Monitoreo FullStack con Open Telemetry: Observabilidad de Extremo a Extremo para Aplicaciones Modernas

Hola, Ámsterdam! Cês tão bom? Necesitamos algo de energía después del almuerzo, ¿verdad? Esta es mi cuarta vez aquí. He estado viajando mucho y vine desde Brasil y solo quiero aprender ¿Hay brasileños aquí? ¡Genial! Así que voy a mostrarles algunos experimentos, no experimentos, sino algunas ideas que obtuve del campo. He sido un desarrollador de rendimiento durante mucho tiempo y sé que todos están hablando sobre IA e IA, pero sé que hay muchas otras cosas que todavía son importantes y voy a intentar mezclar ambos.

Así que espero que lo disfruten. Sé que va a ser mucho contenido y no podré mostrar todo lo que quiero mostrarles aquí, pero pueden acceder a las diapositivas más tarde, las referencias, y así sucesivamente. Perfecto. ¡IA! ¡IA! ¡IA! He visto a personas decir, bueno, estoy tan aburrido de esta palabra clave que la gente solo está diciendo por ahí y en realidad no estoy aburrido, pero estoy un poco preocupado. Parece que tenemos un nuevo estándar, ¿verdad? ¿Cuál es el estándar? El estándar es aplicaciones fallando por todas partes. No tengo idea de cuántas veces he visto esta página esta semana y he visto todos los principales servicios caídos.

Y esto no solo está sucediendo con GitHub. Solo lo estoy mostrando como un ejemplo. Esto parece ser una nueva normalidad. He visto aplicaciones fallando y no sé ustedes, pero cuando comencé, era bastante malo tener un tiempo de inactividad, diría que era bastante irresponsable. Pero ahora parece que está bien. Así que no es solo con GitHub. Puedes ver muchos otros proveedores. Sé que la IA está cambiando mucho. La gente solo está empujando y empujando más código, pero aún así, podemos gastar más máquinas o hacer algo para evitar que se rompa. La otra cosa para mí, que es realmente mala, es la vulnerabilidad.

Nunca he visto tantas publicaciones sobre ser vulnerable, filtraciones de datos y más. Y no sé, la gente solía decirme, bueno, ¿no tienes miedo de tus datos en Internet? Yo decía, sí, Google me conoce y sabe todo lo que tengo. Pero ahora con estas filtraciones, ya no estoy seguro. Correcto. Los chantajes pueden suceder. Las estafas pueden suceder. Y es un momento bastante aterrador del que no veo a mucha gente hablando.

Creo que una de las cosas más grandes que tuvimos y culpábamos a NPM y muchas cosas, pero esto está sucediendo. Son ataques a la cadena de suministro. Y esto realmente llegó a cosas de OpenAI y chatAPT codecs. Así que cuando intentaba usarlo estos días, pensaba, esto es un malware. ¿Qué tan aterrador es eso? Correcto. Pero sí, 2026, acabamos de empezar. Era como, sí, la IA va a resolver todos los problemas. Esto es muy bueno. Pero en realidad, era como, oh Dios mío, esto está bien. Todo se está incendiando. A veces la gente ni siquiera se da cuenta de que están caídos.

Pero entonces, la forma aquí en esta charla es mostrarte cómo evitar esto y cómo puedes usar los datos a tu favor sin tener que gastar un centavo. Bien, como te dije, he sido desarrollador de software durante más de diez años, pero me he centrado en aplicaciones de rendimiento, principalmente Node.js, y comencé a hacer algunas consultorías en Brasil, principalmente ayudando a empresas a sobrevivir a eventos de Black Friday y campañas. Y normalmente trato de hacer un informe para ellos para señalar lo que pueden tener para victorias rápidas y mucho más. Así que aquí hay un ejemplo de lo que hacemos. Normalmente este es en realidad mi video de YouTube mostrando, pero normalmente podemos inspeccionar cómo va el código de la aplicación, cuál es el algoritmo.

