隋吉智-终稿脱敏-大规模、多云主机统一可观测实践.pdf

迈向更高层次智能化的

生成式软件开发

隋吉智（左知）

阿里云基础设施事业部可观测研发工程师

隋吉智（左知）

阿里云基础设施事业部可观测研发工程师

公司职位

就职于阿里云基础设施事业部可观测团队，在可观测领域尤其指标场景有较丰

富经验，针对大规模集群指标采集和处理有较多生产实践积累，采集探针性能

调优和稳定性建设经验丰富。

在可观测领域的主机可观测场景，有较多探索和实践落地经验。

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

主机统一可观测面临的挑战

目录主机统一可观测现状分析

主机可观测阿里云技术实践

主机统一可观测实践收益

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

01主机统一可观测面临的挑战

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

挑战与难点一

自动化发现与安装基础监控与应用监控

主机的及时准确自动化服务发现能力，覆盖主机的基础资源、网络、系统监

尤其在快速弹性伸缩场景。发现主机控等，同时覆盖主机上层应用运行监

后是否具备采集探针的自动化安装。单实例控。

主机

指标覆盖度

稳定与故障恢复能力

主机的基础监控指标，涵盖性能、资主机上指标采集探针的可靠与稳定性，

源、网络、负载等。主机的高阶监控是否具备一定的故障的自恢复能力。

指标，涵盖内核、进程、应用等。

GOPS全球运维大会暨XOps技术创新峰会2024·北京站

挑战与难点二

大数据处理问题大规模采集问题

主机达到一定规模后，后端数据处理主机达到一定规模后，分散的大量采

链路的抗压能力，大数据的处理效率，集探针或者Exporter，如何能做到低

决定数据查询和告警的延迟时间。大规模故障率运行，亦或故障自恢复效率，

决