Observabilidad en Amazon Service OpenSearch

La instalación predeterminada de OpenSearch Dashboards for Amazon OpenSearch Service incluye el complemento Observability, que puedes usar para visualizar eventos basados en datos mediante el lenguaje de procesamiento canalizado (PPL) para explorar, descubrir y consultar los datos almacenados en él. OpenSearch El complemento requiere la versión 1.2 o una versión posterior. OpenSearch

El complemento Observability proporciona una experiencia unificada para recopilar y supervisar métricas, registros y seguimientos de orígenes de datos habituales. La recopilación y el monitoreo de datos en un solo lugar permiten una end-to-end observabilidad completa de toda la infraestructura.

nota

Esta documentación proporciona una breve descripción general de la observabilidad en servicio. OpenSearch Para obtener una documentación completa del complemento Observability, incluidos los permisos, consulte Observabilidad.

Cada cual tiene un proceso de exploración de datos diferente. Si eres nuevo en la exploración de datos y la creación de visualizaciones, te recomendamos que pruebes un flujo de trabajo como el siguiente.

Explore los datos con análisis de eventos

Para empezar, supongamos que estás recopilando datos de vuelos en tu dominio de OpenSearch servicio y quieres saber qué aerolínea realizó el mayor número de vuelos que llegaron al Aeropuerto Internacional de Pittsburgh el mes pasado. Escribe la siguiente consulta PPL:

source=opensearch_dashboards_sample_data_flights |
    stats count() by Dest, Carrier |
    where Dest = "Pittsburgh International Airport"

Esta consulta extrae datos del índice denominado opensearch_dashboards_sample_data_flights. A continuación, utiliza el comando stats para obtener un recuento total de vuelos y agrupar por aeropuerto de destino y aerolínea. Por último, utiliza la cláusula where para filtrar los resultados y mostrar los vuelos con llegada al Aeropuerto Internacional de Pittsburgh.

Este es el aspecto de los datos que se muestran para el último mes:

Puede elegir el botón PPL del editor de consultas para obtener información y ejemplos de uso de cada comando PPL:

Veamos un ejemplo más complejo, en el que se realizan consultas de información sobre retrasos de vuelos:

source=opensearch_dashboards_sample_data_flights |
    where FlightDelayMin > 0 |
    stats sum(FlightDelayMin) as minimum_delay, count() as total_delayed by Carrier, Dest |
    eval avg_delay=minimum_delay / total_delayed | 
    sort - avg_delay

Cada comando de la consulta afecta al resultado final:

• source=opensearch_dashboards_sample_data_flights: extrae datos del mismo índice que el ejemplo anterior

• where FlightDelayMin > 0: filtra los datos para mostrar los vuelos retrasados

• stats sum(FlightDelayMin) as minimum_delay, count() as total_delayed by Carrier: para cada aerolínea, obtiene el tiempo de retraso mínimo total y el recuento total de vuelos retrasados

• eval avg_delay=minimum_delay / total_delayed: calcula el tiempo de retraso medio de cada aerolínea dividiendo el tiempo de retraso mínimo entre el número total de vuelos retrasados

• sort - avg_delay: ordena los resultados por retraso medio en orden descendente

Con esta consulta, puede determinar si OpenSearch Dashboards Airlines tiene, de media, menos retrasos.

Dispone de más ejemplos de consultas PPL en Queries and Visualizations (Consultas y visualizaciones) en la página Event analytics (Análisis de eventos).

Crear visualizaciones

Una vez que haya consultado correctamente los datos que le interesan, puede guardar esas consultas como visualizaciones:

A continuación, agregue esas visualizaciones a paneles operacionales para comparar diferentes datos. Aproveche los cuadernos para combinar diferentes visualizaciones y bloques de código y compartirlos con miembros de su equipo.

Profundizar más con Trace Analytics

Trace Analytics proporciona una forma de visualizar el flujo de eventos en sus OpenSearch datos para identificar y solucionar los problemas de rendimiento en las aplicaciones distribuidas.