2026可观测性体系建设从方法到实践白皮书

可观测性研报总结

前言

2019年OpenTelemetry合并OpenTracing和OpenCensus后，可观测性迅速发展并成为数字化服务的必备工具。然而，如何建设一体化、智能化、高价值的可观测性体系仍是企业探索的目标。

什么是可观测性

可观测性是一种软件开发和系统构建的理念，指通过日志、指标、链路追踪等手段，快速发现、诊断和解决复杂系统的运行问题。其核心是让服务可持续被观测，包括规范、标准、方法、工具和平台。

可观测性的三大维度

OpenTelemetry明确提出了可观测性的三大维度：Metrics（指标）、Logging（日志）、Tracing（链路）。

传统监控和可观测性

可观测性是对传统监控的发展，统一了Metrics、Logging、Tracing三条监控线，提供标准化定义和技术工具，并强调数据打通关联。监控仍是可观测性应用的主要领域，但应用场景已扩展至性能优化、安全、成本分析等领域。

可观测性的演变

可观测性经历了三个阶段：传统基础设施阶段、互联网服务阶段和当前的云原生/微服务阶段。云原生/微服务阶段的特点是基础设施规模大、多样性，服务复杂性增加，需要新的监控工具和三大维度的观测能力。

传统监控的局限

传统监控依赖经验主义，缺乏对故障的全局感知，开发者和维护者职责分割，面向基础设施，难以适应云原生/微服务架构。

可观测性技术理念

可观测性强调应用主动暴露内部状态和行为，通过Metrics、Logging、Tracing、Events等数据维度进行实时监测和分析。开发者承担主体责任，维护者作为数据使用方存在。可观测性强调面向Application，Tracing是关键抓手。

内容纲要

本文将从方法到实践解析可观测性，包括概念、应用场景、建设范式、智能化路径，并详细介绍可观测性产品Flashcat。

路线篇

本文介绍可观测性五级进化论（Level 1到Level 5），从工具、数据、文化、智能、业务等多个方面评估企业可观测性技术阶段。当前多数企业处于Level 2到Level 3转型过程，并快速导入智能化。

场景篇

本文以服务稳定性保障为核心场景，介绍故障生命周期和各阶段的建设思路和方法。

故障生命周期

故障生命周期分为常态预防、发现处理、复盘改进三大部分。常态预防是重点，通过架构优化、数据采集和组织、风险量化体系等手段防患于未然。发现处理强调先止损后排查，以恢复服务和用户体验为首要目标。复盘改进通过分析故障原因，输出改进项，增强预防和发现处理能力。

故障预防

故障预防阶段需要确立稳定性一号位，推进架构优化，建立可观测性数据采集和组织体系，建立风险量化体系，并做好预案建设。

故障发现

故障发现阶段的核心是及时发现故障，通过北极星指标和On-call系统解决告警过多和处理流程不清晰的问题。北极星指标是业务关键指标，On-call系统提供告警聚合、降噪、认领、升级、排班等功能。

故障定位

故障定位阶段通过灭火图、事件墙、日志分析、链路分析、事件分析、指标分析、容量分析等手段，快速圈定故障范围并找到直接原因。

故障止损

故障止损阶段需要建立止损原则和流程机制，通过特征分析能力，自动推荐可能引发故障的异常特征，并引导工程师执行相关止损方案。

故障复盘阶段

故障复盘阶段通过分析故障原因，总结经验教训，形成改进项，增强预防和发现处理能力。

实践篇

本文分析当前阶段企业落地可观测性技术可能遇到的问题和挑战，并介绍可观测性产品Flashcat的解决方案。

当前阶段落地可观测性的问题和挑战

当前企业普遍面临观测系统多和数据孤岛问题，以及服务稳定性保障难的问题。

落地好一个可观测系统的四个要素

落地好一个可观测系统需要标准、数据、平台、场景四个要素。

面向稳定性保障的可观测性产品Flashcat

Flashcat采用搭配采集器并支持数据集成相结合的方案，解决数据输入问题。平台层采用开源夜莺监控，功能完备，数据互通，分析智能，架构可扩展。场景方案针对故障发现和故障定位进行专业产品设计。

AI 篇

本文阐述构建AI驱动的可观测性体系所需要的技术要素和方法，介绍Flashcat在AI智能化分析方面的创新工作。

AI SRE的演进阶段

AI SRE的演进阶段分为L1到L5，当前处于L3到L4之间，最终将进入“人”与“智能体”协同工作的新时代。

构建AI驱动的可观测性体系要素

构建AI驱动的可观测性体系需要三个要素：AI能够理解你的系统、AI能够检索你的数据、AI具备业务和行业的知识基础。

Flashcat的AI实践

Flashcat通过灭火图、插线板、FlashAI知识库等实现AI对IT系统的理解、数据检索和业务/行业知识的获取，具备达成L4级立体分析的能力。

总结

数据建设是智能化的核心，大模型是智能化的催化剂。企业应重视数据建设工作，寻找合适的产品和技术来支持可观测性数据建设，并利用大模型实现智能化的真正飞跃，最终进入“人”与“智能体”协同工作的新时代：AI SRE。