云原生时代，传统运维监控的3大陷阱，你都中招了吗？

组织的每一次决策发生，都会产生相应的数据结果。数据已经成为现代企业的核心生产要素，打通多部门、多应用、多系统、建立统一数据资产已经成为业内共识。云原生架构以其松耦合、分布式、高韧性的三大特点，助力组织重构体验、流程和运营，并加速应用数字化和业务高效创新，从而在以数字化和智能化驱动发展的云原生时代，借助数字化技术增强组织韧性，依托数据战略实现数字化韧性。

组织需应用可观测性通过分析企业实际运营数据，帮助企业做出未来决策。

Gartner认为，“数字化转型应以业务为中心，服务和用户体验是关键目标。而IT监控以系统可用为中心，仅关注系统可用性指标对于转型中的企业而言是一场灾难。”

随着业务升级，迭代发布更迅速、业务系统更庞大、网络链路更复杂、运行环境更动态，单靠监控，难以统一运维、开发和安全团队所看到的数据，数字化体验大打折扣。

陷阱一：数据割裂

机器数据指数级增长，数据驱动运营时效性大打折扣

机器数据是由服务器、存储、互联网及物联网中的设备或程序生成的大量结构化、非结构化的数据。一般包括日志数据（包括软件运行过程中产生的系统日志、应用日志等）、指标数据（指软/硬件系统运行过程中的各项性能指标数据）、链路数据（指与用户体验相关的端到端的应用跟踪数据）。组织在业务数字化转型过程中，产生了海量机器数据，并且由于合规性要求，相关数据留存不得少于6个月，机器数据治理面临重重挑战：

· 大量机器数据存储需要占用大量硬件资源，存储和计算成本高；

· IT工具架构复杂、监控工具彼此独立，机器数据与业务数据相互独立，部门之间数据相互独立；

· 格式复杂多样，并且相关信息分布在不同的数据中，无法贴合业务视角进行观测；

· 重复告警、debug等级日志等海量无用数据和重读数据浪费存储和计算资源；

· 数据格式时有变更，新老数据格式不一致，导致无法同时查询；

· 机器数据生成的信息大部分都是一些代码，存在理解门槛。

破解之道：机器数据湖，整合数据孤岛，高效处理多类机器数据

AnyRobot 机器数据湖将分布在多云环境和本地部署中的数字化系统所产生的机器数据及必要的业务数据进行整合、关联与存储，并提供机器数据治理、分析及使用的统一访问入口，实现高效利用机器数据，以支撑数据驱动运营，提升数字化效能对结构化数据进行标准化、富化，整合数据孤岛，做好数据治理，赋能场景分析。

· 通过实时流式处理框架来编排调度机器数据的解析、过滤等加工处理，以及指标提取、异常检测、机器学习和图计算等分析处理，实现机器数据产生后能即时快速得到结果数据；

· 通过数据写入分片路由技术来实现 logs、metrics、traces 不同数据的存储策略，提升不同类型数据的查询效率；

· 通过热温冷分层存储技术，在海量机器数据存储成本控制的基础上，来保障最具时效性的数据被更快地读写；

· 通过跨集群搜索技术，统一在一个平台上来实现多云数据就地存储和统一查询，更快地访问到最新的数据；

· 通过实时在线计算及 schema on read 技术，无需提前进行数据解析和存储，实现机器数据的即时分析和探索式分析，从而提升数据分析效率。

陷阱二：工具割裂

国产化替换浪潮进程加快，环境复杂度大幅提升

传统运维模式下，使用多套独立系统分别实现基础设施监控、告警、APM、NPM、事件处置等，导致问题处理工具割裂，效率低。

· 面向不同的监控管理需求，需要采用不同的监控工具，传统监控需要针对不同的指标部署多套监控工具，每个监控工具都有独立的监控界面，需要打开多个工具同时处理，需要运维人员对这些工具都非常熟悉；

· 传统运维监控工具大多采用单体或集群架构，通常独立部署，不同工具之间的部署架构还存在差异，维护工作量较大。

破解之道：以统一的可观测性平台，实现高效排障，保障业务系统的可用性

通过对业务系统端到端的全链路数据的采集及可观测性分析，AnyRobot可帮助组织通过统一工作台，实现对业务问题的衡量、预防、发现、定位和解决的闭环管理，提升业务连续性、减少基础设施成本，实现多云环境下的综合运营管理、保障业务 SLA、降本增效，有的放矢地处理问题，提升问题处理效能。

· 针对云计算中的IAAS层，AnyRobot可实现服务器（硬件监控，主机监控）、虚拟化（主机监控，虚拟机监控）、公有云（云主机监控）、容器平台等（包括开源K8S、爱数Proton和公有云的容器平台的监控）可观测；

· 针对云计算中的PAAS层，AnyRobot可实现数据库（关系型数据库，搜索引擎等）、中间件（Redis等）、Web服务（Nginx，Ingress，Apache等）、云服务（公有云上的相关服务）可观测；

· 针对云原生应用以及安全设备和安全应用，AnyRobot可实现防火墙、杀毒软件等可观测；

· 针对灾备领域，AnyRobot可实现数据中心、灾备业务系统、备份任务、恢复任务、保护对象、备份节点、存储资源可观测。

陷阱三：业务割裂

无序监控，业务流程难以串联

传统运维模式下，多套独立系统分别服务于数字化系统全业务流运营各个环节, 导致研发、运维、运营等人员面向业务的信息割裂，业务敏捷程度低。

· 在数据使用过程中，跨部门数据无法共享、数据提取审批流复杂的现状导致运维数据分析困难，问题排障效率低；

· 对业务的规模、客户群体、业务趋势缺乏准确评估，难以形成有价值的决策支持。

破解之道：打造全业务运营流程体验

AnyRobot助力组织实现在 IT 运维、业务运营、开发测试及安全合规全业务运营流程的可观测性能力。

· 开发测试可观测，围绕应用生命周期管理，建立从开发、测试到运维的 DevOps 全流程可观测能力，提升研发效能；

· IT 运维可观测，通过对各类IT监控数据的采集、整合及分析，实现业务 SLO 管理、成本实时监控、告警降噪、根因定位等能力，帮助组织实现从 IT 运维向 IT 运营的转变；

· 业务运营可观测，从用户行为分析、用户画像分析、业务数据分析等多个维度对业务进行可观测分析；

· 安全合规可观测，通过加强在合规审计、行为审计、安全事件的识别及告警等方面的可观测能力，在满足行业管理规范要求的同时提升应用系统的安全管控能力。

与传统运维监控不同，爱数 AnyRobot Eyes 5 是云原生时代的可观测性平台，形成了面向开发测试、IT 运维、业务运营、安全合规等全业务运营流程的可观测能力，通过对日志、指标、链路等机器数据及必要的业务数据进行关联分析，衡量、预防、发现、定位、解决业务问题，帮助组织实现业务效能提升，助力其数字化转型事半功倍。

如果您还想要了解更多

从容应对云原生时代挑战的解决之道

可长按扫描下方二维码

免费获取《云原生时代的可观测性》全文

提交成功！

爱数新闻

云原生时代，传统运维监控的3大陷阱，你都中招了吗？