>. Los datos personales se procesarán de conformidad con la <a href="/es/legal/privacy-statement">declaración de privacidad de Elastic</a>.

By submitting you acknowledge that you've read and agree to our <a href="/legal/terms-of-use" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Newsletter GDPR Text

Al enviar, confirma que ha leído y acepta nuestras <a href="/es/legal/terms-of-use" target="_self">Condiciones de servicio</a>, y que Elastic puede <a href="/es/legal/privacy-statement#how-we-use-the-information" target="_self">ponerse en contacto con usted</a> acerca de nuestros productos y servicios relacionados. Consulte la <a href="/es/legal/privacy-statement/" target="_self">Declaración de privacidad de Elastic</a> para obtener más información o para cancelar su suscripción en cualquier momento.

Hosted by

All Solutions

Follow us on Youtube

Watch now (no PT)

Articles by

Share by Email

Filters

All (no PT translation)

Contact information

See when this webinar starts in my time zone

Ver cuándo comienza este webinar en mi zona horaria

Thank you for your interest!

Register to Attend

Small image for

Register to Watch

Continue reading

Featured webinar

What to explore next...

Reset all

Load more press releases

Sign In to Attend

Share

Upcoming webinar

Learn more

Search Integrations

Share on Reddit

Share on Twitter

Share on Facebook

Load more news

View more posts

On-demand webinar

Follow us on Facebook

Author

Press Release

You'll also receive an email with related content.

You'll also receive an email with related content

Además, te enviaremos contenidos relevantes

Print

Contact Info

Overview

Video for

Read less

Register now

Share this story

See All Posts

See all top stories

View next

Can't make it? Register and we'll send you the recording. You'll also receive an email with related content

¿No puedes asistir? Regístrate y te enviaremos la grabación. También recibirás un correo electrónico con contenido relacionado.

Follow us on LinkedIn

Highlights

Explore similar demos

Follow us on Twitter

Share on LinkedIn

Load More

See more insights

Speakers

Close

Thank you for registering. We will send you a confirmation email soon.

Gracias por registrarte. Te enviaremos un correo electrónico de confirmación pronto.

Author

Articles by Tanya Bragin

VP Product Management, Observability, Elastic

Actualizaciones de Observabilidad: .NET en APM, monitoreo de Kubernetes y Metrics Explorer

El esquema durante la escritura en comparación con el esquema durante la lectura

Observabilidad con el Elastic Stack

Cómo usar Painless en campos con scripts de Kibana