2-6 朱祥磊-基于数智融合构建全局业务监控实践

业务现状与背景

• 系统复杂度提升：云原生化导致基础设施成为黑盒，服务调用和依赖关系复杂，传统监控手段难以应对。
• 基础设施层更加黑盒：开发团队对基础设施关注度降低，导致基础设施难以理解和掌控。
• 服务调用和依赖关系更加复杂：服务数量增加，调用拓扑和依赖关系复杂，链路变长，难以全面把握系统状况。
• 云原生带来的观测种类变化：监控对象从小机、服务器、存储、虚拟化变为服务器、存储、虚拟机、容器，数字化转型导致监控范围扩大，要求提高。
• 用户体验带来的稳定性挑战：加载时间增加导致用户流失，需要保障系统稳定性，提升客户满意度。

云境基础能力

• 云境平台构建的基础能力：
  • 统一运维管控中心：提供统一的运维采集和管控能力，支持多种采集方式。
  • 可观测性数据分析流批处理引擎：提供可视化、拖拽式自助开发与分析能力，支持多种数据源和流处理框架。
  • 全景可观测性分析能力：实现全资源端到端监控，整合多方位数据，实时感知异常，智能分析故障根因。
  • 基于数据分析和智能分析的故障定位能力：快速识别、定位故障，推荐解决方案，实现智能调度恢复。
  • 运维敏捷能力：低代码可视化中心，提供个性化场景快速构建能力。
  • 混沌演练：系统架构反脆弱测试，提供灵活、易用、安全的故障演练能力。
  • 融合AIoPs算法即服务能力：针对核心资源和场景，提供异常检测、故障诊断、故障预测、故障自愈能力。

应用场景

• 全局监控告警管理：基于阈值的告警和无阈值的异常检测，提供灵活的告警生成、处理、推送策略。
• 健康度打分：从IaaS、PaaS、SaaS层对业务系统和技术组件进行打分，实时感知计算栈异常。
• 面向业务的服务地图及服务上下游分析：实时绘制服务依赖关系，识别瓶颈，了解业务服务流向。
• 全链路业务真实部署拓扑：实现“自发现”三层链路，展示全链路业务真实部署拓扑，快速定位问题。
• 全栈式服务调用链场景研究：基于TrackOps实现前后指标延伸，提前发现变慢原因，优化业务办理效率。
• 特定技术栈大盘：针对不同类型业务场景构建业务大盘。
• 混沌演练典型场景：通过混沌工程随机注入故障，测试应用效果。

实施效果

• 问题快速定界：一点查询调用链记录和报警信息，提升定位速度。
• 提升营业员体验：营业员体验可视，优化有方向，可度量。
• 持续检测改进：产品360健康度监控，持续治理。
• 扩容分析更轻松：系统堵点一目了然，性能优化精准实施。

成效和展望

• 高效智能化运维能力：实现故障智能预警、智能分析定位、自动修复处理，目标为1分钟预置、5分钟分析定界、10分钟应急恢复。
• 展望1：端到端业务可观测性感知排障能力：通过深度采集、实时采集指标，整合多层数据，打造全方位、立体化监控平台，预判趋势性典型故障。
• 展望2：大模型带来的运维新体验：数字员工辅助编码，实现7*24不间断服务支撑；业务系统的日常运维工作通过数字员工协同调度能力实现机器人全闭环处理。