开源工具和商业产品完美融合：一体化智能高级可观测平台

运维标准化困境

• 数据膨胀和生成速度超出人脑分析能力，65%的企业拥有10+监控工具，17%的问题需要15+人时修复。
• 传统运维面临挑战：客户投诉生成工单识别问题、平均识别时间占70%以上、平均修复时间较长。
• 弹性化架构加剧传统运维压力，开源工具如Zabbix、Prometheus、OpenTelemetry存在局限性：
  • Zabbix：灵活性高但支持打标签。
  • Prometheus：云原生支持良好但仅支持指标数据，告警能力弱。
  • OpenTelemetry：定义协议但数据分析依赖其他工具。

一体化可观测性数据模型

• 数据体系治理：从杂乱无章到规范有序，建立资源体系（实体+关系）、链路模型、指标体系、事件模型、日志模型。
• 资源体系：动态生成而非静态维护，通过预定义模型和自动校准实现唯一性校验。
• 指标体系规范化：分层分类归一，如磁盘空间/inode使用率，统一指标表达。
• OneETL：低代码流式数据集成，支持多租控制、实时插入、多源联查、查询加速。
• OneDataZeus：联邦数据融合能力，支持多租、实时插入、多源联查、查询加速。
• OneTopo：免维护自动生成拓扑，提供统一数据服务能力。
• 第三方数据融入：将日志、调用链、指标等融入一体化数据模型。

智能高级可观测平台

• Bonree ONE：ITOM一体化监控、AIOps智能运维、BizOps业务运营、DevOps多态运维。
  • 全终端覆盖，国内独家用户会话采集能力，最大模拟监控网络。
  • 业务健康状态分析、业务流程转化路径分析、业务拓扑。
  • 全语言覆盖，从用户到代码级追踪，实时应用服务性能监控。
  • 兼容Zabbix、Prometheus，支持IDC/混合云/公有云/私有云、虚拟化、容器、K8S。
• AI进阶之路：
  • 人工/专家规则1.0：依赖指标关联性，难以维护。
  • AI有监督训练2.0：基于历史数据训练模型，依赖人工打标。
  • 自适应AI3.0：动态生成知识图谱，无需人工介入。
• 自适应AI技术架构：两阶段自适应根因分析，包括无监督知识图谱初因判断和深度分析根因。
• 核心流程：通过业务指标、服务指标、进程组、容器、主机等多维度分析，结合启发式学习判定根因。
• 无监督知识图谱：自动生成实体关系拓扑、服务故障森林拓扑，实现异常检测和根因结论。
• 可观测场景：
  • 两阶段自适应根因分析：初因判断和深度分析。
  • 根因分析回放：观测问题发生全过程。
  • 数据驱动的业务大盘：业务健康状态分析。
  • 业务转化分析：查看业务转化全路径。
  • 前端体验->后端Skywalking->天旦BPC：实现多平台联动查询。