隨著各個企業(yè)在數(shù)字化轉(zhuǎn)型的浪潮中不斷翻涌前進，IT業(yè)務(wù)復(fù)雜程度與規(guī)模體積爆發(fā)式增長，可觀測性工具成為發(fā)展剛需。在Gatner發(fā)布的2023年需要探索的十大戰(zhàn)略技術(shù)趨勢中，“可觀測性”被列為其中之一。

近日，博睿數(shù)據(jù)創(chuàng)始人兼CTO孟曦東做客InfoQ《極客有約》，從行業(yè)領(lǐng)導(dǎo)者的角度對可觀測性展開討論，以下為訪談實錄：

Q1：近兩年，大家對于可觀測性的討論逐漸多了起來，先請您給大家介紹下什么是可觀測技術(shù)？可觀測技術(shù)的演進趨勢是怎樣的？

孟曦東：可觀測性本身是一種衡量系統(tǒng)內(nèi)部狀態(tài)的能力，通過外界的信息與數(shù)據(jù)，更好地了解系統(tǒng)內(nèi)部的運行狀態(tài)。從整個IT系統(tǒng)來說，可觀測性是一個比較新的話題。2018年，可觀測性被著重描述到了云原生的技術(shù)能力之中，在這之前，IT系統(tǒng)經(jīng)過了多種形態(tài)的演進，由單一的，通過中央式的服務(wù)提供數(shù)據(jù)，逐漸發(fā)展到到分布式、高可用、云原生等。

所有系統(tǒng)都會部署到趨于復(fù)雜的環(huán)境之中，同時系統(tǒng)之間的調(diào)用也更加頻繁。因此依舊使用傳統(tǒng)的模型管理如今的IT系統(tǒng)，不可預(yù)知風(fēng)險發(fā)生的幾率會大幅增加。在如今復(fù)雜的IT世界中，我們?nèi)绾文苷鎸嵉乜吹娇赡馨l(fā)生的問題，或者說問題產(chǎn)生的原因，是一種更大的挑戰(zhàn)。

而可觀測性重點解決的問題在于，不只是簡單地看到問題的發(fā)生，更要了解問題發(fā)生的根因。它是一個觀測-判斷-優(yōu)化-再觀測的周而復(fù)始的閉環(huán)，從而讓我們更好地了解IT世界中的一些變化的根因。可以說，可觀測性是為業(yè)務(wù)服務(wù)的，業(yè)務(wù)在運行過程中也需要這種衡量的手段，以此來把控問題。不難看出，可觀測性發(fā)展到今天，對于企業(yè)內(nèi)部IT系統(tǒng)的交付及后續(xù)運營，起到了決定性的幫助。

Q2：可觀測性的數(shù)據(jù)來源是什么？和傳統(tǒng)監(jiān)控之間存在哪些差異？

孟曦東：數(shù)據(jù)本身的三支柱，或者說最重要的三種類型的數(shù)據(jù)：描述狀態(tài)的指標、描述業(yè)務(wù)內(nèi)在關(guān)系的日志、追蹤的數(shù)據(jù)。這三種數(shù)據(jù)在監(jiān)控體系中單獨去看的話，也是有自身價值的。但如果只通過一種數(shù)據(jù)的模型，那就很難構(gòu)建出尋找問題核心的能力。所以說，我們現(xiàn)在需要做的是把這三種類型的數(shù)據(jù)有機的貫穿在一起，形成一個立體化的架構(gòu)，使它們互相去發(fā)揮各自的專長。

在運維中，很大一部分的工作就是收集報警信息，以此來獲取到系統(tǒng)的實時運行狀態(tài)。這時候，我們用這種所謂的metric就是非常有效的。但如果我們想了解某個事務(wù)的完整流程，比如從第一步的操作到最后的這一流程，其中經(jīng)過了多少個系統(tǒng)的銜接才得以實現(xiàn)。在此過程中存在什么樣的問題？那就需要跟蹤數(shù)據(jù)來幫助我們回溯整個鏈條，以此來定位問題發(fā)生的環(huán)節(jié)。所以數(shù)據(jù)不是孤立的，組合在一起才能發(fā)揮出最大的效果。

