云原生可观测
云原生可观测基于Prometheus、Grafana 、OpenTelemetry 等核心产品, 形成指标、链路存储分析、异构数据源集成的数据层, 通过标准PromQL和SQL提供大盘展示、告警与探索能力。
基于AutoTagging技术实践 构建统一的可观测性数据平台
混合云以及容器逐渐成为承载微服务应用的主要基础设施,对于云原生应用的监控保障,也面临诊断难、规模广、弹性大、波动性强等挑战,这些挑战同时也使得云原生应用可观测性成为了运维开发关注的焦点。基于云杉网络在混合云网络场景下的多年实践,给大家分享在构建统一的云原生应用可观测性数据平台中的一些思考和经验。
OPLG:新一代云原生可观测最佳实践
> 作者:夏明(涯海) > 创作日期:2022-04-15 > 专栏地址:[【稳定大于一切】](https://github.com/StabilityMan/StabilityGuide) ## OPLG 是什么 随着云原生架构的兴起,可观测的边界与分工被重新定义,传统的容器/应用/业务分层监控边界被打破,Dev、Ops、Sec 的分工逐渐模糊。大家意识到 IT 系统作为一个有
OPLG:新一代云原生可观测最佳实践
OPLG 体系拥有成熟且富有活力的开源社区生态,同时也经过了大量企业生产环境的实践检验,是当下建设新一代云原生统一可观测平台的热门选择。但是,OPLG 只是提供了一个技术体系,如何灵活运用,解决实际问题,沉淀出通用行业或场景的最佳实践,还需要大家一起来探索。
使用Kubernetes监控定位Pod状态异常根因
Kubernetes Pod作为Kubernetes核心资源对象,不仅Service,Controller Workload都是围绕它展开工作,作为最小调度单元的它还担任着传统IT环境主机的职责,因此具有复杂的生命周期和依赖。因如此,绝大多数Kubernetes问题最终都会在Pod上表现出来,本节课将带来Pod常见异常场景解析以及定位根因最佳实践。
使用Kubernetes监控发现资源使用,流量分布不均匀的问题
为了支持日益增长的用户请求流量,大规模系统架构追求服务实例无状态可水平扩展的特性。这就要求流量均匀分配到各服务实例,容器和节点的资源使用也尽可能平均,否则热点问题将严重拖累系统性能,导致严重故障。因此,如何从流量及资源两个维度的监控数据,快速发现热点问题,提前消除隐患,成为kubernetes监控的重点。