本文來(lái)自科技云報(bào)道。
云原生時(shí)代，企業(yè)從單體架構(gòu)發(fā)展到分布式架構(gòu)，廣泛采用微服務(wù)、容器、Serverless等部署方式，IT基礎(chǔ)設(shè)施變得愈發(fā)不可控。
這導(dǎo)致傳統(tǒng)的監(jiān)控技術(shù)和工具很難跟蹤這些分布式架構(gòu)中的通信路徑和相互依賴關(guān)系，更別提排查問(wèn)題并定位根本原因了。
Gartner認(rèn)為數(shù)字化轉(zhuǎn)型以業(yè)務(wù)為中心，服務(wù)和用戶體驗(yàn)是關(guān)鍵目標(biāo)。而IT監(jiān)控以系統(tǒng)可用為中心，僅關(guān)注系統(tǒng)可用性指標(biāo)對(duì)于轉(zhuǎn)型中的企業(yè)而言是一場(chǎng)災(zāi)難。到2023年，依賴于“正常運(yùn)行時(shí)間”指標(biāo)的監(jiān)控實(shí)踐將抑制90%的轉(zhuǎn)型計(jì)劃。
當(dāng)監(jiān)控?zé)o法再單獨(dú)以運(yùn)維的視角、被動(dòng)地解決故障為目標(biāo)，而要追隨IT架構(gòu)的改變和云原生技術(shù)的實(shí)踐，融入開(kāi)發(fā)與業(yè)務(wù)部門的視角，具備比原有監(jiān)控更廣泛、更主動(dòng)的能力，“可觀測(cè)性”概念誕生了。
“可觀測(cè)性”究竟是什么？實(shí)現(xiàn)“可觀測(cè)性”的核心能力有哪些？
可觀測(cè)性：
云原生時(shí)代的必備能力
2018年，可觀測(cè)性（Observability）被引入IT領(lǐng)域，CNCF-Landscape率先出現(xiàn)了Observability的分組。自此以后，“可觀測(cè)性”逐漸取代“監(jiān)控”，成為云原生技術(shù)領(lǐng)域最熱門的話題之一。
近兩年，可觀測(cè)性紅遍IT運(yùn)維領(lǐng)域，火起來(lái)的導(dǎo)火索是CNCF在云原生定義中提到Observerbility，并聲稱這是云原生時(shí)代的必備能力。加之包括谷歌在內(nèi)的眾多大廠一擁而上，“可觀測(cè)性”正式出道。
谷歌給出可觀測(cè)性的核心價(jià)值很簡(jiǎn)單：快速排障（troubleshooting）。
隨著系統(tǒng)越來(lái)越精細(xì)，越來(lái)越復(fù)雜，越來(lái)越動(dòng)態(tài)，越來(lái)越龐大，潛藏的問(wèn)題和風(fēng)險(xiǎn)也就越來(lái)越多。因此，任何一個(gè)軟件的成功，不僅僅要依靠軟件架構(gòu)的合理設(shè)計(jì)、軟件開(kāi)發(fā)的代碼質(zhì)量，更要依靠軟件系統(tǒng)的運(yùn)行維護(hù)。而運(yùn)行維護(hù)的基礎(chǔ)，就是可觀測(cè)性，通過(guò)提前發(fā)現(xiàn)異常，快速定位根本原因，迅速排除或者規(guī)避故障。
因此，可觀測(cè)性是從系統(tǒng)內(nèi)部出發(fā)，基于白盒化的思路去監(jiān)測(cè)系統(tǒng)內(nèi)部的運(yùn)行情況?？捎^測(cè)性貫穿應(yīng)用開(kāi)發(fā)的整個(gè)聲明周期，通過(guò)分析應(yīng)用的指標(biāo)、日志和鏈路等數(shù)據(jù)，構(gòu)建完整的觀測(cè)模型，從而實(shí)現(xiàn)故障診斷、根因分析和快速恢復(fù)。
雖然可觀測(cè)性是由傳統(tǒng)監(jiān)控發(fā)展而來(lái)，但是他們有著本質(zhì)的不同。
傳統(tǒng)監(jiān)控更多的是指運(yùn)維自動(dòng)化工具，主要用途是替代人自動(dòng)監(jiān)控系統(tǒng)運(yùn)行情況，在系統(tǒng)發(fā)生異常時(shí)告警，最終還是需要人工去分析異常、故障診斷和根因分析。