Q3：重視可觀測性，對企業(yè)和開發(fā)側(cè)能帶來多大的價值？

孟曦東：在大數(shù)據(jù)時代，獲取數(shù)據(jù)并不困難，困難的是如何挖掘數(shù)據(jù)的真實價值。而可觀測性能力的提出幫助我們在運維體系中實現(xiàn)了一個方法論。最早在Google中的定義中，可觀測性的最大價值就體現(xiàn)在解決問題方面。面對突發(fā)的事件，如何保障業(yè)務(wù)的穩(wěn)定性，不讓業(yè)務(wù)受損，是需要一套合理的體系來支撐IT系統(tǒng)更好的發(fā)揮自身價值。雖然目前也存在各種類型的工具，但事故的發(fā)生依舊很頻繁。所以說，可觀測性要真實地衡量系統(tǒng)內(nèi)部的狀態(tài)，而不是僅僅為了收集數(shù)據(jù)。博睿數(shù)據(jù)希望看到的是可觀測性對企業(yè)的業(yè)務(wù)產(chǎn)生正向的轉(zhuǎn)變和影響。

另外，在可觀測性構(gòu)建的整體過程中，還存在三個可能被忽視的方面：首先就是用什么樣的標準體系，我們需要通過方法論制定自己的SLO；其次我們要了解自身的IT業(yè)務(wù)架構(gòu)與核心業(yè)務(wù)流程，因為不同業(yè)務(wù)有不同的模型；最后就是AI，運維的整個過程是繁瑣的，如果僅依靠人的經(jīng)驗，那么時效性的保障與知識體系的傳遞都是比較困難的。而AI擁有構(gòu)建一種完整體系的能力，幫助我們?nèi)グl(fā)掘數(shù)據(jù)之間的關(guān)聯(lián)性、發(fā)現(xiàn)我們不易察覺的問題。以上三個方面是埋在整個數(shù)據(jù)體系下面的，對于做好可觀測性也是非常關(guān)鍵的。

大家不難看出，當今時代對于效率的追求是非常突出的，所以智能化的管理手段和深度的能力對于企業(yè)是非常有必要的，否則在市場競爭上面的優(yōu)勢是無法持久的。因此圍繞整個可觀測性來看，最核心的點就在于業(yè)務(wù)價值的實現(xiàn)。

Q4：從行業(yè)的角度來看，目前市場對于可觀測性的認知和需求分別是怎樣的？

孟曦東：這需要去做一個大體的拆分，因為博睿數(shù)據(jù)也一直專注于可觀測領(lǐng)域的研究。2020年是博睿數(shù)據(jù)可觀測性的元年，在這之前我們更多的把產(chǎn)品與能力集中在APM方面，還未能真正達到可觀測性的要求。

從整個行業(yè)的使用客戶中也可以看出，不同行業(yè)對于可觀測性的訴求也是不同的。比如金融行業(yè)，他們已經(jīng)針對可觀測性做了很多方面的嘗試，不論是在數(shù)量亦或是質(zhì)量方面都是比較可觀的。所以并不是說可觀測性技術(shù)的滲透率有多高，而是說很多企業(yè)已經(jīng)對此產(chǎn)生了共鳴。可能很多企業(yè)依舊處于初實驗階段或者技術(shù)考察階段，但在未來幾年里，可觀測性的發(fā)展速度可能會有指數(shù)級的變化，因為故障的產(chǎn)生的無可避免的，而可觀測性技術(shù)可以覆蓋到軟件的整個的生命周期之中，形成完整的鏈條。同時可觀測性技術(shù)還可以與自動化體系結(jié)合在一起，使企業(yè)的效率得到數(shù)倍的提升。

從目前的市場情況來看，可觀測性已經(jīng)有了一些落地的實踐，之后也會有一個慢慢成長的過程。疫情過后，很多人對于數(shù)字化轉(zhuǎn)型可能有了全新的認知，在新的系統(tǒng)架構(gòu)和開發(fā)模型下，企業(yè)需要一種能力來規(guī)避問題的發(fā)生，降低問題的影響，所以可觀測性恰好適應(yīng)了現(xiàn)在整合技術(shù)的發(fā)展路徑。

