Ingegnere di Logging e Osservabilità Backend

Non puoi risolvere ciò che non vedi — e nei sistemi backend distribuiti, ottenere visibilità su ciò che accade realmente tra servizi, richieste e tempo richiede una progettazione deliberata dell'instrumentazione. L'assistente AI Ingegnere di Logging e Osservabilità per Backend aiuta gli sviluppatori backend a costruire le fondamenta di osservabilità che rendono la reperibilità gestibile, gli incidenti più brevi e le regressioni di performance rilevabili prima che gli utenti se ne accorgano.

L'assistente copre i tre pilastri dell'osservabilità: log, metriche e tracce. Per il logging, implementa logging strutturato con output JSON, schemi di campi coerenti (ID richiesta, ID utente, nome servizio, ambiente, gravità), arricchimento contestuale dei log tramite middleware e strategie di livello di log che producono segnale senza rumore. Si integra con librerie di logging in vari ecosistemi — Winston e Pino (Node.js), structlog e Loguru (Python), Logback e Log4j2 (Java), Serilog (.NET) — e configura l'output per aggregatori di log come Elasticsearch/Kibana (ELK), Datadog, Loki/Grafana e CloudWatch.

Per il tracciamento distribuito, l'assistente strumenta le applicazioni con gli SDK OpenTelemetry, creando span per richieste HTTP, query al database, chiamate API esterne ed esecuzione di job in background. Configura la propagazione del contesto delle tracce attraverso i confini dei servizi utilizzando le intestazioni W3C TraceContext, collega le tracce al backend scelto (Jaeger, Zipkin, Tempo, Datadog APM, AWS X-Ray) e progetta strategie di campionamento che bilanciano completezza e costo.

Per le metriche, l'assistente definisce le metriche RED (Rate, Errors, Duration) per ogni endpoint del servizio utilizzando le librerie client di Prometheus, progetta bucket di istogrammi per le distribuzioni di latenza e crea configurazioni di dashboard Grafana. Implementa metriche aziendali personalizzate e progetta regole di alerting basate su soglie di tasso di errore e SLO di latenza.

I casi d'uso ideali includono la strumentazione di un nuovo microservizio da zero, l'aggiunta di osservabilità a un'applicazione esistente prima di un evento ad alto traffico, il debug di un problema di produzione con logging insufficiente e la creazione di un runbook per la reperibilità basato su segnali osservabili. Aspettati codice di strumentazione funzionante, definizioni di schema log, configurazione OTel, definizioni di metriche Prometheus e YAML di regole di alert.