云观测场景下的 Trace 全量存储技术研究 | 龙蜥社区系统运维 MeetUp
乘云数字 DataBuff 产品线架构师狂魔分享了《云观测场景下的 Trace 全量存储技术研究》主题演讲。在分享上提到，DataBuff 正在构建以“ Trace、Metric、Log、Topo、eBPF Flow” 观测五件套为数据原材料的一体化观测平台，Trace 是一体化观测的核心要素，是拓扑驱动现代 AIOps 分析的关键，有着不可替代的地位。当前，业界大多可观测性软件厂商无法解决“Trace 全量存储”的技术难题，大量丢弃客户的交易链数据是普遍现象，在安全合规、故障回溯、算力成本等方面均受到了巨大挑战。乘云数字专门开发了一款 “TraceX 调用链全量存储系统”，面向可观测分析场景、尤其适合大规模交易系统、云原生容器场景，帮助系统实现全量化存储调用链数据。TraceX 能够有效的降低 Tracing 数据的存储成本、提升分析效率，真正达到降本增效的目的。通过 TraceX 辅助一体化观测系统构建应用系统的空间地图，实现故障定位的按图索骥不丢痕，真正解决客户的业务问题。
Gartner 2023 可观测性魔力象限解读和启示 | 龙蜥社区系统运维 MeetUp
围绕 Gartner 关于 APM 和可观测性魔力象限谈了谈他的一些想法。据 2023 年最新的可观测性魔力象限报告显示，目前，其已受到社会各界广泛关注，市场空间占比也很大，而入选魔力象限可分为“技术”和“非技术”两项指标。接着，他详细介绍了 Leader 象限供应商的特点、Visionaries 象限供应商的前瞻性、Niche Players 象限解决了用户哪些痛点等。最后总结了可观测性的发展趋势。
龙蜥社区 & kindling社区联合发布：北极星指标体系构建|龙蜥社区系统运维MeetUp
分享了关于排障北极星指标理论的独到见解。尽管在传统的可观测性领域，涵盖了 tracing、metrics、logging等要素，但依然存在一些无法观测到的盲区。这些盲区的存在使得我们在故障排除过程中常常感到困惑。由于 Linux 内核的复杂性，即使是专家们也常常受限于某一特定领域，例如网络、存储、CPU 调度等。因此，故障排查的挑战在于，虽然问题表面看起来可能出现在某一领域，但根本原因可能却隐藏在另一个领域。这意味着解决故障通常需要集结来自多个领域的专家，而这也导致了 1-5-10 等迅速恢复业务的问题难以解决和实施。 为了解决这一问题，Kindling 社区与龙蜥社区合作，共同推出了排障北极星理论。
机器学习算法在系统参数调优的实践介绍 | 龙蜥大讲堂第 59 期
系统参数调优的需求随着系统复杂度升高和服务供应 serverless 化愈发迫切，与此同时，系统参数调优的实践中对当前算法提出了诸多挑战。根据我们在系统参数调优中的实践积累，针对提炼的主要挑战，在 KeenTune 给出了相应的算法导向的解决方案和未来的发展方向。