Junior Dev Mencatat String, Senior Dev Mencatat Data: Perjalanan dari console.log ke ELK Stack
Bagaimana beralih ke structured logging memangkas waktu debugging saya dari berjam-jam menjadi hitungan menit.
Mimpi Buruk “Di Laptop Saya Jalan Kok”
Saya masih ingat rasa cemas di masa awal menjadi full-stack developer. Setiap kali ada pengguna melapor bug, jantung saya langsung berdegup kencang—bukan semata karena ada yang rusak, melainkan karena saya tahu proses menyakitkan yang akan menyusul.
Saat itu, strategi debugging saya masih sangat primitif. Aplikasi kami berjalan di platform container, dan “monitoring” saya hanyalah menatap layar terminal hitam sambil melihat teks tidak terstruktur melintas cepat.
“Request received.” “Processing data.” “Error.”
Hanya itu. Tanpa konteks, tanpa transaction ID, tanpa data terstruktur. Ketika satu pengguna mengalami kendala, saya benar-benar buta. Saya terpaksa bertanya dengan canggung kepada pengguna, “Boleh tolong rekam layar error-nya?” Lalu saya menghabiskan berjam-jam mencoba mereproduksi bug tersebut di mesin lokal—hanya untuk mendapati semuanya berjalan normal di sana.
Cara itu reaktif, melelahkan, dan jujur saja, tidak profesional. Saya sadar untuk naik kelas dari pola pikir Junior ke Senior, saya harus berhenti menebak dan mulai mengetahui secara pasti. Saya membutuhkan Centralized Logging.
Tiga Pilar Kegagalan Logging
Jika menoleh ke belakang, strategi logging saya saat itu gagal pada tiga aspek krusial. Bukan sekadar merepotkan, tetapi menghambat kemampuan kami untuk scale.
1. Kekacauan Data Tidak Terstruktur
Kami membuang log berupa string polos ke terminal tanpa format standar. Satu baris berisi info sistem, baris berikutnya pesan error acak. Karena hanya berupa teks, saya tidak bisa memfilternya secara terprogram. Saya tidak bisa menanyakan, “Tampilkan semua error untuk User ID 123.” Sebaliknya, saya dipaksa memakai perintah grep yang rumit atau scroll manual. Berantakan dan tidak efisien.
2. “Lubang Hitam” Container
Karena aplikasi berjalan di container, filesystem-nya bersifat ephemeral (sementara). Setiap kali kami deploy ulang atau container crash, seluruh log ikut lenyap. Jika pengguna melaporkan bug yang terjadi sejam lalu dan container sempat restart, buktinya hilang selamanya.
3. Terbang Buta Tanpa Metrik Performa
Yang paling parah, kami tidak punya metrik. Karena tidak mencatat data terstruktur seperti response_time_ms, kami tidak bisa mengukur performa API. Kami tidak tahu endpoint mana yang lambat atau penyebabnya. Kami menulis kode dalam gelap, tanpa bisa melihat bottleneck aplikasi sendiri.
Solusinya: Beralih ke Structured Logging dengan ELK
Untuk membereskan masalah ini, saya memigrasikan stack logging kami ke Elasticsearch dan Kibana. Ini bukan sekadar pergantian tool, melainkan perubahan pola pikir. Begini dampaknya pada alur kerja kami:
1. Log JSON yang Kaya Konteks
Alih-alih string acak, saya mulai mewajibkan Structured Logging. Setiap entri log menjadi objek JSON dengan konteks yang jelas. Saya mengelompokkan log ke kategori tegas seperti RequestResponse, UnhandledServerError, UnhandledJobError, hingga ResourceMonitoring.
Kini, alih-alih sebaris teks membingungkan, satu entri log tampak seperti ini:
{
"level": "error",
"context": "UnhandledServerError",
"path": "/api/checkout",
"response_time_ms": 4500,
"user_id": "12345",
"error_stack": "TimeoutError: Gateway..."
}
Dengan fitur Discover di Kibana, saya cukup memfilter context: "UnhandledServerError" dan langsung melihat setiap crash seketika.
2. Persistensi: “Mesin Waktu”
Karena Elasticsearch berjalan terpisah dari container aplikasi, log kami kini persisten. Jika container crash atau kami merilis versi baru, riwayat log tetap aman. Saat pengguna melaporkan kendala dari tiga hari lalu, saya tidak panik—cukup melihat ke belakang. Buktinya selalu ada.
3. Dari Reaktif Menjadi Proaktif
Kemenangan terbesarnya adalah pergeseran filosofi: “Anda tidak bisa memperbaiki apa yang tidak Anda ukur.” Dengan Dashboard Kibana, saya membuat “Single Pane of Glass” untuk memantau kesehatan API. Saya dapat melihat lonjakan RequestPerSecond atau kenaikan rasio error secara real-time. Sering kali saya menemukan layanan yang mulai melambat dan memperbaikinya sebelum pengguna sempat mengeluh.
Pelajaran Utama: Aturan 80/20 dalam Logging
Awalnya, saya memperlakukan logging sebagai hal belakangan. Pola pikir saya dulu, “Yang penting kodenya jalan dulu, log dipikir nanti.” Saya mengira menyiapkan ELK stack terlalu rumit dan berlebihan.
Saya salah.
Menerapkan logging yang tepat adalah wujud nyata Prinsip Pareto (Aturan 80/20). Usaha 20% yang Anda keluarkan hari ini untuk menyiapkan structured logging dan dashboard akan menyelamatkan Anda dari 80% sakit kepala debugging di masa depan.
Karena tidak lagi menunggu rekaman layar pengguna atau mengejar error “hantu”, waktu saya kembali utuh—bisa difokuskan untuk membangun fitur baru dan meningkatkan pengalaman pengguna.
Penutup
Jangan menunggu insiden produksi besar untuk membenahi log Anda. Tidak masalah sedikit “repot” di awal demi menghemat ratusan jam di kemudian hari. Berhentilah menebak, berhentilah memakai console.log untuk segalanya, dan mulailah memperlakukan log Anda sebagai data.