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 algunas cosas. ¿Hay brasileños aquí? ¡Woo-hoo! ¡Genial! Entonces, voy a mostrarles algunos experimentos—no experimentos, sino algunas ideas que obtuve del campo. Así que 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, y demás. 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. No estoy realmente 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 que todos los principales servicios están 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, ¿verdad?, para evitar romperse. 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.

Los chantajes pueden suceder. Las estafas pueden suceder. Y es un momento bastante aterrador del que no veo a mucha gente hablar. Creo que una de las cosas más grandes que tuvimos y culpábamos a NPM y muchas cosas, pero esto está sucediendo, son los ataques a la cadena de suministro. Y esto realmente llegó a cosas de OpenAI y chattpt codecs. Así que cuando intentaba usarlo estos días, estaba como, esto es un malware. Qué aterrador es, ¿verdad? Pero sí, 2026, acabamos de empezar, era como, sí, la IA va a resolver todos los problemas. Esto es muy bueno. Pero en la 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. Así que 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 por más de 10 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 eventos de Black Friday y campañas. Y generalmente trato de hacer un informe para ellos, 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 que los usuarios tienen un APM, una plataforma o herramienta de monitoreo de rendimiento de aplicaciones, podemos obtener muchas consultas diferentes y 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 decir de código abierto que tengo un clúster de Kubernetes allí ejecutándose y no soy un tipo de DevOps. Soy un desarrollador de software que es muy curioso. Pero aquí puedes ver que podemos hacer todo realmente gratis usando SDKs, de código abierto. Y esto es en realidad una aplicación web, ¿verdad? Normalmente vemos ejemplos con back end, pero esto también funciona en el front end.

Bueno, cuando estoy tratando de investigar un problema de rendimiento con algún cliente, creo que el mayor cuello de botella para mí es que tienen diferentes fuentes de datos. Registros que genero en un lado, métricas en otro, trazado en otros. Si no conoces estas palabras, 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 podría llevar una semana dependiendo de lo complejo que 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. Ejecutando una prueba de carga localmente, tenemos que intentar obtener métricas locales, así que esta es una muy buena biblioteca llamada Clinic JS de la que tengo algunos ejemplos allí también. Así que puedes detectar lo que tu aplicación está haciendo localmente y realmente intentar obtener el perfil de CPU, analizando cuánto tiempo tarda la función en procesarse, etcétera. Nada relacionado con OpenTelemetry hasta ahora, pero solo estoy mostrando cómo generalmente se deprime.

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 100% 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. Este lo hice para Meeture. Así que Meeture es un framework, los chicos y chicas mayores recordarán este, pero están vivos, así que comencé a ayudarlos a hacer la plataforma un poco más rápida y confiable. Bien, AI. Así que todo esto lo hice manualmente, pero ahora voy a mostrarte cómo podemos hacer esto mucho más rápido usando AI, pero no solo AI, 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 realmente fue una comunidad.

Vas a ver cuántas empresas están ayudando en esto. Y para mí, diría que Docker fue el mejor para mi vida, diría. Es uno de los más grandes, pero OpenTelemetry también lo es. Así que solo para saber cuántos de ustedes han estado trabajando con el SDK de OpenTelemetry? Genial, genial, genial. Así que muchos de ustedes van a ver esto de primera mano. Así que una de las cosas que comencé a investigar sobre este genial protocolo y biblioteca 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.

Entonces, el primer tema que realmente podemos obtener son los registros. Así que voy a mostrarte algunos de estos conceptos. Entonces, registros. ¿Qué es un registro? Aquí, usualmente usas un console.log, pero el problema es que no tienes el contexto completo. Así que justo ahí, con OpenTelemetry, puedo ver un error, puedo ver el stack trace, puedo ver cuándo ocurrió, y puedo intentar correlacionar diferentes eventos desde allí. Entonces puedes imaginar que los documentos son 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 puedo ver los endpoints también, donde puedo ver rutas, el tiempo de respuesta, y podemos empezar a tener una idea. Desde allí, este es el que más uso, diría. Esto es lo que llamamos trazado. Así que podemos rastrear desde el primer evento hasta el final. Mira qué increíble es esto. Podemos ver aquí, 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 puedes 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 paneles. Así que aquí tengo el panel 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?

Entonces, primero que nada, estoy usando solo herramientas de código abierto. Esta es la realidad de mi propia infraestructura a la que acceden más de 10,000 estudiantes todos los días. Así que tu aplicación está usando el SDK, solo está enviando los datos al OpenTelemetry Collector, que es como un centro de servicios, 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 registros van a Grafana Locking. El trazado va a Grafana Temple. Y finalmente, usamos Grafana como el centro principal para acceder a todos estos datos, construir paneles, crear alertas, y así sucesivamente.

