郑立：未来可观测性技术将深度融合AI达成体系训练

中新经纬7月28日电 题：未来可观测性技术将深度融合AI达成体系训练

作者 郑立 中国信通院云计算与大数据研究所副主任、云计算部副主任

可观测性技术最早源起于硬件，目的就是了解黑盒系统运行情况。现在可观测性是指通过系统外部输出度量系统内部运行状态的能力，它并不是一种工具，也不是一种流程，而是洞察自身的能力。

当前的IT技术持续发展给系统稳定性带来一个巨大的挑战：伴随架构的复杂性以及一系列操作难度，给监测带来了问题，系统更加复杂，环境动态性也越来越强，系统部署的场景更加多样，服务的依赖增加得比较多，对系统洞察以及对问题的定位会更难。另外，因为在可信云的大量测评中积累起很多真实的数据，所以很多时候会用开源的工具针对不同的业务模块搭建，或者是进行观测服务，从而会造成整个观测过程的割裂。

可观测性在当前的阶段要保证系统稳定性的基础能力，首先要有一个完善的可观测平台。除了日志指标、Matrix(矩阵)和链路追踪之外，还需要有更多的数据类型帮助我们去做更多的洞察信息，可观测性需要对这些数据有一个统一的采集能力。

此外，要有一个统一构建的方式，能够将这些不同的链路统一收集，并且建立多维度的直接关系。统一的数据模型是统一的数据处理，并且相互建立联系和转化的基础，也是能够挖掘这些大数据之间价值能力根本的方法。有了统一的数据模型，就可以做统一的信息处理、产品分析、内容分析。

当前的可观测性可能集中于某个环节，但事实上整个应用开发的系统是需要全生命周期覆盖开发测试、部署运维，实现端到端全生命周期的管理。这对可观测性提出了实时性和动态性的要求，需要系统更加实时、更加精确地提供健康状态，或者是健康趋势。最后就是安全性和隐私性的保护，如果具备这样的能力，我们完全可以在安全和隐私保护方面做更多的工作。

可观测性、平台能力作为整个稳定性保障的技术能力非常重要的一部分，提供整个洞察能力，在可观测性领域中已经是行标中完整的标准，后续也会推动更多可观测性标准。

未来，可观测性会融合更多人工智能和机器学习的能力，通过可观测性平台的进一步规范和完整，能够拿到成体系的观测数据，然后基于这些数据进行模型的训练，帮助去做更多的预测，从而提供性能的稳定性和可靠性。(中新经纬APP)

本文由中新经纬研究院选编，因选编产生的作品中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其它方式使用。选编内容涉及的观点仅代表原作者，不代表中新经纬观点。

责任编辑：孙庆阳 实习生 饶奎

来源：中新经纬

编辑：董湘依

广告等商务合作，请点击这里

未经过正式授权严禁转载本文，侵权必究