LTSC
Ob­ser­va­bility für Micro­services

Overview

Für eine Schweizer Versicherungs­gesellschaft haben wir Observability für eine verteilte Microservice-Applikation eingeführt. Traces, Metriken, Logs und Dashboards machen Fehler schneller nachvollziehbar und liefern Datengrundlagen für Betrieb und Weiterentwicklung.

Kunde Schweizer Versicherungs­gesellschaft
Bereich Observability, Betrieb, Support
Anwendung Microservices, Microfrontend & Kafka

Ausgangslage

Verteiltes System

Die Menge der Services und Schnittstellen machte Troubleshooting-Sessions komplex und zeitaufwändig.

Log-basierte Analyse

Fehleranalyse und Performance-Bewertung stützten sich weitgehend auf Logs, deren Menge die Fehlersuche erschwerte.

Zuordnung von Fehlern

Fehler liessen sich nur schwer Benutzern, Fachobjekten und Releases zuordnen.

Reaktive Erkennung

Probleme wurden oft erst nach Meldungen durch User oder Fachbereiche sichtbar.

Wenig Entscheidungsdaten

Für Priorisierung von Tasks und Performance-Optimierung fehlten belastbare, vergleichbare Daten.

Unser Beitrag

  • Konzeption einer praxistauglichen Observability-Lösung für Entwicklung, Betrieb und Support.
  • Instrumentierung der Quarkus-Backend-Services mit OpenTelemetry und Micrometer.
  • Instrumentierung der Kafka-Streams-Applikation mit OpenTelemetry-Java-Agent.
  • Unterstützung bei der Instrumentierung des Angular-Microfrontends mit Faro.
  • Anbindung der Applikation an Grafana Cloud.
  • Erweiterung der Logs um Trace-Informationen zur Korrelation.
  • Aufbau von Alerting und Support-Dashboards.
  • Training für Entwickler, Business-Analysten und Support.

Lösung

Wir haben eine Observability-Basis geschaffen, die technische Signale mit fachlichem Kontext verbindet und für Entwicklung, Betrieb und Support nutzbar macht.

OpenTelemetry

Backend-Services und Kafka-Flows liefern verteilte Traces über Service-Grenzen hinweg an Grafana.

Metriken

Prometheus-Metriken machen Health, Last und Performance kontinuierlich sichtbar.

Alerting

Relevante Fehler werden proaktiv über dedizierte Microsoft-Teams-Kanäle notifiziert.

Dashboards

Grafana und Splunk bündeln Health-, Alert-, Support- und Performance-Sichten.

Resultate

Schnellere Fehleranalyse

Zusammengehörende Logs, Traces und fachliche IDs lassen sich gezielt innert Sekunden anhand von User-IDs, Objekt-IDs oder Trace-IDs finden.

Proaktiv statt reaktiv

Alerting macht relevante Probleme sichtbar, bevor sie von Benutzern gemeldet werden.

Besserer Support

Fehler können Benutzern, Fachobjekten und Releases nachvollziehbar zugeordnet werden.

Performance-Transparenz

Performance-Fragen werden anhand belastbarer Observability-Daten beantwortet.

Gemeinsame Sicht

Entwicklung, Betrieb und Business-Analyse arbeiten mit denselben Dashboards.

Zielgerichtete Weiterentwicklung

Daten aus Betrieb und Support fliessen direkt in Priorisierung und Optimierung ein.

Technologien

  • OpenTelemetry
  • Prometheus
  • Grafana Cloud
  • Splunk
  • Quarkus
  • Angular
  • Faro
  • Apache Kafka & Kafka Streams
  • Microsoft Teams