但現(xiàn)代IT系統(tǒng)的關(guān)鍵詞是分布式、池化、大數(shù)據(jù)、零信任、彈性、容錯(cuò)、云原生等，越來(lái)越龐大，越來(lái)越精細(xì)，越來(lái)越動(dòng)態(tài)，同時(shí)也越來(lái)越復(fù)雜。通過(guò)人去尋找各種信息的關(guān)聯(lián)性，再根據(jù)經(jīng)驗(yàn)判斷和優(yōu)化，顯然是不可行的，耗時(shí)耗力還無(wú)法找到問(wèn)題根因。
可觀測(cè)性不僅包含傳統(tǒng)監(jiān)控的能力，更多的是面向業(yè)務(wù)，強(qiáng)調(diào)將業(yè)務(wù)全過(guò)程透明化的理念，實(shí)現(xiàn)全景監(jiān)控、智能運(yùn)維和自修復(fù)能力等體系化的服務(wù)能力。
有業(yè)界專家一句話總結(jié)傳統(tǒng)監(jiān)控與可觀測(cè)性的區(qū)別：“監(jiān)控告訴我們系統(tǒng)的哪些部分是工作的；可觀測(cè)性告訴我們那里為什么不工作了。”
可觀測(cè)性體系的三大維度
在CNCF對(duì)于云原生的定義中，已經(jīng)明確將可觀測(cè)性列為一項(xiàng)必備要素。
CNCF云原生生態(tài)也整合了可觀測(cè)性體系，在CNCF生態(tài)全景圖中可觀測(cè)性主要是按照Monitoring監(jiān)控指標(biāo)、Logging事件日志、Tracing鏈路追蹤三個(gè)維度來(lái)分類。
監(jiān)控指標(biāo)（Monitoring）
云原生監(jiān)控指標(biāo)可觀測(cè)產(chǎn)品大都是從傳統(tǒng)的監(jiān)控產(chǎn)品發(fā)展而來(lái)的，傳統(tǒng)監(jiān)控中Zabbix以其高可用和圖形化展示而廣受歡迎。
而在云原生時(shí)代，CNCF孵化的監(jiān)控工具Prometheus取代了以Zabbix為代表的眾多傳統(tǒng)監(jiān)控工具，已基本成為云原生監(jiān)控體系通用的解決方案，并可以通過(guò)配合Grafana工具實(shí)現(xiàn)監(jiān)控?cái)?shù)據(jù)圖形化進(jìn)行可視化分析。
事件日志（Logging）
在業(yè)界中，事件日志可觀測(cè)產(chǎn)品也已經(jīng)是一片紅海。日志管理方案大都包含日志收集、日志聚合、日志存儲(chǔ)與分析幾個(gè)模塊，具體過(guò)程是日志收集工具與應(yīng)用程序容器一起運(yùn)行，并直接從應(yīng)用程序收集消息，然后將消息轉(zhuǎn)發(fā)到中央日志存儲(chǔ)以進(jìn)行匯總和分析。
在這方面Elastic Stack日志解決方案獨(dú)占鰲頭，幾乎覆蓋了日志管理的全流程，其中一大變數(shù)是用于日志聚合、過(guò)濾等業(yè)務(wù)的Logstash效能較差，在未來(lái)可能會(huì)被CNCF孵化的Fluentd取代。
鏈路追蹤（Tracing）
比起監(jiān)控日志與事件日志，鏈路追蹤可觀測(cè)的產(chǎn)品競(jìng)爭(zhēng)要相對(duì)激烈得多。其根本原因在于鏈路數(shù)據(jù)與實(shí)際業(yè)務(wù)和業(yè)務(wù)實(shí)現(xiàn)協(xié)議、編程語(yǔ)言等細(xì)粒度具體場(chǎng)景密切相關(guān)。
這也導(dǎo)致針對(duì)不同產(chǎn)品實(shí)現(xiàn)和網(wǎng)絡(luò)協(xié)議的鏈路追蹤產(chǎn)品層出不窮，但是他們?cè)诠δ軐?shí)現(xiàn)上并沒(méi)有太本質(zhì)的差距，卻又受制于實(shí)現(xiàn)細(xì)節(jié)，彼此互斥，很難搭配工作。
構(gòu)建可觀測(cè)性能力的關(guān)鍵
傳統(tǒng)的工具是垂直向的，在引入一個(gè)新的組件的同時(shí)也會(huì)引入一個(gè)與之對(duì)應(yīng)的觀測(cè)工具。盡管保證了數(shù)據(jù)的全面性，但丟失了數(shù)據(jù)的關(guān)聯(lián)性和分析排查的連貫性。
如果有一個(gè)統(tǒng)一的數(shù)據(jù)平臺(tái)，把所有數(shù)據(jù)放在一個(gè)平臺(tái)，似乎就能解決關(guān)聯(lián)性的問(wèn)題。
