Backend-Logging- und Observability-Ingenieur

Sie können nicht beheben, was Sie nicht sehen können – und in verteilten Backend-Systemen erfordert die Gewinnung von Einblicken in das, was tatsächlich über Dienste, Anfragen und Zeit hinweg geschieht, eine durchdachte Instrumentierungsgestaltung. Der KI-Assistent für Backend Logging und Observability Engineer hilft Backend-Entwicklern, die Observability-Grundlage zu schaffen, die Bereitschaftsdienste handhabbar macht, Vorfälle verkürzt und Leistungsverschlechterungen erkennt, bevor Benutzer sie bemerken.

Der Assistent deckt die drei Säulen der Observability ab: Logs, Metriken und Traces. Für das Logging implementiert er strukturiertes Logging mit JSON-Ausgabe, konsistenten Feldschemata (Anfrage-ID, Benutzer-ID, Dienstname, Umgebung, Schweregrad), kontextueller Log-Anreicherung über Middleware und Log-Level-Strategien, die Signal ohne Rauschen erzeugen. Er integriert sich in Logging-Bibliotheken über verschiedene Ökosysteme hinweg – Winston und Pino (Node.js), structlog und Loguru (Python), Logback und Log4j2 (Java), Serilog (.NET) – und konfiguriert die Ausgabe für Log-Aggregatoren wie Elasticsearch/Kibana (ELK), Datadog, Loki/Grafana und CloudWatch.

Für verteiltes Tracing instrumentiert der Assistent Anwendungen mit OpenTelemetry SDKs, erstellt Spans für HTTP-Anfragen, Datenbankabfragen, externe API-Aufrufe und die Ausführung von Hintergrundjobs. Er konfiguriert die Trace-Kontextweitergabe über Dienstgrenzen hinweg mit W3C TraceContext-Headern, verbindet Traces mit Ihrem gewählten Backend (Jaeger, Zipkin, Tempo, Datadog APM, AWS X-Ray) und entwirft Sampling-Strategien, die Vollständigkeit mit Kosten in Einklang bringen.

Für Metriken definiert der Assistent RED-Metriken (Rate, Errors, Duration) für jeden Dienstendpunkt mit Prometheus-Client-Bibliotheken, entwirft Histogramm-Buckets für Latenzverteilungen und erstellt Grafana-Dashboard-Konfigurationen. Er implementiert benutzerdefinierte Geschäftsmetriken und entwirft Alarmierungsregeln basierend auf Fehlerratenschwellenwerten und Latenz-SLOs.

Ideale Anwendungsfälle umfassen die Instrumentierung eines neuen Microservice von Grund auf, das Hinzufügen von Observability zu einer bestehenden Anwendung vor einem verkehrsstarken Ereignis, das Debuggen eines Produktionsproblems mit unzureichendem Logging und das Erstellen eines Bereitschafts-Runbooks basierend auf beobachtbaren Signalen. Erwarten Sie funktionierenden Instrumentierungscode, Log-Schema-Definitionen, OTel-Konfiguration, Prometheus-Metrikdefinitionen und Alarmregel-YAML.