可觀測(cè)性不是一個(gè)新鮮的名詞，主要是指通過(guò)分析數(shù)字化應(yīng)用系統(tǒng)的指標(biāo)（Metrics）、鏈路（Traces）、日志（Logs）等數(shù)據(jù)，構(gòu)建出完整的態(tài)勢(shì)觀測(cè)模型，從而實(shí)現(xiàn)快速的威脅發(fā)現(xiàn)和故障診斷。在許多情況下，可觀察性會(huì)被錯(cuò)誤理解成是“系統(tǒng)監(jiān)控”的同義詞，但隨著數(shù)字化應(yīng)用的深入，特別是隨著云原生技術(shù)的發(fā)展，基于容器和微服務(wù)化的應(yīng)用規(guī)模更加龐大，復(fù)雜的云上環(huán)境以及應(yīng)用系統(tǒng)的分布性、復(fù)雜性、動(dòng)態(tài)性，使得故障定界和檢測(cè)分析非常困難，而可觀測(cè)性無(wú)疑是降低這種難度的有效手段之一。因此，有更多企業(yè)發(fā)現(xiàn)部署可觀察性產(chǎn)品的能力和價(jià)值。

目前，研究機(jī)構(gòu)Gartner已將應(yīng)用可觀測(cè)性列為“2023年十大戰(zhàn)略技術(shù)趨勢(shì)”之一。安全研究人員表示，成功實(shí)現(xiàn)可觀測(cè)性的企業(yè)機(jī)構(gòu)，會(huì)在數(shù)字化業(yè)務(wù)開(kāi)展中建立競(jìng)爭(zhēng)優(yōu)勢(shì)，企業(yè)需要找到合適的工具并盡快部署使用。本文收集整理了8款主流的可觀察性工具，并對(duì)其應(yīng)用特性、不足和典型應(yīng)用場(chǎng)景進(jìn)行了分析，可為企業(yè)組織應(yīng)用選型提供參考。

1. Prometheus

Prometheus是一款開(kāi)源工具，廣泛用于云原生環(huán)境中的可觀察性獲取。它可以收集和存儲(chǔ)時(shí)間序列數(shù)據(jù)，并提供可視化工具來(lái)分析這些數(shù)據(jù)。

關(guān)鍵特性與不足：

可以從各種來(lái)源獲取指標(biāo)，包括應(yīng)用程序、服務(wù)和系統(tǒng)；

可以將收集到的數(shù)據(jù)存儲(chǔ)在時(shí)間序列數(shù)據(jù)庫(kù)中，并可以高效地查詢和聚合數(shù)據(jù)；

帶有一個(gè)內(nèi)置的警報(bào)系統(tǒng)，可以根據(jù)查詢觸發(fā)警報(bào)；

可以自動(dòng)檢測(cè)和抓取運(yùn)行在多個(gè)環(huán)境中的服務(wù)的指標(biāo)，比如Kubernetes和其他容器編排系統(tǒng)；

能夠與Grafana靈活地集成，允許它創(chuàng)建儀表板來(lái)顯示和分析Prometheus指標(biāo)。

不能提供內(nèi)置的根本原因分析；

需要將所有數(shù)據(jù)存儲(chǔ)在內(nèi)存中，因此可能會(huì)占用大量計(jì)算資源；

目前還不支持嵌套字段和連接。

主要應(yīng)用場(chǎng)景：

• 監(jiān)控指標(biāo)收集和存儲(chǔ)；
• 自動(dòng)化報(bào)警；
• 異常服務(wù)行為發(fā)現(xiàn)。

傳送門(mén)：

??https://prometheus.io/??