Si tenemos algún problema con las bibliotecas, en casos en que los usuarios tienen un APM, una plataforma o herramienta de monitoreo de rendimiento de aplicaciones, podemos obtener muchas consultas diferentes en tiempos de respuesta y mucho más. Y esto ayuda mucho con la investigación. Y aún sabemos que los APMs son generalmente muy caros. Así que en mi caso, opté por el código abierto y tengo un clúster de Kubernetes allí ejecutándose y no soy un chico DevOps. Soy un desarrollador de software que es muy curioso. Pero aquí puedes ver que podemos hacer todo realmente gratis usando SDKs, código abierto. Y esto es en realidad una aplicación web. Usualmente vemos ejemplos con backend, pero esto también funciona en el frontend.

Bueno, cuando intento investigar un problema de rendimiento con algún cliente, creo que el mayor cuello de botella para mí es que tienen diferentes fuentes de datos. Logs que genero en un sitio, métricas en otro, trazado en otros. Si no conoces estas palabras, las voy a explicar más tarde también. Pero mira, estaba obteniendo toda esta información sobre algún problema que llegó allí. Recibo las alertas.

Así que una vez que tengo una alerta, sé qué abordar primero. Y después de obtener todos estos datos, tengo que ejecutar la aplicación localmente. Puedo tener pruebas de estrés, ejecutar gráficos de llamas, perfiles de CPU y mucho más para finalmente tener el informe final para enviar al cliente. Mira, este es un trabajo que tomaría una semana dependiendo de cuán complejo sea el problema. Y sabemos que en producción, las cosas no están tan bien gestionadas, ¿verdad? Sabemos que el entorno de producción y el de pruebas tienen la misma aplicación, pero no es lo mismo porque los datos son diferentes y a veces se comportan de manera diferente. Así que esto es algo realmente difícil cuando se intenta observar aplicaciones. Y algunos clientes ni siquiera tienen una plataforma APM.

Así que tenemos que hacer todo a mano, ejecutar tus pruebas de carga localmente. Tenemos que intentar realmente obtener métricas locales. Así que esta es una biblioteca muy buena llamada ClinicJS de la que tengo algunos ejemplos allí también. Así que puedes detectar lo que tu aplicación está haciendo localmente e intentar realmente obtener el perfil de CPU, analizando cuánto tiempo toma la función en procesar y así sucesivamente. Nada relacionado con OpenTelemetry hasta ahora, pero solo estoy mostrando cómo es generalmente el proceso.

Así que como te dije, tengo que recopilar todos estos datos y luego tengo un informe final y tenemos que hacer muchas suposiciones. Nada es perfecto y a veces no estamos cien por ciento seguros de que la causa del problema de rendimiento fue el problema. Así que después de hacer todo esto, llegamos a un informe que podemos enviar a un cliente. Así que este lo hice para Meeture. Así que Meeture es un framework, los chicos y chicas más viejos recordarán este, pero están vivos. Así que comencé a ayudarlos a hacer la plataforma un poco más rápida y confiable.

OK, IA, IA. Así que todo esto lo hice manualmente, pero ahora voy a mostrarte cómo podemos hacer esto mucho más rápido usando IA, pero no solo IA, sino también los datos en sí. Así que OpenTelemetry es todo aquí. Creo que es una de las mejores cosas que la humanidad ha creado porque fue realmente comunidad. Vas a ver cuántas empresas están ayudando en esto. Y para mí, diría que Docker fue el mejor para mi vida. Diría que es uno de los más grandes. Pero OpenTelemetry es uno también. Así que solo, ya sabes, ¿cuántos de ustedes han estado trabajando con el SDK de OpenTelemetry? Bien, bien, bien. Así que muchos de ustedes van a ver esto de primera mano. Así que una de las cosas que comencé a investigar sobre este protocolo y biblioteca escolar que funciona en cualquier lenguaje de programación, cualquier plataforma, es cómo las empresas están contribuyendo entre sí. Mira cuántas de las más grandes están aquí. Google, Splunk, New Relic, Datadog, todos ellos están tratando de alcanzar un estándar. Así que cualquiera de nosotros puede beneficiarse de esto. No tenemos que gastar un centavo. Está bajo una fundación y es realmente confiable para nosotros. Así que el primer tema que realmente podemos obtener son los logs. Así que voy a mostrar algunos de estos conceptos. Así que logs, ¿qué es un log? Aquí, usualmente usas un console dot log, pero el problema es que no tienes el contexto completo.

