Saltar al contenido
Volver

Atlassian automatiza el root cause analysis correlacionando métricas, logs y trazas

Atlassian publicó vía CNCF un enfoque que correlaciona métricas, logs, trazas y topología de servicios para generar hipótesis rankeadas sobre el origen de un incidente.

Nauta Lab
2 min

Atlassian automatiza el root cause analysis correlacionando métricas, logs y trazas

Atlassian publicó un nuevo enfoque para automatizar el root cause analysis (RCA) en incidentes cloud-native a gran escala, y lo hizo a través del blog de la CNCF. La idea de fondo: dejar de hacer que el ingeniero on-call salte manualmente entre dashboards y herramientas para conectar señales sueltas, y en su lugar correlacionar todo con un modelo de anomalías compartido.

RCA como problema de correlación multi-señal

El sistema trata el RCA como un problema de correlación en tres ejes: tipo de señal, tiempo y topología. En vez de que un humano detecte una anomalía, busque en logs y trazas, y reconstruya la cadena de dependencias a mano, la plataforma:

  1. Detecta anomalías de forma independiente en cada señal.
  2. Las alinea en una línea de tiempo común.
  3. Las traza a través de un grafo de dependencias de servicios.

El resultado es un conjunto rankeado de hipótesis que identifica el origen probable del fallo, su ruta de propagación y la evidencia que lo respalda.

Cómo reduce el espacio de búsqueda

El primer paso es acotar el problema: en vez de analizar cada servicio de un entorno enorme, usa mapas de servicio derivados de OpenTelemetry para identificar el subconjunto de servicios involucrado en el recorrido del usuario afectado. El grafo de dependencias se construye desde el tráfico real de producción (relaciones padre-hijo entre spans), no desde documentación estática de arquitectura.

Después aplica métodos distintos según la señal: las métricas se revisan por cambios en tasas, errores y duración; las trazas por excepciones, latencia y cambios estructurales; y los logs se agrupan para detectar patrones de error nuevos o inusuales.

De anomalías sueltas a secuencia de fallo

Las anomalías que ocurren cerca en el tiempo se agrupan en una posible secuencia de fallo. Por ejemplo: un problema de base de datos seguido de timeouts en la app y errores en el frontend se trata como parte del mismo incidente. Un mecanismo de sequence fingerprinting reduce duplicados de patrones recurrentes.

El tiempo por sí solo no prueba causalidad, así que el sistema también considera las dependencias de servicios y el orden en que aparecieron las anomalías, trazando “aguas arriba” desde los servicios afectados. El output final es un resumen de la causa sospechada, los servicios impactados y la telemetría de respaldo —no una lista plana de anomalías— para que el ingeniero valide antes de actuar.

El problema que resuelve: fragmentación de herramientas

Atlassian enmarca todo esto en un dolor conocido: con sistemas cada vez más distribuidos, el desafío ya no es recolectar telemetría, sino correlacionarla lo suficientemente rápido para responder. Una encuesta comunitaria de la CNCF de 2026 cita que muchas organizaciones siguen operando varias plataformas de observabilidad a la vez, obligando a tender puentes manuales entre métricas, logs y trazas.

Y no es el único persiguiendo lo mismo: Grafana Cloud está construyendo un enfoque de knowledge-graph que correlaciona telemetría e infraestructura para RCA. La carrera por automatizar la correlación quedó oficialmente abierta.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en Observabilidad →

Buscar en Ping Diario