如何规避淹没在云原生可观测性数据中
发布时间：2022-06-11 12:05:47 所属栏目：云计算 来源：互联网
导读：传统的应用程序性能监视(APM)在新的云原生堆栈中并不总是能发挥作用，两者在规模和数据量方面存在根本差异。此外，当一切都在容器中运行时，必须围绕数据的临时性设计和优化监视。 了解云原生性能可以更好地为站点可靠性工程师(SRE)和平台工程师提供实时洞
|
传统的应用程序性能监视(APM)在新的云原生堆栈中并不总是能发挥作用，两者在规模和数据量方面存在根本差异。此外，当一切都在容器中运行时，必须围绕数据的临时性设计和优化监视。 了解云原生性能可以更好地为站点可靠性工程师(SRE)和平台工程师提供实时洞察力，帮助在出现问题时快速响应。因此，人们近年来看到对云原生全栈可观察性的兴趣激增，其中涉及指标、日志和跟踪，以揭示事件的根本原因。 Chronosphere公司联合创始人兼首席执行官Martin Mao表示，可观察性的一个关键目标是减少平均恢复时间(MTTR)。然而令人惊讶的是，这一指标在许多企业中实际上正在增加，工程师们可能会遇到数据疲劳，因为在处理大量通知时识别警报很棘手。Mao对于如何管理云原生可观察性数据进行了分析和阐述，并介绍了一些技巧，这些技巧可以帮助企业在可观测数据的海洋中保持头脑清醒。 Mao说，“由于产生了更多数据，需要筛选的警报也越来越多，这些警报开始妨碍企业找出解决这些问题的方法。” 解决方案：优化保留和分辨率 Mao表示，企业可以通过围绕数据保留和解决设置限制来解决这些问题。以下深入了解这些概念的含义。 (1)数据保留 随着许多工具产生不断升级的数据维度，企业的可观察性数据可以快速积累。阻止数据积累的第一种方法是限制数据的收集时间和存储时间。 例如，是否有必要无限期地保存在单个部署过程中收集的所有数据?在当今的迭代开发周期中，永远存储这些点可能不是明智之举。这可能意味着将默认存储时间进行缩减。 此外，未能对收集数据的时间设置限制会导致可观察性数据激增。例如，只有在主动调试时，实时记录调试端点才有意，否则没有必要收集数据。 (2)数据分辨率 数据分辨率是指记录的时间序列数据的粒度。正如Mao指出的那样，每秒记录数据与每小时记录数据基本上相差3600倍。因此，优化数据收集的分辨率对于减少采用成本高昂的存储设备非常重要。 Mao指出，为了更好地处理数据，团队将需要工具来修改和可视化他们正在收集的数据。此外，由于工作人员在调试时可能不需要每个数据点维度，因此他们可能会受益于预先计算所需答案的机制。 （编辑：PHP编程网 - 黄冈站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330482号