Así que justo ahí con OpenTelemetry, puedo ver un error. Puedo ver este stack trace. Puedo ver cuándo ocurrió. Y puedo intentar correlacionar diferentes eventos desde allí. Así que puedes imaginar que los documentos están de un lado, pero también tenemos otros. Luego tenemos métricas. Las métricas las usamos generalmente para medir el tiempo durante algunos períodos de eventos. Así que aquí estoy tratando de ver qué está haciendo V8, el ciclo de vida de Node.js, y también puedo ver los endpoints. Donde puedo ver rutas, el tiempo de respuesta, y podemos empezar a tener una idea.

Desde allí, este es el que más uso, diría yo. Esto es lo que llamamos tracing. Así que podemos rastrear desde el primer evento hasta el final. Mira qué increíble es esto. Podemos ver aquí que estoy comenzando en la API, ¿verdad? Está en el lado del backend, pero podría haber comenzado en el navegador. Así que podría hacer clic como compra. Y desde la compra, va a ir al backend. Va a ir a la base de datos. De la base de datos de vuelta al backend, de vuelta al frontend. Y podemos ver todos estos tres, y puedes ver, wow, probablemente mi aplicación no es tan lenta. Pero estoy usando una API de terceros que está arruinando todo.

Así que esto puede tener y puede mostrarnos un poco más y más contexto. Y aquí es donde paso la mayor parte del tiempo. Finalmente, cuando tienes datos, puedes construir dashboards. Así que aquí tengo el dashboard para todos los servicios. Pero lo que más uso con los clientes es mirar los errores o ver el conteo de solicitudes, y todo está aquí. Así que una vez que tienes los datos, todo resulta ser mucho más fácil, ¿verdad? Así que para tener una idea de cómo funciona, no te mostraré cómo instalarlo, pero los atajos deberían estar al frente en este tema. Así que primero que nada, estoy usando solo herramientas de código abierto. Esta es la realidad de mi propia infraestructura que tengo más de 10,000 estudiantes accediendo todos los días. Así que tengo tu aplicación usando el SDK. Solo está enviando los datos al colector de open telemetry, que es como un hub de servicio, solo para enviar los datos a las otras bases de datos porque están optimizadas para diferentes tipos de datos.

Así que las métricas van a Prometheus. Digamos que los logs van a Grafana locking, el tracing va a Grafana Tempo. Y finalmente, usamos Grafana como el hub principal para acceder a todos estos datos, construir dashboards, crear alertas, etcétera.

OK, cuando comienzas y o cuando piensas en casa, lo primero es darse cuenta de qué bibliotecas usas en producción. Y puedes intentar verificar la instrumentación para esta biblioteca. Y mira qué increíble es este protocolo. Simplemente añadimos la instrumentación allí mismo y podemos comenzar a apilar para cada biblioteca que tenemos porque probablemente queremos medir qué tan rápida es la base de datos. ¿Qué tan rápidas son las otras respuestas? Y podemos comenzar a apilar todas esas bibliotecas y obtener todo justo en su lugar.

Una cosa que es muy buena es que OpenTelemetry tiene una demo allí donde puedes ver todos los microservicios ejecutándose en el front end, back end, otros servicios diferentes. Y puedes verlo en el dashboard. Así que esto es realmente útil. Pero no iré demasiado lejos en esto porque estamos aquí para hablar sobre AI, AI, AI, ¿verdad? Así que una vez que tenemos los datos, una vez que sabemos qué probablemente queremos ver, entonces podemos comenzar a usar AI para hacer nuestras vidas más fáciles.