2. Grafana

Grafana是一個(gè)開(kāi)源工具，主要用于對(duì)數(shù)據(jù)的可視化和監(jiān)控。它允許用戶輕松地創(chuàng)建和共享交互式儀表板，對(duì)來(lái)自不同來(lái)源的數(shù)據(jù)進(jìn)行可視化分析。

關(guān)鍵特性與不足：

• 可以創(chuàng)建定制化的交互式儀表板，對(duì)來(lái)自各種數(shù)據(jù)源的指標(biāo)和日志進(jìn)行分析；
• 允許用戶根據(jù)其指標(biāo)的狀態(tài)設(shè)置警報(bào)，以發(fā)現(xiàn)潛在的問(wèn)題；
• 允許用戶設(shè)置異常檢測(cè)，并根據(jù)其指標(biāo)中的異常行為自動(dòng)檢測(cè)和警報(bào)；
• 允許用戶深入到指標(biāo)中，通過(guò)提供帶有歷史上下文的詳細(xì)信息來(lái)分析根本原因。
• 不支持長(zhǎng)期存儲(chǔ)，需要Prometheus或Elasticsearch等額外工具來(lái)存儲(chǔ)指標(biāo)和日志；
• 不提供高級(jí)數(shù)據(jù)建模功能；
• 不包含內(nèi)置的數(shù)據(jù)聚合功能。

主要應(yīng)用場(chǎng)景：

• 對(duì)各種監(jiān)控指標(biāo)的可視化；
• 自動(dòng)化報(bào)警；
• 異常服務(wù)行為檢測(cè)。

傳送門(mén)：

??https://grafana.com/??

3. ELK堆棧

ELK堆棧是一款流行的開(kāi)源可觀察性解決方案，有助于運(yùn)營(yíng)人員更好地管理日志和分析數(shù)據(jù)。它由三個(gè)組件組成：Elasticsearch、Logstash和Kibana。

Elasticsearch是一個(gè)分布式搜索和分析引擎，可以處理大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使用戶能夠存儲(chǔ)、索引和搜索大量數(shù)據(jù)；Logstash是一個(gè)數(shù)據(jù)收集和處理管道，允許用戶收集、處理和豐富來(lái)自許多源（如日志文件）的數(shù)據(jù)；Kibana是一個(gè)數(shù)據(jù)可視化和探索工具，允許用戶基于Elasticsearch中的數(shù)據(jù)創(chuàng)建交互式儀表板和可視化。

關(guān)鍵特性與不足：

• 允許用戶收集、處理、存儲(chǔ)和分析來(lái)自多個(gè)來(lái)源的日志數(shù)據(jù)和指標(biāo)，同時(shí)提供一個(gè)集中控制臺(tái)來(lái)搜索日志；
• 允許用戶搜索和分析相關(guān)日志數(shù)據(jù)，這對(duì)于解決和深入了解問(wèn)題的根本原因至關(guān)重要；
• 可以對(duì)來(lái)自多個(gè)數(shù)據(jù)源的日志數(shù)據(jù)和指標(biāo)進(jìn)行可視化分析；
• 允許在日志數(shù)據(jù)中為異常活動(dòng)發(fā)出警報(bào)；
• 允許用戶向下獲取更多日志數(shù)據(jù)，通過(guò)提供詳細(xì)的日志和歷史上下文，可以更好地找出問(wèn)題的根本原因。
• ELK目前還不支持分布式跟蹤，用戶需要使用額外的工具，如Jaeger；
• ELK的日志報(bào)告會(huì)造成輕微的延遲；
• 策略配置和維護(hù)過(guò)程比較復(fù)雜，需要特定的知識(shí)來(lái)管理運(yùn)營(yíng)。

主要應(yīng)用場(chǎng)景：

• 多來(lái)源的日志管理；
• 數(shù)據(jù)可視化；
• 遵從性和安全性監(jiān)控

傳送門(mén)：

Elasticsearch：https://www.elastic.co/elasticsearch/

Logstash：https://www.elastic.co/logstash/

Kibana：https://www.elastic.co/kibana/

4. InfluxDB 和Telegraf組合

InfluxDB和Telegraf都是開(kāi)源版的可觀察性工具，它們的時(shí)間序列數(shù)據(jù)存儲(chǔ)和監(jiān)控功能很受企業(yè)用戶的歡迎。其中，InfluxDB是一個(gè)時(shí)間序列數(shù)據(jù)庫(kù)，它使用類(lèi)似sql的查詢語(yǔ)言存儲(chǔ)和查詢大量時(shí)間序列數(shù)據(jù)；而Telegraf則是一款性能出色的數(shù)據(jù)收集代理，它可以支持各種數(shù)據(jù)源，收集各種指標(biāo)和事件信息，并將其發(fā)送給多個(gè)提前設(shè)置的接收器，比如InfluxDB等。