Q5：目前國內(nèi)的可觀測性發(fā)展處于什么樣的階段？背后的主要原因是什么？

孟曦東：可觀測性所涉及到的環(huán)節(jié)是比較多的，目前國內(nèi)可觀測性的發(fā)展還處在前期的試探階段。

第一，可觀測性需要數(shù)據(jù)作為支撐，并且對于數(shù)據(jù)的質(zhì)量有一定要求。數(shù)據(jù)需要經(jīng)過標準化的處理過程，才能真正作為基座來使用；第二，博睿數(shù)據(jù)追求的是每一筆交易、每一個動作都能有完整的鏈條，所以我們面對的數(shù)據(jù)規(guī)模是十分龐大的。同時，可觀測性技術(shù)本身就是一個大數(shù)據(jù)匯總的平臺，因此需要高技術(shù)引擎和關(guān)系圖譜引擎的支撐，來將數(shù)據(jù)有機的結(jié)合到一起；第三，若要真正發(fā)揮可觀測性帶來的價值，不能僅僅只把數(shù)據(jù)做一個簡單的羅列，我們需要剖析數(shù)據(jù)，做關(guān)聯(lián)分析，而這一過程需要AI的加持，這樣才能讓效率真正提升上來，這其中涉及到一整套的系統(tǒng)工程。

以上三點做好之后，我們才能真正體會到可觀測性的優(yōu)勢，體會到數(shù)據(jù)作為大腦引擎的驅(qū)動力，讓企業(yè)的運維管理更智能、更便捷、更高效。

Q6：企業(yè)在實際落地可觀測的過程中通常會陷入哪些誤區(qū)？

孟曦東：首先是開源和商業(yè)化如何平衡的問題。不管是可觀測性還是之前的監(jiān)控技術(shù)，都有大量的開源能力在支持以及很多的免費方案供使用。對于任何一個企業(yè)來說，是否在專注地去做這樣一個系統(tǒng)，還是說只是為了輔助主營業(yè)務(wù)來做系統(tǒng)疊加，前期的投入與最后的結(jié)果很可能是有較大落差的。

其次我們在可觀測性的建設(shè)過程中，總是期望大而全，這就需要考慮到幾點因素。第一點，系統(tǒng)需要人為去操作，組織架構(gòu)中人的水平與素質(zhì)很大程度上決定了系統(tǒng)的使用能力上限。第二點，技術(shù)棧的繁雜性導(dǎo)致了數(shù)據(jù)治理需要較長的時間，而到了數(shù)據(jù)的實際使用場景，我們會發(fā)現(xiàn)，這其中涉及運維、研發(fā)、測試、業(yè)務(wù)等各部門的人員，部門間的數(shù)據(jù)孤島會對數(shù)據(jù)產(chǎn)生一定的割裂，導(dǎo)致數(shù)據(jù)無法真正統(tǒng)一在一起。

最后是成本問題，技術(shù)并不是一成不變的，從基礎(chǔ)監(jiān)控到網(wǎng)絡(luò)監(jiān)控，從APM到可觀測性，技術(shù)是不停在發(fā)展的，包括研發(fā)的過程，經(jīng)過了多次的更新迭代，才到了現(xiàn)在微服務(wù)的架構(gòu)。因此要維護一個復(fù)雜的技術(shù)棧，后續(xù)的模型是不是能夠真正跟得上就很重要，這需要一個團隊持續(xù)去迭代，所以企業(yè)需要從綜合成本方面去考慮可觀測性的方案。

Q7：當前不少公司采用 eBPF 技術(shù)在可觀測方面進行實踐，eBPF 為可觀測帶來哪些新的解題思路？

孟曦東：eBPF 技術(shù)是BPF技術(shù)的擴展，eBPF 技術(shù)擴展了整個寄存器的數(shù)量，同時引入了新的映射存儲能力。簡單來說，我們內(nèi)核的修改難度和風(fēng)險都是非常大的，而eBPF 技術(shù)的引進，我們就可以實現(xiàn)網(wǎng)絡(luò)和內(nèi)核之間的交互，或者在內(nèi)核的功能模塊之間，在用戶態(tài)與內(nèi)核態(tài)，包括覆蓋整個用戶態(tài)的進程。