Bien, cuando comienzas, o cuando piensas en casa, lo primero es darte 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 justo ahí, 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 obtenemos todo justo en su lugar. Una cosa que es muy buena es que OpenTelemetry tiene una demo allí donde puedes ver todos los microservicios en funcionamiento, front-end, back-end, otros servicios diferentes, y puedes verlo claramente en el panel.

Así que esto es realmente útil, pero no voy a profundizar mucho en esto, porque estamos aquí para hablar sobre IA, IA, IA, ¿verdad? Así que una vez que tenemos los datos, una vez que sabemos qué probablemente queremos ver, entonces podemos comenzar a usar IA para hacer nuestras vidas más fáciles. Así que para mí, haciendo esta investigación, tratando de trabajar con clientes, para mí todo cambió después de la IA, al hacer este tipo de investigación. Una cosa que quiero decirles, no sé si ustedes también han sufrido esto, pero ¿alguien más ha sido hackeado por la vulnerabilidad de shell de React 2.0? Así que ya saben, esta fue una vulnerabilidad en React que permitía a las personas enviar scripts y simplemente ejecutar comandos de shell desde su página.

Una cosa que quiero contarles, no sé si ustedes también han sufrido esto, pero ¿alguien más ha sido hackeado por la vulnerabilidad de shell de React 2.0? Así que ya saben, esta fue una vulnerabilidad en React que permitía a las personas enviar scripts y simplemente ejecutar comandos de shell desde su página. Así que allí pueden escribir este paquete muy feo, o script, y simplemente usamos un fetch, que va a tu aplicación de React, en mi caso era una aplicación de Next.js, y ellos pudieron ejecutar o descargar un archivo desde allí. Fue bastante aterrador. Me enteré porque recibí una alerta con el 90% de los usuarios en mi clúster. Así que usé IA para esto, una muy básica, simplemente pregunté en mi LLM, era 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, pensé, wow, esto va a ser contenido. Pensé, genial. Hice un video en YouTube mostrando todo esto. Pensé, no, no, déjalo 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 bastante 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? Bien, así que la IA estaba usando el Kubernetes CLI y pudo obtener muchas respuestas y de ida y vuelta, pero mira, no está correlacionando mis datos. Los registros podrían tener alguna información allí, probablemente métricas que puedo obtener más y más. Entonces, ¿qué pasaría si pudiéramos aprovechar las habilidades, MCPs, y más que la IA 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 solicitud de extracción por mí. Y en mi caso, finalmente podría usar Google Docs MCP para crear el informe final por mí. Mira, antes estaba abriendo muchas pestañas diferentes, ahora puedo hacer todo desde mi propio editor. Así que, ¡puf!, 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 registros, métricas, trazado, y podemos intentar correlacionarlos todos desde aquí. Así que mi investigación generalmente comienza mirando los paneles que tengo. Y ahora puedo ver que tenemos muchos errores para este endpoint. Y puedo ir a mi editor y preguntar, bueno, tengo este problema aquí.

Una vez que tengamos el MCP y todas sus herramientas configuradas, este proceso será mucho más sencillo para mí. Mira, ¿qué tan increíble es esto? Así que tengo aquí mi ID. Solo estoy diciendo todos los prompts. Ahora 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 depurar. 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, o Open Telemetry, es el estándar. Así que puedes usarlo en cualquier idioma 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. Y datos. 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 en que la gente no confía. 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 contigo. ¿Qué piensas? ¡Woohoo! Muy bien. Así que, como es tradición, voy a empezar desde este lado. Y vamos a intentar hacer una Ola. ¿Qué piensas? Necesito algo de energía ahora mismo. ¿Verdad? ¡Woohoo! Así que, voy a empezar desde este lado. Así que, uno, dos, tres. ¡Woohoo! Voy a hacerlo una vez más porque quiero más energía. ¿Verdad? Así que, uno, dos, tres. ¡Muchas gracias, Ámsterdam!