關(guān)鍵特性與不足：

• Telegraf允許用戶從許多來(lái)源收集指標(biāo)，并將它們發(fā)送到InfluxDB進(jìn)行存儲(chǔ)和分析；
• InfluxDB可以與第三方可視化工具（如Grafana）集成，以創(chuàng)建靈活的交互式控制面板；
• InfluxDB的設(shè)計(jì)允許它處理較長(zhǎng)時(shí)間段內(nèi)的數(shù)據(jù)并提供擴(kuò)展能力；
• 這兩個(gè)工具都缺乏警報(bào)功能，需要第三方集成來(lái)提供警報(bào)；
• 缺乏深入的原因分析功能，需要第三方集成。

主要應(yīng)用場(chǎng)景：

• 指標(biāo)收集和存儲(chǔ)；
• 長(zhǎng)時(shí)間的運(yùn)行監(jiān)控。

傳送門(mén)：

InfluxDB：

??https://www.influxdata.com/??

Telegraf：

??https://www.influxdata.com/time-series-platform/telegraf/??

5. Datadog

Datadog是一款基于云的可觀察性監(jiān)控和分析平臺(tái)，目前已被廣泛用于深入了解分布式系統(tǒng)的運(yùn)行狀況和性能，以便在風(fēng)險(xiǎn)真實(shí)發(fā)生前排除問(wèn)題。

關(guān)鍵特性與不足：

• 可以監(jiān)控在AWS、Azure、GCP等多種公有云平臺(tái)上運(yùn)行的應(yīng)用程序；
• 可以對(duì)服務(wù)依賴關(guān)系、位置、服務(wù)和容器等信息進(jìn)行可視化分析；
• 可以跟蹤分析有關(guān)應(yīng)用程序性能的詳細(xì)信息；
• 可以通過(guò)提供帶有歷史上下文的詳細(xì)信息，讓用戶分析了解問(wèn)題的根本原因；
• 可以設(shè)置異常檢測(cè)，自動(dòng)檢測(cè)和警告觀測(cè)到的異常行為。
• Datadog是一種基于云計(jì)算的付費(fèi)服務(wù)，隨著部署規(guī)模擴(kuò)大，使用費(fèi)用會(huì)增加；
• 不提供默認(rèn)的日志分析支持，用戶必須單獨(dú)購(gòu)買(mǎi)日志攝取和索引功能；
• 不允許用戶在本地或自己的數(shù)據(jù)中心存儲(chǔ)數(shù)據(jù)。

主要應(yīng)用場(chǎng)景：

• 可觀察性數(shù)據(jù)管道
• 分布式服務(wù)跟蹤
• 集裝箱式應(yīng)用監(jiān)測(cè)

傳送門(mén)：

??https://www.datadoghq.com/??

6. New Relic

New Relic也是一款基于云的監(jiān)控和分析平臺(tái)，允許用戶監(jiān)控分布式環(huán)境中的程序運(yùn)行狀態(tài)。它使用“New Relic Edge”服務(wù)進(jìn)行分布式跟蹤，可以實(shí)現(xiàn)幾乎100%的應(yīng)用程序跟蹤監(jiān)測(cè)。