通俗來講，我們想了解自己的應(yīng)用程序運行的性能質(zhì)量，那么通過eBPF 技術(shù)，就可以看到用戶態(tài)在這個函數(shù)的耗時及交互能力等。所以說eBPF 技術(shù)覆蓋了多種能力點，包括CPU的調(diào)度能力、內(nèi)存管理能力等，都可以通過eBPF 技術(shù)去很好地實現(xiàn)。

eBPF 技術(shù)的應(yīng)用場景也是非常多樣化的，從早期的網(wǎng)絡(luò)到現(xiàn)在的云原生等等，如今想要拿到真實的流量數(shù)據(jù)，eBPF 技術(shù)是比不可少的。如果想了解用戶態(tài)在運行過程中，CPU是什么樣的狀態(tài)，諸如此類的狀態(tài)變化需要在內(nèi)核態(tài)中才能真正拿到，此時eBPF 技術(shù)就可以幫我們?nèi)ゼ訌姾图由顢?shù)據(jù)的捕捉能力。所以eBPF 技術(shù)能干的事情非常多，并且在多種場景之中都有用武之地。

Q8：博睿數(shù)據(jù)基于 eBPF 技術(shù)有哪些可觀測方案實踐？未來會有哪些規(guī)劃？

孟曦東：博睿數(shù)據(jù)一直有在研究和引入eBPF 技術(shù)，主要是基于云原生環(huán)境下數(shù)據(jù)流量的獲取。在構(gòu)建可觀測性的過程中，反映內(nèi)部系統(tǒng)變化的能力其實是一種度量單位，系統(tǒng)內(nèi)出現(xiàn)的問題是需要流量數(shù)據(jù)來做有效補償?shù)?。博睿?shù)據(jù)希望能給客戶提供完整的解決方案，而通過eBPF 技術(shù)可以很好的捕捉流量數(shù)據(jù)，幫助我們?nèi)ザㄎ粏栴}。

另外，如果不使用eBPF 技術(shù)，部分系統(tǒng)級的指標就無法完整獲取，因為這個過程在內(nèi)核態(tài)與用戶態(tài)都可以運轉(zhuǎn)，所以eBPF 技術(shù)可以幫助我們更好地進行性能捕捉，無需注入到進程里面，并且可以更往下一層，更適應(yīng)于目前開發(fā)的模型。所以整體來說，博睿數(shù)據(jù)希望在今年發(fā)布更多引入eBPF 技術(shù)的產(chǎn)品。

Q9：自建可觀測基礎(chǔ)設(shè)施和引入可觀測軟件產(chǎn)品，對于不同的企業(yè)而言應(yīng)該怎么選？分別有哪些注意事項？

孟曦東：這個首要要從企業(yè)的發(fā)展階段來看，包括人力情況、技術(shù)棧的成熟度與穩(wěn)定性等各個方面，不同的階段可能會用不同的技術(shù)來覆蓋。自建可觀測性，不管使用開源技術(shù)還是自研，都可以切實解決一些問題。但核心點在于，后臺如何去解決？我們不能只著眼于采集數(shù)據(jù)、傳輸數(shù)據(jù)層面，要考慮如何用AI賦能。

另外，開源或者自研的技術(shù)涉及的環(huán)節(jié)鏈條是很長的，它可能只解決了前端數(shù)據(jù)來源的問題，后面的標準化、治理、AI能力等如果不能做到位，就無法真正體現(xiàn)可觀測性的價值。另外，將多種開源技術(shù)組合在一起，可能會有不可抗風(fēng)險的出現(xiàn)，因此在做之前一定要做好評估。

還有就是團隊的流動性問題，企業(yè)在使用開源技術(shù)的時候，非核心業(yè)務(wù)系統(tǒng)人員的變更頻率要更高一些，人員變更導(dǎo)致的風(fēng)險也需要去做一定的評估。

