在 Day16 - 可觀測性與它的工具小夥伴們 中,我們介紹了可觀測性信號 (Singls) 的概念,以及 CNCF 可觀測性推薦的 open source 工具清單,進而從不同類型的應用程式架構 (單體式或是分散式系統)、不同來源的遙測數據信號 (metrics、log、trace) 匯集到特定的資料湖 (data lake) 後,方便開發人員可以更了解系統的運作與回答相關問題。
在實際導入可觀性工具會遇到那些挑戰呢 ?
根據 2020 年 9 月 CNCF 可觀測性報告中調查所呈現的技術雷達結果
在可觀測性中 Open source 工具扮演著重要的地位,使用開源的可觀測性工具帶來的好處時,其實也應該關注開源背後所帶來的問題與挑戰
工具的多樣性與整合是可觀察性領域的挑戰之一。同時,此外,開源軟體的重新授權趨勢也影響了開發者的選擇和公司的策略。
國際研究機構 Gartner 定期整理在可觀測性與 APM (Application Performance Monitoring and Observability)領域中解決方案的分析,每年都會整理該領域中評比後的領導者,以下是 Gartner 2023 報告列出的一些解決方案 (包含但不限於)
上述解決方案可以在 這裡 查看更多介紹與細節,這裡就不在多加說明。
在選擇可觀測性的解決方案上,可以參考 CNCF Observability 專區推薦的工具以及上面 Gartner 中整理的解決方案,在近幾年可觀測性報告中都有提到工具的整合性是首要問題 (也可能是產品銷售策略放大問題XD)
以下是實際情況遇到的問題
這些問題可能是是在實際會遭遇的問題,也是不能忽略的隱形成本。如果有一個可觀測性平台整合可觀測性信號數據,可節省更多開發人員學習及維運的成本與時間,有機會解決 CNCF 報告中提到的工具之間沒有整合問題。
接下來幾天將簡單介紹 Grafana Cloud 的可觀測性平台,兩者除了火紅之外,相關的學習資源也是豐富的,無論是想要進入可觀測性領域或是改進監控方案上,這兩個都可以幫助團隊實現更好的可觀測性,如果有任何疑問或想法,歡迎留言提出討論 !
Extracting the Signal: Rethinking Network Observability
Open Source for Better Observability