利用全栈式Observability克服IT复杂性

Thomas LaRock，SolarWinds 首席极客

近年来，我国不断完善信息网络基础设施建设，致力于为国内数字经济提供良好的发展环境。艾媒咨询数据显示，2020年中国数字经济总体规模达41.4万亿元，占GDP 38.6%。由于占全国GDP的比例逐年上涨，数字经济已经成为驱动国内经济增长的重要力量。在此背景下，企业需要加快数字化转型的步伐，在未来数字化、网络化及智能化的浪潮中不断增强自身的发展竞争力。

踏上数字化转型之旅的组织机构往往会开发复杂的基础架构。他们在更新传统应用程序的同时，添加了多云端、虚拟和云原生功能。IT 人员最终会发现他们要管理各种复杂的分散网络，包括云端、系统、应用程序和数据库基础架构。

为了控制由此产生的复杂性，组织机构倾向于使用大量的监控和管理工具。其目标是简化系统监督，但事实上恰恰相反，由于团队使用各种各样的工具来管理网络或基础架构，孤岛现象往往会蔓延开来。

这种零散的处理方法增加了许多操作的盲点，让问题得不到及时解决，而且也增加了安全风险。如此一来，IT 人员不堪重负，很快就会因为忙于处理管理的复杂性，而无法跟上应用程序更新或基础架构动态调整的步伐。

尽管这种情况很常见，但并非不可避免。通过使用能够克服复杂性和孤岛现象的集成式、经济高效的全栈式、端到端监控服务，IT 团队可以让数字化转型之旅变得更加轻松。

组织机构需要全栈式 Observability。

Observability 与传统监控有何区别

Observability 比传统监控更加先进。传统的监控帮助IT 了解其基础架构和应用程序的实际状态，能捕获和处理大量的基础架构和应用程序遥测数据和通知，并显示哪些已启动、哪些已关闭以及哪些已更改。

通常，传统的监控侧重于特定的网络、云端或基础架构。它会跟踪应用程序和基础架构，以便 IT专业人员识别异常情况并找出问题所在。

传统监控依赖于以指标为导向的内置仪表板，对照手动的或基本的统计相关阈值来评估遥测数据。虽然监控工具是极为重要的，但它们不能提供跨域关联、服务交付洞察、操作依赖性或预测性。现代系统有复杂的多云端环境和大量的遥测数据，这时候传统监控的这种局限性就是一大不足。

然而，Observability 能弥补这些不足，通过检查输出来评估系统的内部状态，并将终端用户体验到服务器端指标和日志都看做一个整体，全面审视应用程序和系统。

Observability 仍然包含监控，并将它作为自己的关键部分。要获得可观察性，就必须首先通过监控来收集信息。Observability 使用基于监控生成的洞察和指标，进而理解导致当前问题的原因。

监控汇总并显示数据，以确保系统按预期运行，并且将对数据的分析与预期的结果和目标进行比较，这样就能让 IT人员了解基础架构和应用程序的状态。

如此一来，复杂的网络环境被看做一个整体，也就避免了孤岛现象。

Observability 如何运行

一旦投入使用，Observability 可以让 IT 组织机构在复杂、多样和分散的混合和云环境中，持续改进性能、提高可用性和数字体验。

借助于 Observability，组织机构能够快速发现和解决异常状况，而全栈式 Observability 不仅意味着监控和加速问题解决：它可以通过跨域数据关联、机器学习 (ML) 和 IT 运营人工智能 (AIOps)， 提供洞察、自动分析和可操作的智能，处理大量的实时和历史指标、日志和跟踪数据。

Observability避免了传统监控带来的孤岛现象和零散的处理方式。不仅如此，当 Observability 不受限制时，即包含机器学习 (ML) 和 IT 运营人工智能 (AIOps) ，它能够利用收集到的大量数据提供洞察、自动分析和可操作的智能，来帮助 IT人员加快问题的解决。此外，它还使 ITOps、DevOps 和安全组织能够实现统一、最佳和可预测的业务服务交付，并不断改进数字体验和提升IT 生产力。

客户和员工因此能够从运行更好的系统中受益。该技术通过云连接的本地部署或软件即服务 (SaaS) 部署灵活性，为各种规模和行业的组织机构提供全面、集成和经济的功能。

踏上数字化转型之旅不意味着组织机构需要变得更复杂，在更新传统的应用程序，并向堆栈中添加许多现代服务和功能时尤其如此。减少复杂性的秘诀就是 Observability。

Observability 可以简化数字化转型的过程。它不仅减少了操作干扰，使 ITOps、DevOps 和安全团队受益；他们还可以更加主动地检测异常，来实现最佳的 IT 性能、合规性和弹性。通过全栈式 Observability，任何组织机构（无论其规模或行业）都可以降低 IT 复杂性，同时为数字化转型做好准备。