云原生可观测建设要点与案例分析

这几年大家会发现业界内频繁地提到可观测，也有很多人会问可观测跟之前传统的监测到底有什么区别？可观测并不是一个新的概念，它其实是传统监测的扩展。传统监测领域更多是基于外部的视角去看一个系统，去看一些系统的行为，从而规划整个系统的失败模型，它更多的是从运维的视角来看。今天，我们把这个概念从监测扩展到可观测，其实更多是从系统内部的白盒化思路去看系统内部的运行状况，是由内往外的，同时结合多种观测手段，包括我们传统说的 Metrics 指标，从而做一个非常深入的分析，了解整个系统运行状态的根因。

另外从使用者角度来讲，传统监测更多是从运维角度，一些传统的 Metric 维度指标，从外部进行观测来得知里面发生了什么。云原生可观测贯穿了整个应用，甚至整个应用开发的生命周期，包括开发、测试、上线、部署、发布。所有的生命周期不仅会通过 Metrics，还会有系统日志、业务日志、链路追踪等方式来进行整个全方位 360 度无死角的监测。换句话说，更多是从内往外来诊断出系统内部产生问题的根因，究竟出现了什么样的问题，发生的原因，以及一些对应的恢复手段，这些是我们整个可观测核心关注的点。

云原生时代对稳定性提出更高要求

ALIWARE

随着容器、微服务逐渐流行起来，我们进入到了云原生时代。传统企业要做云原生转型，对整个监测以及稳定性方面提出了更高的要求：

第一，支撑业务快速迭代。举个例子，阿里巴巴内部有将近 8000 到 9000 个应用，每天会做将近 4000 次的应用发布，这样频繁快速的迭代，对系统的稳定性、可观测、运维等方面提出了极高的要求，要求通过各种手段完成稳健的支撑。

第二，复杂的调用拓扑。随着整个微服务化的兴起，传统的大型单体应用在微服务化之后，带来非常好的弹性、便捷的服务，但同时也导致整个应用的链路会变得非常复杂。今天如果按照传统的方式来做的话，我们可能只需要依赖于一些专家的经验去看个别问题，这本质上是一个瓶颈类型的问题。

第三，极致的用户体验。今天企业拥抱云原生时代，对数字化转型有强烈的诉求，需要一个更极致的 IT 方面的体验。比如说故障响应必须要更快，一个问题从发现到恢复也希望更快，处理的时间更要加快，这是一个挑战。

最后，高效的运维协同。通过传统的工单方式有时候的效率会偏低，如何解决组织协同的问题，这也是我们关注的一个方向。

云原生可观测覆盖场景

ALIWARE

云原生可观测重点包括以下几个场景：

1、应用发布部署。在特定的场景下我们需要能支撑非常场景化的监测和观测能力。

2、全景监测。这个很好理解，因为今天无论从应用的前端，从用户侧到应用侧，再到中间件，还是再到底层的 IaaS、基础设施层，从端到端，这其中所有的链路都需要纳入到企业的监测体系中做一个全景监测，这是企业应该致力于做的事。

3、智能告警。如今仅是把所有的观测做好了是远远不够的，我们需要引入一些更高级的玩法。阿里内部这么多年将一些人工智能技术引入到我们的观测领域来，是为了能够帮助减轻整个运维的负担，这也是后面会详细分享的部分。

4、性能诊断。在发现问题或者说在性能压测的时候，如何快速地诊