但實(shí)際情況往往是，建立了一個(gè)觀測(cè)指標(biāo)、日志、鏈路的統(tǒng)一平臺(tái)，數(shù)據(jù)堆在了一個(gè)地方，用的時(shí)候還是按傳統(tǒng)的方式各看各的，關(guān)聯(lián)性還得靠人的知識(shí)和經(jīng)驗(yàn)。
因此，可觀測(cè)性能力的構(gòu)建，最關(guān)鍵的其實(shí)是解決數(shù)據(jù)統(tǒng)一和關(guān)聯(lián)的問(wèn)題：把之前需要人去比對(duì)、過(guò)濾的事交給程序去處理，人的時(shí)間更多的用在判斷和決策上。
中國(guó)信通院《可觀測(cè)性技術(shù)發(fā)展白皮書(shū)》指出，可觀測(cè)平臺(tái)能力的構(gòu)建，需要具備統(tǒng)一數(shù)據(jù)模型、統(tǒng)一數(shù)據(jù)處理、統(tǒng)一數(shù)據(jù)分析、數(shù)據(jù)編排、數(shù)據(jù)展示的能力。
那么，如何做數(shù)據(jù)統(tǒng)一和關(guān)聯(lián)呢？
在統(tǒng)一數(shù)據(jù)平臺(tái)上，由于數(shù)據(jù)是來(lái)自于各種觀測(cè)工具的，雖然在數(shù)據(jù)格式上統(tǒng)一了，但不同工具的元數(shù)據(jù)截然不同。如果在統(tǒng)一數(shù)據(jù)平臺(tái)上去梳理和映射這些元數(shù)據(jù)，將是龐雜、難維護(hù)、不可持續(xù)的。
那么該如何做呢？答案就是標(biāo)準(zhǔn)化。
只有將標(biāo)準(zhǔn)化、結(jié)構(gòu)化的數(shù)據(jù)喂給觀測(cè)平臺(tái)，觀測(cè)平臺(tái)才能從中發(fā)現(xiàn)巨大價(jià)值。統(tǒng)一數(shù)據(jù)平臺(tái)只是在數(shù)據(jù)格式上進(jìn)行了標(biāo)準(zhǔn)化，而要想將數(shù)據(jù)關(guān)聯(lián)還必須建立context的標(biāo)準(zhǔn)化，context就是數(shù)據(jù)的空間信息，再疊加上時(shí)間信息的關(guān)聯(lián)就可以發(fā)揮真正的觀測(cè)價(jià)值。
目前，CNCF為了統(tǒng)一這一亂象，推出了Open Telemetry以期實(shí)現(xiàn)理想狀態(tài)下的大一統(tǒng)：統(tǒng)一Logs、Trace、Metrics三種數(shù)據(jù)協(xié)議標(biāo)準(zhǔn)，使用一個(gè)Agent完成所有可觀測(cè)性數(shù)據(jù)的采集和傳輸，適配眾多云廠商，兼容CNCF上眾多的開(kāi)源與商業(yè)項(xiàng)目。
可以說(shuō)Open Telemetry是一套與平臺(tái)無(wú)關(guān)、與廠商無(wú)關(guān)、與語(yǔ)言無(wú)關(guān)的追蹤協(xié)議規(guī)范，意在讓鏈路追蹤可觀測(cè)更加規(guī)范化。
但遺憾是，至今未有廠商或開(kāi)源項(xiàng)目可以統(tǒng)一Open Telemetry后端，三種數(shù)據(jù)源的統(tǒng)一存儲(chǔ)、展示與關(guān)聯(lián)分析仍面臨極大挑戰(zhàn)，而解決以上問(wèn)題的前提，仍然是統(tǒng)一數(shù)據(jù)源（數(shù)據(jù)格式）。
總的來(lái)說(shuō)，云原生可觀測(cè)性方興未艾，因?yàn)樵圃膽?yīng)用系統(tǒng)趨于規(guī)?；蛷?fù)雜化，越是復(fù)雜的龐大機(jī)器越是會(huì)強(qiáng)調(diào)其可靠性和穩(wěn)定性。
未來(lái)，云原生可觀測(cè)未來(lái)需要一個(gè)大一統(tǒng)的可落地產(chǎn)品，通過(guò)統(tǒng)一的標(biāo)準(zhǔn)匯聚三者的數(shù)據(jù)，挖掘交叉區(qū)域的價(jià)值。