Así que para mí, haciendo esta investigación, tratando de trabajar con clientes, para mí, todo cambió después de AI al hacer este tipo de investigación. Una cosa que quiero decirles, no sé si ustedes también sufren de esto, pero ¿alguien más ha sido hackeado por la vulnerabilidad React2Shell? Solo para que sepan, esta era una vulnerabilidad en React que permitía a las personas enviar scripts y simplemente ejecutar comandos shell desde tu página. Así que allí pueden escribir este paquete muy feo o script, y simplemente usamos como un fetch que va a tu aplicación React. En mi caso, era una aplicación Next.js. Y pudieron ejecutar o descargar un archivo desde allí. Fue bastante aterrador. Solo me enteré porque recibí una alerta con el 90% de los usuarios de mi clúster. Así que usé AI para este caso muy básico. Simplemente le pregunté a mi LLM, estaba como, bueno, ¿por qué mi aplicación está consumiendo tanto CPU? Y luego hizo mucha investigación, ejecutó muchos comandos en mi clúster, y obtuve el informe. Así que al final, estaba como, wow, esto va a ser contenido. Estaba como, genial. Hice un video de YouTube mostrando todo esto. Estaba como, no, no, mantén ahí. Veamos qué están haciendo. Pero al final, estaban tratando de minar algo de criptomoneda en mi clúster, pero afortunadamente, estaba usando Kubernetes y todo estaba aislado. Así que pudieron entrar, pero estaban como muy perdidos allí. Pero fue agradable. Para mí, fue una realización como, wow, imagina si no tuviera esto, ¿cuál sería el problema para entender finalmente qué está pasando allí? OK, así que la AI estaba usando el Kubernetes CLI y pudo obtener muchas respuestas y de ida y vuelta. Pero mira, no está correlacionando mis datos. Los logs podrían tener alguna información allí, probablemente métricas que puedo obtener más y más. Entonces, ¿qué pasa si podemos aprovechar las habilidades, MCPs, y más que AI nos está mostrando? Así que podría usar Grafana MCP para intentar relacionar todos los datos. Podría usar Context 7 para obtener el código más actualizado y verificar y pedir al LLM que solucione este error o problema. Puedo pedir al servidor GitHub MCP que cree el problema o incluso la pull request para mí. Y en mi caso, finalmente podría usar Google Docs MCP para crear el informe final para mí. Mira, antes estaba abriendo muchas pestañas diferentes. Ahora puedo hacer todo desde mi propio editor. Así que es realmente rápido. Así que en este caso, estoy mostrando Grafana. Es de código abierto, ejecutándose localmente. Así que lo primero aquí es que tienen muchas herramientas diferentes para acceder a todos los datos que tenemos.

Así que una vez que tenemos las herramientas allí, puedes ver, dios mío, es mucho. Esto debe gastar muchos tokens, creo. Pero con habilidades, creo que esto podría ser bueno. Pero mira, podemos acceder a logs, métricas, trazas, y podemos intentar correlacionar todo desde aquí. Así que mi investigación generalmente comienza mirando los dashboards que tengo. Y ahora puedo ver que tenemos muchos errores para este endpoint.

Y puedo ir a mi editor y preguntar, wow, estoy teniendo este problema aquí. Intenta investigar. Como tenemos el MCP y todas sus herramientas configuradas, este proceso va a ser mucho más sencillo para mí. Mira, ¿qué tan increíble es esto? Así que aquí tengo mi ID. Solo estoy diciendo todos los prompts ahora que estoy tratando de correlacionar datos. Así que tengo un prompt más específico aquí. Pero el final aquí es para mostrar el informe, creando el informe en sí para mí.

