Microsoft ha annunciato la disponibilità delle integrazioni Elastic per l’osservabilità unificata delle applicazioni Spring Boot su Azure.
È ora possibile inviare senza soluzione di continuità i log e le metriche di Microsoft Azure Spring Cloud in Elastic, strumentare le applicazioni Spring Boot e monitorare ogni passo nel cloud.
Le integrazioni fanno anche in modo da ottenere una visione olistica delle applicazioni Spring Boot e di altri log e metriche nei propri ambienti cloud e on-premise.
Spring – lo ricordiamo – è un framework Java tra i più popolari, soprattutto perché è progettato con una particolare attenzione per la velocità, la semplicità e la produttività.
Il modo più rapido e diffuso per iniziare progetti Spring è Spring Boot.
Spring Boot semplifica la creazione di applicazioni stand-alone basate su Spring, da mandare in esecuzione con il minimo sforzo.
Microsoft Azure Spring Cloud è un servizio completamente gestito che consente di creare e distribuire app Spring Boot.
Sono molti i suoi clienti enterprise – ha messo in evidenza Microsoft – che hanno migliaia di applicazioni Spring Boot in esecuzione in data center on-premise.
Nel momento in cui migrano queste applicazioni nel cloud, tali clienti hanno bisogno di aggregare log e metriche da queste applicazioni e di strumentarle per l’application performance monitoring (APM), utilizzando soluzioni che i loro sviluppatori conoscono bene e che usano da anni.
Inoltre, devono poter garantire la continuità per i software esistenti lato server che stanno già inviando log e metriche e sono preistrumentati per il monitoraggio end-to-end con sistemi come Elastic.
In questo modo è possibile ottenere una visibilità più profonda dell’applicazione, ridurre il tempo speso per l’analisi della causa principale dei problemi e fornire una customer experience coerente nelle applicazioni web e mobili.
Microsoft mette anche in evidenza che i risultati di un sondaggio del 2021 hanno indicato il monitoraggio end-to-end come la seconda maggiore sfida che DevOps e responsabili IT devono affrontare quando migrano le applicazioni Spring Boot nel cloud.
Con l’integrazione dei log e delle metriche di Azure Spring Cloud in Elastic – sottolinea Microsoft –, ora le imprese possono semplificare il proprio percorso verso il cloud e strumentare facilmente le applicazioni Spring Boot per un’osservabilità unificata.
Con la possibilità di inserire in Elastic, senza soluzione di continuità, log e metriche da Microsoft Azure Spring Cloud, DevOps e SRE possono monitorare le loro applicazioni Spring Boot sia nel cloud che in locale o in ambienti ibridi, e rimuovere i silos di monitoraggio per aumentare l’efficienza operativa e la produttività degli sviluppatori.
DevOps e SRE possono monitorare sia i log di Spring Boot che le metriche delle applicazioni in tutti gli ambienti, inviandoli automaticamente a Elastic.
I team possono anche correlare e aggiungere contesto ai loro dati Spring con altri set di dati di osservabilità nei loro ambienti, per un monitoraggio olistico end-to-end.
Con le funzionalità integrate di machine learning di Elastic, inoltre, estrarre nuovi insight dai dati di Azure Spring Cloud diventa più semplice. Ciò rende il machine learning veramente operativo.
Elastic Stack elabora i dati al momento dell’ingestion, garantendo che i team abbiano i metadati di cui hanno bisogno per identificare le cause principali o aggiungere un contesto a qualsiasi evento.
I team possono ricavare insight utilizzabili dai log e dai dati APM, con le ricche funzioni di alert e di rilevamento delle anomalie di Elastic Observability. Per esempio, possono scoprire tassi di log irregolari o comportamenti insoliti nei tempi di risposta delle proprie applicazioni in Azure Spring Cloud.
E siccome Elastic offre uno schema comune e un unico repository, gli stessi dati di osservabilità dalle applicazioni Spring e altri dataset possono essere utilizzati anche per l’extended detection and response (XDR).
Elastic Security riunisce security information and event management (SIEM) e sicurezza degli endpoint, permettendo alle organizzazioni di inserire e conservare grandi volumi di dati da diverse fonti, archiviare e cercare i dati più a lungo, per potenziare il threat hunting con i rilevamenti e il machine learning.
