Como sector, estamos dispuestos a debatir prácticamente cualquier aspecto de la tecnología. Sin embargo, nuestro fuerte parece ser discutir sobre terminología. Jerga. Palabras.
Nube. DevOps. SDN. Abierto. La controversia sigue aferrándose a la definición de estos términos como los pelos de perro a un sofá negro.
Tú usa tus símiles y yo usaré los míos, muchas gracias.
Hoy vamos a hablar de un término que, sin duda, seguirá generando debate durante otra década más o menos: la telemetría. Al fin y al cabo, ¿no son solo datos? ¿Usamos «telemetría» simplemente porque suena más atractivo que «datos»?
No. En absoluto.
En última instancia, tanto los datos como la telemetría son fragmentos organizados de información. No es ningún delito utilizar ambos términos indistintamente. Pero lo cierto es que, si queremos ser precisos, existe una diferencia. Y esa diferencia será cada vez más importante a medida que las organizaciones se adentren en la economía de los datos.
Telemetría deriva de dos palabras griegas: «tele» y «metron», que significan «remoto» y «medida». Según Wikipedia, «la telemetría es la recopilación de mediciones u otros datos en puntos remotos o inaccesibles y su transmisión automática a equipos receptores para su supervisión».
Por eso vemos que tantos datos operativos se denominan telemetría: porque se recopilan (de forma remota) y se transmiten a otro sistema. Los datos de telemetría no son algo nuevo. Han sido un subproducto inherente de todos los servicios de red y aplicaciones desde que existen. La supervisión de redes y aplicaciones lleva décadas utilizando agentes y protocolos para recopilar telemetría. Su valor ha residido principalmente en la resolución de problemas en la ruta de datos.
Sin embargo, a medida que las empresas avanzan en su transformación digital y la línea entre los procesos empresariales y la tecnología continúa difuminándose, la telemetría de toda la ruta de datos permitirá comprender mejor tanto los problemas técnicos como los empresariales . A medida que las organizaciones dependen cada vez más de las aplicaciones para llevar a cabo su actividad —tanto interna como externamente, con clientes y socios—, la telemetría más valiosa será la generada por los servicios de aplicaciones que conforman la ruta de datos.
Si se analiza esa ruta, hay al menos un servicio de aplicaciones —aunque seguramente sean más bien cerca de diez— que proporciona escalabilidad y seguridad.
Cada servicio de aplicación —y las plataformas en las que se implementa— dispone de información valiosa sobre el estado de una determinada experiencia del cliente. Desde las características de la plataforma del usuario (tipo de dispositivo, ubicación, red) hasta el tiempo empleado en cada «salto» del recorrido de los datos, toda esta información puede utilizarse para resolver incidencias, identificar a actores maliciosos y analizar en detalle los problemas de rendimiento. No se trata de datos «de clientes» ni de datos «corporativos», sino de datos operativos. Es telemetría.
Sin embargo, para aprovechar realmente esos datos, debemos encontrar una forma de capturar y analizar el enorme volumen de información que pueden generar los servicios de aplicaciones en la ruta de datos. Ahí es donde entra en juego la nube.
Por qué la nube es fundamental para aprovechar la telemetría
Actualmente, solo se recopila una parte de la telemetría, ya que conservarla toda requeriría más espacio de almacenamiento del disponible.
La cantidad de telemetría que se genera —y que podría llegar a generarse— es abrumadora. La mayoría de los sistemas no pueden almacenar más que unas pocas semanas —o días— de telemetría. A menudo, se divide en series temporales para ahorrar espacio. Pero ni siquiera eso puede evitar la enorme carga que supone para el almacenamiento. Al final, debe eliminarse para dejar espacio a datos de telemetría más recientes y relevantes.
Por eso, los servicios de análisis avanzado suelen estar alojados en una nube pública. La capacidad de computación y almacenamiento en la nube, combinada con el aprendizaje automático, proporciona las bases tecnológicas necesarias para recopilar, almacenar y procesar enormes cantidades de telemetría. Con un conjunto de datos de telemetría lo suficientemente sólido, el análisis avanzado podrá proporcionar a las organizaciones información práctica mediante el descubrimiento de patrones y relaciones entre puntos de datos aparentemente dispares.