Así que está haciendo muchas preguntas. Pero mira, boom, tengo el informe listo. Imagina que estaba gastando ocho horas para hacer algo similar. Ahora tengo toda la información de diferentes fuentes de datos justo en mi mano, e incluso tengo la solución para el bug. Así que este fue un problema que creé a propósito, que estaba agotando las conexiones de la base de datos. Pero podemos ver en qué línea estaba sucediendo y por qué, cuándo. Y bueno, para mí, esto cambió mucho mi trabajo diario al trabajar.

Así que diría que el punto principal de esto es pensar en cómo puedes correlacionar tus datos. Así que los datos son lo más importante. Vamos a ir allí. Así que para resumir, diría que OTEL u OpenTelemetry es el estándar. Así que puedes usarlo en cualquier lenguaje diferente. He estado usando mucho con TypeScript, con JavaScript. Solo tienes que revisar las bibliotecas que quieres instalar allí. Pero es mucho más fácil de usar.

Puede funcionar con otros APMs. Digamos que no quieres ir autogestionado porque probablemente vas a gastar tiempo y dinero en almacenamiento y datos. A veces es complicado de gestionar. Pero puedes usar el mismo protocolo, la misma biblioteca, y simplemente moverte de un proveedor a otro porque es un estándar y es un protocolo abierto. Los datos son buenos, ¿verdad? Los datos siempre son buenos. Y trata de rastrear mucho, tanto como puedas, de datos.

Y finalmente, observa tus aplicaciones. No seas una más de esas empresas de IA que simplemente se rompen a mitad del día y en las que la gente no confiará. Y los datos están aquí. Es bastante sencillo para nosotros. Hay muchos tutoriales por ahí y podemos obtener mucho de ellos. Muy bien. Así que aquí tenemos todos los recursos. Puedes encontrar todas las diapositivas.

Y antes de que pasemos a las preguntas finales, me gustaría tomarme una selfie con ustedes. ¿Qué piensan? Muy bien. Así que, como tradición, voy a empezar desde este lado y vamos a intentar hacer una ola. ¿Qué piensan? Necesito algo de energía ahora mismo, ¿verdad? Así que voy a empezar desde este lado. Entonces, uno, dos, tres. Voy a hacerlo una vez más porque quiero más energía, ¿verdad? Entonces, uno, dos, tres. Muchas gracias, Ámsterdam.

Lo que veo aquí es la idea de soporte nativo, en realidad, para OTEL. Así que para OpenTelemetry en navegadores. ¿Creen que esto va a ser estandarizado o incorporado en algún tipo de APIs de navegador o algo así? ¿Han visto algo así? No, ojalá. Ojalá lo fuera. Pero ahora creo que Chrome tiene como una API de rendimiento allí que puedes observar. Pero lo que la gente suele hacer es intentar y simplemente usar el SDK. Pero sería bueno. OK, así que no hay, no hay como de ningún navegador. No has visto ninguna señal de eso. OK. Sí, eso sería, eso sería algo interesante.

Otra cosa es, ¿crees que introducir LLMs para analizar el OpenTelemetry, crees que va a crear, por ejemplo, más trabajo o porque hay algún tipo de problemas o inconsistencias en los datos? Sabes, como que puedo cometer errores todo el tiempo. Diría que esta es una pregunta muy buena, porque cuando lo hacía a mano, generalmente obtenía el primer ID de traza y trataba de moverme y tratar de reunir esto uno a uno. Cuando estoy usando algún LLM que tiene contexto, tiene datos de otros lugares, en mi mente, eso era más preciso porque no solo estoy analizando una sola traza. Puedo analizar un grupo. Voy a gastar tokens. Está bien. Pero al final, puedo tener una perspectiva diferente porque a veces solo estoy ejecutando una prueba de carga y no puedo simplemente confiar en un solo ID, por ejemplo. ¿Verdad? ¿Verdad? Así que no creo que sea más trabajo, pero aún tenemos que verificar a mano. Tienes que verificar. Sí.

