DevOps为什么要面向终态的监控设计？

在面向终态的监控设计过程中，需要更加友好的面对监控对象和监控使用者，因此， 与普通监控不同的是，第三方数据的接入需要在服务目录范畴。在面向终态的服务目录设 计中，包括如下要求。

提供可视化的服务内容，使用更为便捷，降低了使用成本，提升了用户覆盖率， 把监控优先级提升至业务优先。

将第三方数据统一以服务中介的方式进行接入，服务中介采用箱即用方式对第三 方数据进行统一管理，如外接接口管理平台，对于接口的新增、删除，能够自动 进行统计、计算和分析。

服务中介将指定的服务提供给监控平台用户，并通过数据标签的方式自动进行关 联，根据实时、近线和离线方式进行处理，最终呈现给特定的标签用户。

监控平台用户可通过自定义方式接入可用的服务对象。

在数据处理方面，更偏重清洗和指标分层计算。其中，在清洗阶段，需要实时接收数据，并进行数据的处理、转换和清洗。任务一般 基于 Storm 或 Flink 实现，经过清洗任务处理后的结构化数据通过消息队列进行数据流转或 回流输出。在指标分层计算阶段，对结构化数据进行相关指标的计算，需要达到高吞吐量、 标准 SQL 等要求，还需要加强时间窗口、去重等功能的匹配。根据标签数据和标签用户的 不同特性，对数据动态地进行实时处理和离线更新。

在数据的回流输出方面，面向终态的监控平台需要根据监控目标不断地回检当前的系 统状态，从而为面向终态执行决策提供部分依据，因此，模型管道的构建必不可少。这也 是我们经常提到的异常检测功能。

对于异常检测，可以从告警分析和根因分析方面进行落地。在告警分析方面，基于系 统的面向终态需要实现，主要有对告警的时间顺序进行趋势分析；对指标对比进行分析， 降低指标预警的召回率；对已知的告警进行标记，辅助优化模型，间接提升指标预警的准 确率。在根因分析方面，通过数据的下钻和关联数据的收敛，根据最终的影响因素，对算 法分析出的根因进行判断和标记，通过根因判断的结果符合度指标来进行算法调优。

从本质上来说，面向终态继承了更先进的 DevOps 理念，通过运用大量的声明式 API 来提高“无条件”的极致用户体验水平，同时运用机器学习来加强数据的输出和变现能力。 这种设计方式将技术进行反向解耦，在服务能力的范围之内，将数据纳入用户体验中，提 升了数据的反馈能力，扩展了监控平台的用户范围，解决了运维数据运营中的一系列问题， 可以更加安全、稳定、高效和低成本地践行高效运维理念，是价值交付流水线中的重要组 成部分。

资料来源于《DevOps权威指南：IT效能“新基建”》

下载地址：https://developer.aliyun.com/topic/download?id=8246