Pero, para llegar a ese punto, los servicios de aplicaciones deben emitir tanta telemetría como pueda ingerir un repositorio basado en la nube. Además, debe proceder de tantos puntos de la ruta de datos como sea posible. Cuanta más información pueda recopilarse a lo largo de la experiencia del cliente (la ruta de datos), más valiosa será para el sistema que busca patrones y relaciones que revelen información práctica para mejorar tanto la experiencia del cliente como el rendimiento empresarial.
Sobre el autor
Lori MacVittie es ingeniera distinguida y evangelista jefe en la Oficina del CTO de F5, y cuenta con una amplia experiencia en entrega de aplicaciones, estrategia de automatización e infraestructura. Es conocida por convertir la complejidad en claridad, ya sea definiendo mecanismos de protección para agentes de IA, analizando arquitecturas multinube frágiles o explorando los límites de los sistemas escalables. Aporta más de treinta años de experiencia en el sector en desarrollo de aplicaciones, arquitectura de TI y operaciones de redes y sistemas. Antes de incorporarse a F5, fue una galardonada editora de tecnología. MacVittie posee un máster en Informática y es una autora prolífica cuyas publicaciones abarcan la seguridad, la nube y la arquitectura empresarial. También es una apasionada de los juegos de mesa y los videojuegos, y expresa sin complejos sus firmes opiniones sobre el queso.
Más artículos de Lori Mac VittieArtículos relacionados del blog
Proteger los endpoints de las API dificulta la seguridad de las API
Descubre las complejidades de la seguridad de las API, los retos a los que se enfrentan las organizaciones, la evolución de los ataques contra endpoints de API y la necesidad de políticas de seguridad adaptadas.
¿Qué es el sesgo de la IA y por qué es importante para TI?
Descubre los fundamentos del aprendizaje de la IA. Aprende cómo pueden surgir sesgos en la IA y qué riesgos plantean para las TI y la transformación digital.
Redefiniendo la ciberseguridad en el extremo de la nube distribuida con IA y telemetría en tiempo real
La transformación digital y la adopción de tecnologías en la nube están provocando cambios en las arquitecturas de las aplicaciones. Estos cambios introducen nuevas superficies de ataque, que son el objetivo de métodos de ataque avanzados, altamente organizados y con motivaciones económicas. Mediante el uso del framework Morpheus de NVIDIA, F5 está investigando técnicas para detectar estas amenazas avanzadas con telemetría en tiempo real y análisis basados en IA.
El papel de la nube en las aplicaciones nativas del edge
No debería sorprender que, al igual que la aparición de la nube dio lugar a las aplicaciones nativas de la nube, el edge esté impulsando un conjunto de aplicaciones nativas del edge. Sin embargo, estas aplicaciones no residirán únicamente en el edge. Al mismo tiempo, están surgiendo nuevos patrones arquitectónicos que aprovechan las aplicaciones alojadas en la nube y en el centro de datos.
La creciente diversidad de ubicaciones y usuarios está impulsando a las empresas hacia el edge
En el contexto del ámbito de las aplicaciones, el término «usuario» siempre se ha referido a la entidad que interactúa con una aplicación. Del mismo modo que los cambios en las arquitecturas de las aplicaciones impulsan cambios en las tecnologías que permiten ofrecerlas y protegerlas, los cambios en la definición de usuario han provocado cambios en los lugares donde se despliegan las aplicaciones.
El edge está impulsando un renacimiento de las infraestructuras
A medida que las organizaciones aumentan la generación de datos y tratan de extraer valor empresarial de ellos, sin duda recurrirán a la analítica y la automatización basadas en la IA y el aprendizaje automático. Precisamente este tipo de cargas de trabajo son las que más se beneficiarían de una infraestructura optimizada y, sin embargo, hoy en día son las que menos probabilidades tienen de poder aprovecharla.