Sí. ¿Qué tipo de pasos sigues? Como, solo como seguimiento a esto, ¿qué tipo de pasos sigues para verificar? Intento ejecutar la respuesta como en este ejemplo. Oh, tienes un problema creando conexiones. Solo cambia el número. Yo estaba como, OK, voy a intentar cambiar ejecutar una vez más y ver cómo son los resultados. Y si el número de errores cambia, si cambió. OK, creo porque tengo una prueba al final, ¿verdad? Sí. Sí.

OK. Y una cosa aquí es cómo puedes conectar? Como cuáles son los pasos reales que tomas para conectar LLMs a tus datos de hotel? Oh, es realmente agradable. Como, en este caso, solo tenía el Grafana MCP, que está ejecutándose en mi Docker Compose. Así que podría estar en Kubernetes y todo lo demás. Y porque Grafana es el centro para esas herramientas, que también poseen, es de código abierto, pero ellos poseen. Así que Grafana es solo el punto inicial para ello. Así que no tuve que hacer mucho. Solo configuré MCP y hago preguntas y es capaz de ir allí. OK, ahora podrías usar habilidades y otro enfoque mejor para ahorrar tokens. Pero estaba tratando de ir por el camino fácil. OK, OK, agradable.

Sí. Veamos. ¿Qué más tenemos aquí? También, demostraste el uso de esta pila LGTM de Grafana. ¿Y cuáles son tus pensamientos sobre otras pilas de código abierto como este Cygnos? He visto como observabilidad abierta. He visto como Clickhouse que puedes usar. Que tiene un montón de... Pero en mi caso, la mayor parte de la investigación, como es gratis, como es de código abierto, es la herramienta principal que he estado usando mucho. De hecho, diría que los últimos seis meses, estuve trabajando para una empresa de APM y la base también era OpenTelemetry.

OK, porque tenía más control de los datos por alguna razón. No sé. Correcto, correcto. Bien.

OK. Y tú... Como, esta es tal vez una pregunta más difícil de responder, pero dice, ¿podemos obtener el prompt que usas para el análisis de IA? Como, ¿cómo recomendarías hacer prompts sobre esos tipos de cosas de análisis? Creo que como, en cualquier proceso de LLM, en realidad empiezo a escribir lo que haré. Así que en mis pasos manuales, era como, ve a los logs, ve a las métricas, ve aquí e intenta obtener todos los datos. Así que esos son los pasos. Creo que puse en los recursos, el proyecto, si no me equivoco. Pero tenemos el GitHub abierto allí. Tenemos el prompt. Pero honestamente, es como es más difícil obtener un resultado cuando es inconcluso. Así que a veces el error es intermitente.

Oh, Dios mío. Lo entendiste bien. Sí. Y a veces sucede ahora y va a suceder solo en unas pocas horas. Y no estás seguro si es un problema de retraso, si es un problema de terceros. Así que este tipo de cosas son más complicadas. Pero generalmente, no es tan difícil. OK, así que para idear como lo que estoy escuchando es para idear estos prompts, tienes que tener algún tipo de conocimiento de fondo de qué pasos seguir y todo eso. Lo cual creo que es lo mismo para los desarrolladores. Correcto. La gente está diciendo, oh, vamos a ser reemplazados. No, no, no. Solo estamos usando nuestra mente, tratando de descargar nuestro cerebro y porque conocemos los pasos y solo le decimos a la máquina cómo hacer los pasos. Correcto, correcto. Sí, sí. Eso tiene sentido.