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

Y luego, la otra cosa es, ¿crees que introducir LLMs para analizar la open telemetry, crees que va a crear, por ejemplo, más trabajo? ¿O porque hay algún tipo de problemas o inconsistencias en los datos? Sabes, como, la IA puede cometer errores todo el tiempo. Diría que esta es una pregunta muy buena porque cuando lo hacía a mano, generalmente obtenía el primer trace ID, 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, yo era más preciso porque no solo estoy analizando un solo trace. 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 carga y no puedo simplemente confiar en un solo ID, por ejemplo, ¿verdad? Así que no creo que sea más trabajo, pero aún así, tenemos que verificar a mano. Tienes que verificar. Sí. ¿Qué tipo de pasos sigues? Como, solo como un seguimiento de 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, está bien, voy a intentar cambiar. Ejecuta una vez más y ve cómo son los resultados, y si el número cambia alguna vez. Si cambia, está bien, creo porque tengo una prueba al final, ¿verdad? Sí, sí, está bien. Y una cosa aquí es, ¿cómo puedes conectar, como cuáles son los pasos reales que tomas para conectar LLMs a tus datos de OTEL? Oh, es realmente agradable. 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 ellos 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 el MCP y hice preguntas y es capaz de ir allí. Está bien, agradable, sí. Aún así, podrías usar habilidades y otros enfoques mejores para ahorrar tokens, pero estaba tratando de ir por el camino fácil. Está bien, está bien, agradable. Veamos, ¿qué más tenemos aquí? Además, demostraste el uso de este stack LGTM de Grafana. ¿Y cuáles son tus pensamientos sobre otros stacks de código abierto como este Cygnos? He visto como Open Observability, he visto como ClickHouse puedes usar, que es un montón 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 era OpenTelemetry 2.0. Teníamos nuestros propios dashboards, pero incluso allí estaba usando Grafana porque tenía más control de los datos por alguna razón, no sé. Correcto, correcto, agradable, está bien. Y tú, como esto 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 análisis? Creo que como cualquier proceso de LLM, en realidad empiezo a escribir lo que haré. Así que en mis pasos manuales, era como ir a los logs, ir a las métricas, ir aquí y tratar de 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 si fuera más difícil obtener un resultado cuando es inconcluso. Así que a veces el error es intermitente, 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.

Bien, así que para idear el, como lo que estoy escuchando es para idear estos prompts, tienes que tener algún tipo de conocimiento previo de qué pasos seguir y todo eso. Lo cual creo que es lo mismo para los desarrolladores, ¿verdad? La gente está diciendo, oh vamos a ser reemplazados. No, no, no. Solo estamos usando nuestra mente, tratando de descargar nuestro cerebro, 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 OTEL? ¿Qué tan madura dirías que es? Bueno, dicen que es experimental, pero lleva años ahora. No estoy seguro si hay mucha gente allí. Pero para esta demo, estaba tratando de 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 voy a probar. Para ser honesto, trabajé principalmente en el lado del back end para esto. Pero aún así, pude obtener métricas básicas que funcionan para mí, y puedo tener algo cercano a la de Web Standards que muestra tu velocidad SEO y mucho más.

Sí, sí. Bueno, quiero decir, si ha estado presente durante años y todavía está en esta misma etapa, entonces probablemente muchas personas y empresas lo están utilizando, y por lo tanto hay algún tipo de nivel de prueba de batalla allí. Como el paquete npm para la web, pensé que vi como 16 millones de descargas por mes. Correcto. Aunque el documento dice que es experimental, todos lo están usando desde hace un tiempo en la demostración también, así que creo que es seguro. Así que este es un buen paquete para que ellos se comprometan, ¿verdad? Exactamente. Pueden hacerse cargo de este, y luego 16 millones de descargas, ¿verdad? Sí. Sí. Sí, ¿qué más tenemos aquí?

Entonces también, cuando revisas, un poco más en profundidad en el tipo de revisión que haces de los informes de IA, ¿revisas como todos los detalles? ¿Como que revisas 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, como trabajar con clientes, ellos tienen que creerme al ver en la práctica. Así que generalmente 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 bien, si tienes esto, digamos, si tienes esta función sincrónica, cuando ejecutas la prueba de estrés, vas a ver que esta función va a mantenerse en la CPU por x 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 que como el 99% de los problemas de rendimiento que resolví fueron muy tontos. Es como, oh, AVG estaba simplemente desactualizado. Cuando actualizamos, la velocidad fue simplemente cantidades locas. Así que creo que todo el tema de esta charla es sobre encontrar ganancias rápidas. Así que no tienes que cambiar muchas aplicaciones, pero ganancias rápidas, puedes ver, bueno, ¿dónde está el endpoint más utilizado en esta empresa? ¿Cuál es la consulta más lenta? Si puedes cambiar, puedes extraer mucho valor de eso. Sí, fruta al alcance de la mano, ¿verdad? Sí, sí. Sí, esas pruebas unitarias suenan un poco como evaluaciones de IA, un poco, como para evaluar lo que la IA ha estado haciendo. Para ser honesto, lo estaba haciendo manualmente. Estaba como, este es el mejor script, déjame ejecutar el mejor script. Sí, bueno, cualquier tipo de prueba es buena, sí, sí. Sí, y tal vez uno último aquí.

¿Cómo sabes si estás registrando en exceso, como registrando demasiados datos? No lo sabes. De acuerdo. 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 los registros, 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, quiero decir, entonces la respuesta a la pregunta es cuando tu disco duro se llena o si tienes algún experto que pueda ayudarte? Solo una sensación sobre esto. Usualmente tu disco no se va a llenar porque tenemos como el TTL. Así que es como, bueno, los datos van a sobrevivir solo una semana. Después de una semana, se eliminan y podemos tener el ciclo. Porque usualmente los registros y la telemetría, podemos ver ahora y podemos comparar ahora. Sí, OK. Genial. Bueno, oye, gracias. Muchas gracias por la charla. Sí. Denle otro aplauso a Eric. Gracias.