如果已經(jīng)做好了相應(yīng)的評估，并擁有完善的團隊和前期的建設(shè)經(jīng)驗，那么自研也可以說是一種不錯的方案，也可以多看一些成功或失敗的案例經(jīng)驗。同時，盡量要避免盲從的問題，僅僅將技術(shù)堆砌在一起的話，后期需要做的工作只會越來越多，因為不把每一個環(huán)節(jié)都夯實的話，最終呈現(xiàn)的效果很難達到預(yù)期。

Q10：博睿數(shù)據(jù)博此前發(fā)布了一體化智能可觀測平臺 ONE 2.0，它的整體設(shè)計思路是什么樣的？后續(xù)還有哪些規(guī)劃？

孟曦東：Bonree ONE是博睿數(shù)據(jù)基于可觀測領(lǐng)域發(fā)布的一款新的產(chǎn)品。博睿數(shù)據(jù)從2008年開始，就專注在APM的賽道上，在Bonree ONE推出之前，博睿數(shù)據(jù)的產(chǎn)品模型是比較分散的，客戶在使用過程中需要面對多個系統(tǒng)，舉例來說，假如客戶使用了A系統(tǒng)和B工具，就需要在不同的系統(tǒng)之間切換數(shù)據(jù)，沒有真正形成數(shù)據(jù)的一體化，工作中的效率就會打折扣。

另外就是博睿數(shù)據(jù)之前的產(chǎn)品架構(gòu)相對冗余，同時使用多種工具就會涉及到相關(guān)的公用組件和不公用組件，給實施部署和維護增加了不少難度。

基于這方面的考慮，博睿數(shù)據(jù)在2021年底根據(jù)國內(nèi)情況，希望能將一種能力或平臺提供給客戶，因此決定推出Bonree ONE，這其中融合了幾個我們迫切想解決的問題。首先是一體化的問題，不管是前端的用戶體驗，還是后端的IT運轉(zhuǎn)流程，亦或是業(yè)務(wù)代碼的運轉(zhuǎn)狀態(tài)，都可以通過Bonree ONE來實現(xiàn)數(shù)據(jù)的關(guān)聯(lián)分析，真正做到數(shù)據(jù)的有機一體化。第二部分是智能化，割裂的數(shù)據(jù)在做分析的時候，其效果往往是差強人意的，所以我們希望借助Bonree ONE實現(xiàn)數(shù)據(jù)質(zhì)量的高可用和真正的AI賦能，讓問題預(yù)警、根因定位等方面達到前所未有的高度。第三部分是可觀測性，博睿數(shù)據(jù)突出了其中的開放性和兼容性，可以兼容第三方的數(shù)據(jù)，并且很方便的把數(shù)據(jù)接入到Bonree ONE中去。

Bonree ONE 在使用場景的規(guī)劃上也推出了靈活定制的分析模型，通過構(gòu)建指標PPI讓入門級的使用者也可以很容易了解各種指標的價值及用法。同時在使用場景上，也不再以可視化分析為主體，而是將應(yīng)急管理、報警響應(yīng)作為主體來驅(qū)動自動化系統(tǒng)或ITSM系統(tǒng)，這是1.0版本我們著重提升的點。

到了2.0版本，Bonree ONE的發(fā)布會涉及幾個大的能力點，包括eBPF 技術(shù)的流量數(shù)據(jù)的接入、業(yè)務(wù)模型的分析、數(shù)據(jù)價值的產(chǎn)生、云資源的評估等。所以整體來看，博睿數(shù)據(jù)專注到了Bonree ONE這樣一個平臺之中，后續(xù)我們也會在Bonree ONE上嫁接更多微應(yīng)用，并且在適當?shù)臅r間點開放微應(yīng)用的開發(fā)能力，推動更有價值的落地實踐的出現(xiàn)

孟總作為專家團成員參與了《中國軟件技術(shù)發(fā)展洞察和趨勢預(yù)測報告 2023》的編寫，掃描下方二維碼，即可免費下載完整版報告。

申請博睿數(shù)據(jù)產(chǎn)品免費試用：https://host.huiju.cool/p/baf54f