面向一云多芯的智能云网全景可观测系统建设

国泰君安智能云网全景可观测系统建设

云计算平台面临的可观测性挑战

• IOE技术体系（集中式架构）：集中式平台需快速软、硬故障定界定位（<30min），业务系统需平滑迁移、多活、高性能、超大规模，强一致性（交易+批量计算），分钟级备切换（99.99%可靠性）。
• 云原生技术体系（云原生、分布式架构）：云化、分布式架构中间件（消息、事务、缓存、调用链等），IaaS云底座，证券新核心业务微服务框架，云原生容器，基础设施融合分析，大数据平台，分布式交易数据库。

云总体布局

• 金融云发展时间轴：2013年上线开发测试云（CloudStack），2014年上线开发测试云2.0（Openstack），2017年上线生产云，2019年上线开发测试信创云，2020年上线生产信创云。
• 云总体布局：开发测试云、生产云、集团协作云、开放生态云，打造全行业领先的自主开发、自主掌控的国泰君安金融全栈云。
• 规划路线：
  • 2023年：加速云原生建设，完成“一云多芯”信创、非信创多元算力，资源统一管理，实现云边协同，资源敏捷交付。
  • 2024年：夯实数字基础设施升级，扩大云资源规模，推进高效敏捷开发，向以应用为中心的架构演进，实现应用敏捷开发。
  • 2025年：实现两地多中心全栈云原生服务能力全覆盖，完成存量系统整体迁移到全栈云。

云平台建设

• 自研云应用：云监控系统、云网流量分析、弹性文件系统、对象文件系统、文档中心、镜像站等，提供便捷的云资源交付与服务。
• 多区域、异构资源池统一纳管：为每个云服务设立独立的业务资源模型，实现多区域、异构资源池的统一纳管，满足鲲鹏、飞腾、海光等国产信创芯片的云资源，实现“一云多芯”的统一管理。

云网络内的可观测能力建设与落地

• 挑战：缺少云资源池上的应用服务可视化能力，现有监控手段不能满足复杂环境中的业务运维排障要求，缺乏零侵扰的全链路分布式追踪，缺乏历史故障问题回溯分析能力，资源池内业务动态性高，覆盖范围广。
• 解决方案：
  • 建立云网络内的流量全景视图和运维、运营、安全管理机制，具备网络性能分析、网络回溯、资源回收、统计报表、网络全景拓扑全链路分析能力。
  • 覆盖数据中心云基础资源层（虚拟化环境、云原生环境、云原生应用），数据分析层（云原生数据分析节点、云网观测系统）。
  • 实现多云资源池流量无侵入、零干扰地全量采集，自动标记端到端数据标签。
  • 资源精细化管理，标准化回收周期内流量数据，健全云网指标体系，标准化排查流程，建立云网的自动化巡检流程。

基于智能运维的可观测探索

• 现状：专家经验问题排查依赖经验的积累，无法快速复制，全栈可观测性涉及多个环节，数据量庞大且复杂。
• 解决思路：利用先进的大模型技术，对云网环境中的海量数据进行高效的处理和分析，通过数据特征提取等预处理机制，提升数据处理的效率。
• 智能体能力：云网分析智能体LLM剖析诊断，实时性能监控，低开销高安全，实时拓扑分析。

对未来发展的一些思索

• 多智能体的人机协同是趋势，单个领域智能体能力更深入，协同系统下提供业务支撑。
• 大模型未来有更多落地场景，前期结合云网运维，后期从运维、运营场景出发，提升运营效率。
• 云环境的全链路检测逐步从NPM向全栈主动检测，支持eBPF能力的覆盖率逐步上升。
• 加强和业务监控的联动，实现业务系统的全景观测和可观测性分析能力的输出。