可观测性有哪些好处？

Question

如题所述

Answer 1

可观测性是由Gartner提出的一个全新观点。Gartner在今年近期的报告中提到，可观测性正逐渐成为企业企业智能运维中的高优先级项目，之所以出现这样的情况，是由于企业的业务发展中具有很多不可预测的情况发生，这就要求企业数字化能力中要着重较强自动检测、可观测性和可修复性。可观测性作为之中极为关键的一环，正以其能大幅提高运维事务处理效率的优势，在逐步替代传统的监控仪表。Gartner预测，未来的2-5年，可观测性将进入成熟期。届时，智能运维的整体水平将会得到变革性的提升。

可观测性如何能带来的价值

日益增长的业务价值关注度，让单纯的可见性必须向以数据为驱动的洞察能力升级，这个过程中可观测性的价值就会逐步体现。

将数据转化为答案

在决策层面从业务视角出发观测全局状况，进而利用可人工干预的算法模型对告警进行收敛，对历史数据进行分析，聚焦定位根因来源，结合AI的短期趋势预测，再利用资源规划功能，获取对未来趋势的预判结果，实现主动的数据预测。

数据处理过程更灵活

集合数据任务的编排和调试能力、可交互的检测模型调优及管理、场景化的编排引擎，使数据白盒化的接入、处理、输出，完成任务的诊断。并且能够及时反馈异常检测的结果，精细化调整日志的检测模式。最后形成多种运维场景下定制化的可观测编排引擎，灵活搭配业务场景实现数据的全面处理。

实现跨团队协作的高效性

通过统一的观测视角，能够建立与运维业务相关的规则引擎，完成基于组织架构的权限配置，根据团队分工进行任务分派，形成有策略、按需求的协同协作体系，保持业务运营的高效性。

实时大规模的观测

通过流批一体的高性能计算引擎以及集群化和多中心的部署，加之对异常检测模型的实时更新和训练，稳定且高效的适应多中心等复杂环境。在大规模的业务数据进入时，能够有效做出应对操作。

Answer 2

可观测性的最大好处是，在所有其他条件相同的情况下，一个更可观测的系统更容易被理解（整体和部分），更容易被监控，更容易和更安全地发布代码，并且更容易修复故障。更具体地说，可观测性能够直接支持敏捷/DevOps/SRE 团队的该目标：更快地交付更高质量的软件：
发现并解决“未知的不确定问题”——超出现有认知的问题。监控工具的一个主要限制是它们只关注“已知的某个具体问题”——您已经知道需要注意的异常情况。可观测性能够发现以前不知道但可能会导致问题的条件，然后跟踪它们与特定性能问题的关系，并提供上下文来确定根本原因和快速解决问题。
在开发早期发现并解决问题。可观测性将监控纳入软件开发过程的早期阶段。DevOps 团队可以在影响客户体验或 SLA 之前识别并修复新代码中的问题。
自扩展性。 例如，您可以将检测和数据聚合指定为 Kubernetes 集群配置的一部分，并从它启动的那一刻开始收集遥测数据，直到它停止运行。
支持故障自愈的基础架构。将可观测性与 AIOps 机器学习，自动化功能相结合，根据系统的输出来预测问题的发生并全自动的解决问题。本回答被提问者采纳

Answer 3

构建一个所谓的可观测性系统有三个要素，一是要有数据；二是背后有一个强大的异构能力的数据引擎；三是需要有高效的查询。最直接经济的方案是看现在的情况是什么样的，哪些需要采购商业化的产品，哪些选择开源项目或者自研，最终对整体进行拼凑，这种方式会高效一些。
可观测性在解决数据孤岛方面起着很大的作用，大多数用户的监控系统还是比较多的，可能有几套到十几套不等，因为监控系统也有可能是由于不同的组织内部不同的部门构建的，这样就势必会造成一个问题，因为没有从上层做统筹安排，把这些系统真正有机地组成在一起，供所有业务方去真正消费，孤岛问题就比较严重。
博睿数据希望能把数据从相互割裂的体系里面抽取出来，做一个统一的描述的模型，然后供不同的业务方去消费。不管是报警场景，还是运维场景，都可以落地到实际的业务场景里面，这样才能真正拉通。我们有一个很重要的特性就是三方数据的开放性或者兼容性，可以把现有的标准集成到一个平台里面，做统一的标准化，统一的模型建设，统一的落盘，然后再抛掉上层做不同场景的消费能力的支持。