¿Qué hay de la integración del navegador para hoteles? ¿Qué tan madura dirías que es? Bueno, dicen que es experimental, pero lleva cuatro años ahora. No estoy seguro si hay mucha gente allí. Pero para esta demostración, estaba tratando de obtener los podría obtener las mismas métricas que obtuve de Web Standards. Así que es el primer tiempo para la página para descargar la página. Así que puedes tener las descargas. Pero no estoy seguro si reemplaza la analítica. Así que esto es algo que probaría. Para ser honesto. Trabajo principalmente en el lado del back end para esto. Pero aún así, puedo ir. Podría obtener métricas básicas que funcionan para mí y puedo tener algo cercano al de Web Standards que muestra como tu velocidad de SEO y mucho más. Sí. Sí. Bueno, quiero decir, si ha estado alrededor por años y todavía está en este mismo estado, entonces probablemente mucha gente son personas y empresas que lo están usando. Y así hay algún tipo de nivel de prueba de batalla. Sí. Como el paquete NPM para la web. Pensé que vi como 60 millones de descargas por mes. Correcto. Aunque el documento dice que es experimental, todos lo están usando desde hace un tiempo. Sí. La demostración también. Así que creo que sí. Así que este es un buen paquete para que ellos comprometan. Correcto. Como que pueden tomar este y 16 millones de descargas. Sí. Obtener. Sí. Sí.

¿Qué más tenemos aquí? Así que también cuando pasas por. Así que un poco más en profundidad en el tipo de revisión que haces de los informes de IA. ¿Revisas como todos los detalles como si pasaras por cada cada cosa como en detalle? Porque entonces la pregunta aquí dice porque tomaría un tiempo revisar todo. Entonces, sí. ¿Cuál sería tu flujo de trabajo allí?

Yo diría que trabajar con los clientes. Tienen que creerme al verlo en práctica. Así que usualmente cuando escribo el informe, trato de crear ejemplos reproducibles. Así que trato de hacer como una prueba, como una prueba unitaria para mi prueba allí. Así que, OK, si tienes esta, digamos si tienes esta función sincrónica, cuando ejecutas la prueba de estrés, vas a ver que esta función va a mantenerse en la CPU durante seis segundos y el valor va a ser este, este y aquel. Así que este tipo de enfoque es lo que ayuda.

Sin embargo, te diría, como el 90, 90 por ciento de los problemas de rendimiento que vi eran muy tontos. Es como si todo el AVG estuviera simplemente desactualizado. Cuando actualizamos, la velocidad fue simplemente cantidades locas. Así que creo que todo el tema de esta charla es sobre encontrar victorias rápidas. Así que no tienes que cambiar mucho de la aplicación, pero victorias rápidas. Puedes ver, bueno, ¿dónde está el punto final más usado en esta empresa? Sí. ¿Cuál es la consulta más lenta? Si puedes cambiar, puedes extraer mucho valor de eso. Sí. Fruta al alcance de la mano. Correcto. Sí. Sí.

Sí. Esas pruebas unitarias suenan un poco como evaluaciones de A.I. un poco como para evaluar con el A.I. para ser honesto, lo estaba haciendo manualmente. Estaba como, este es el mejor script. Déjame ejecutar el mejor. Sí. Bueno, cualquier tipo de prueba es buena. Sí. Sí. Sí. Y tal vez una última aquí.

¿Cómo sabes si estás registrando en exceso, como registrando demasiados datos? No lo sabes. OK. Lo que he hecho con algunos clientes fue intentar encontrar entregamos el primero y se quejan del almacenamiento y luego comenzamos a optimizar. Y esto es como siempre un ciclo porque nunca puedes terminar de optimizar. Siempre hay espacio para optimizar, optimizar y puedes volverte loco. Porque en mi caso, estaba como, wow, puedo cambiar esto. Pero algunos cambios, el cliente final ni siquiera se da cuenta del cambio. Así que esto es un equilibrio en el medio. Pero aún así modelar los datos en blogs, creo que debería haber algunas personas especiales de datos que puedan decir, bueno, esto es importante. Pero como el entorno no es importante.

No puedo hacer esto en eso. Así que más expertos y más expertos. Sí, sí. Eso tiene sentido. Sí.