關(guān)鍵特性與不足：

• 提供全面的APM解決方案來(lái)監(jiān)控和排除應(yīng)用程序性能故障；
• 可以在AWS、Azure、GCP等多個(gè)公有云平臺(tái)上監(jiān)控應(yīng)用程序運(yùn)行；
• 可以提供有關(guān)系統(tǒng)和應(yīng)用程序性能的詳細(xì)信息，并進(jìn)行跟蹤分析；
• 可以幫助用戶深入到指標(biāo)和上下文信息中，分析問(wèn)題的根本原因；
• 可以收集、處理和分析各種來(lái)源的日志數(shù)據(jù)，并提供全面的日志視圖。
• New Relic是一個(gè)閉源平臺(tái)，它與其他開(kāi)源工具的集成能力非常有限；
• 在進(jìn)行大規(guī)模部署時(shí)，New Relic的使用成本會(huì)比較高。

主要應(yīng)用場(chǎng)景：

• 多云環(huán)境中的應(yīng)用監(jiān)控
• 深入的跟蹤分析

傳送門(mén)：

??https://newrelic.com/??

7. AppDynamics

AppDynamics是一款應(yīng)用廣泛的可觀察性監(jiān)控和分析平臺(tái)，不僅允許用戶對(duì)各種應(yīng)用程序的每個(gè)組件進(jìn)行跟蹤監(jiān)測(cè)，同時(shí)還提供了根本原因分析，以確定可能影響應(yīng)用程序性能的潛在問(wèn)題。

關(guān)鍵特性與不足：

• 可以從許多來(lái)源（如主機(jī)、容器、云服務(wù)和應(yīng)用程序）收集監(jiān)控指標(biāo)并跟蹤分析；
• 可以設(shè)置異常檢測(cè)功能，對(duì)發(fā)現(xiàn)的異常行為進(jìn)行及時(shí)檢測(cè)和預(yù)警；
• 用戶可以獲取較詳細(xì)的性能信息并跟蹤分析；
• 由供應(yīng)商維護(hù)工具，對(duì)開(kāi)源工具的集成能力不足；
• 定制選項(xiàng)不夠靈活，用戶不能自己定制解決方案。

主要應(yīng)用場(chǎng)景：

• 應(yīng)用程序性能監(jiān)視
• 多云環(huán)境中的應(yīng)用監(jiān)控
• 業(yè)務(wù)流程管理

傳送門(mén)：

??https://www.appdynamics.com/??

8. Helios

Helios是一款為系統(tǒng)開(kāi)發(fā)人員提供可觀察性的解決方案，提供了對(duì)應(yīng)用程序流程的可操作性洞察能力。它整合了OpenTelemetry的上下文連接框架，可以提供跨微服務(wù)、無(wú)服務(wù)器應(yīng)用、數(shù)據(jù)庫(kù)和第三方API的可見(jiàn)性。

關(guān)鍵特性與不足：

• 在完整的上下文中提供分布式跟蹤信息；
• 使用戶能夠從多個(gè)數(shù)據(jù)源收集和可視化跟蹤數(shù)據(jù)，以深入挖掘和排除潛在問(wèn)題；
• 支持Python、JavaScript、Node.js、Java、Ruby等多種語(yǔ)言和框架；
• 允許團(tuán)隊(duì)成員重用請(qǐng)求、查詢和有效負(fù)載；
• 可根據(jù)跟蹤數(shù)據(jù)自動(dòng)生成測(cè)試；
• 與現(xiàn)有的生態(tài)系統(tǒng)輕松集成，包括日志、測(cè)試、錯(cuò)誤監(jiān)控等；
• 只需點(diǎn)擊幾下即可再現(xiàn)一個(gè)精確的工作流。

主要應(yīng)用場(chǎng)景：

• 分布式應(yīng)用跟蹤；
• 多語(yǔ)言應(yīng)用程序跟蹤集成；
• 無(wú)服務(wù)器應(yīng)用程序監(jiān)控；
• 應(yīng)用測(cè)試中的故障排除；
• API調(diào)用自動(dòng)化。

傳送門(mén)：

??https://app.gethelios.dev/??

參考鏈接：

??https://dzone.com/articles/11-observability-tools-you-should-know-in-2023??