9月25日,由中国信通院云计算与大数据研究所稳定性保障实验室主办、科来协办的全栈 全链 立体化 可观测性技术创新与应用研讨会圆满召开。本次研讨会基于可观测性技术的最新发展趋势与应用场景,分享可观测性最佳实践案例,众多重点单位与头部企业技术负责人与业内专家参与了此次研讨会,共同探索可观测性技术在企业内的落地实践与未来发展方向。

01现代信息系统迫切需要建立深度洞察能力

中国信通院云大所云计算部副主任郑立在发表讲话时指出,随着信息技术的飞速发展,数字化转型已成为全球共识,各行各业正加速向智能化、数字化迈进,在这一进程中,可观测性已经作为保障系统稳定运行、提升运维效率、促进业务创新的关键手段,并在技术研发与应用、生态建设与协同、标准建设与成效三个方面提出了发展建议。

在随后的《中国信通院可观测性标准体系暨标准规划解读》中,来自信通院云大所的刘坤先生从可观测性建设概述、标准体系、发展趋势等维度进行分享,解读了中国信通院在可观测性技术方面的研究工作,分享了下一步的可观测性行业标准计划。

02筑牢高质量发展底座 构建业务稳定性新核心

兴业证券朱曌巍先生在演讲中分享了兴业证券在数智基建中对于网络可观测技术实践。据他介绍,兴业证券的网络可观测领域技术实践,以基础设施智能运维赋能业务为目标,基于网络流量的客户行为旅程全路径观测开展规划。

以“数智兴证”为愿景,“强保障、超融合、促发展”为目标,促进全集团范围的数智化转型,建设新一代集团数据中心,筑牢数智化基建底座。在此背景下,可观测性建设是兴业证券实现基础运维与业务服务监控的相互融合与提升、企业上层应用的服务保障能力优化的重要前提。

“云计算的发展给业务保障和运维带来了新的挑战,而云时代的到来也加速了可观测性的发展。”科来网络冀佳鹏先生提到,企业依赖现代云原生、微服务架构提供强大生产力的同时,IT应用变得越来越复杂,服务间的互相依赖、交互越来越多,以至于梳理、洞察业务情况变得十分困难。

为了帮助客户解决在复杂云环境、多源异构资源池的统一监控难题,科来推出智能、全链、全栈、一体化分析的智能云网可观测平台,能够实现云内云外一体化智能运维, 真正实现全栈全链性能追踪,自动绘制云网全景拓扑,实现故障精准发现与快速定位溯源。

吉利控股集团李珂先生分享了企业可观测性建设转型的过程与经验。他认为,基于可观测性构建SRE运维体系是当前IT运维领域的一大趋势,也是技术、理念和业务三重元素转变所影响的必然发展。

演讲中提到,与传统监控相比,可观测性提供了一个更全面、实时且可操作的视角,如今有大量关于运营可视化、告警中心、监控、运营、主机、SLA、业务拓补等多个环节与工具平台,它们通过多维度可视化,实现了数据的集中监控和管理,帮助工程师快速定位问题并做出决策。

可观测性自出现就和云密不可分,作为国内较早进入云计算领域的云服务商,阿里云已经进行了多年的技术积淀,阿里云易鑫先生通过分享阿里云的网络流量开放与分析方案,介绍阿里云近年来在云网络可观测性的探索和实践,从另一视角向参会嘉宾与观众诠释了可观测性在数字化时代的无限可能。

他认为,可观测性是解决当前日益复杂的IT系统运维困境的有力工具,在提升自动化、智能化运维、效率流程优化等方面都有着独特价值。

同样基于国内头部的云厂商视角,华为云王一凡先生进行了主题为《持续性能剖析与交互式诊断在华为云的探索与实践》,并对研发过程中遇到的难点与关键技术进行展开讲解。

他认为,只有能被观测,才可能被优化,在当前everything as code的背景下,所有安全类、性能类以及可靠性类的问题几乎都能在代码层面找到解法,所以应用在代码层面的可观测性显得越来越重要。只有能被观测,才可能被优化,在当前everything as code的背景下,所有安全类、性能类以及可靠性类的问题几乎都能在代码层面找到解法,所以应用在代码层面的可观测性显得越来越重要。

03圆桌探讨 共话可观测性现在与未来

在圆桌环节,所有与会嘉宾现场一起连线对话,同频探讨可观测性技术的发展脉络与趋势,嘉宾们针对企业建设可观测系统的难点、可观测数据的价值等议题,进行了热烈的探讨与交流。

可观测性作为数字化转型的趋势性技术,已经成为不少企业IT建设预备数智转型的重点战略,其对于业务上云、分布式架构深度转型等不同企业场景,均有着不可替代的意义。在场嘉宾基于各自所在行业建设经验与独特视角发表观点,为活动听众带来了众多启发。

作为最早一批开始积累、探索数字化系统可观测性的厂商,科来拥有深厚、前沿的可观测性技术基础与成熟的落地实践经验,此前,科来曾多次获得中国信通院“云系统稳定安全运行优秀案例”、“可观测性优秀实践优秀案例”等荣誉,并在大量金融、能源、运营商等重点行业客户服务与业务保障中获得肯定。

未来,科来将继续深化可观测性与数字化IT业务稳定性保障研究,为客户业务发展提供技术支撑,助力更多企业充分发挥数据价值。

文章纠错