云原生可观测

使用Prometheus进行监控是Istio提供的监控能力之一，通过集成TSDB有效地解决持久化存储的问题。

阿里云容器服务Kubernetes（简称ACK）支持一键部署Istio，可以参考[文档](https://help.aliyun.com/document_detail/89805.html)在ACK上部署使用Isito。Istio on ACK提供了丰富的监控能力，为网格中的服务收集遥测数据，其中Mixer是负责提供策略控制和遥测收集的Istio组件。使用Prometheus进行监控是Istio

GenAI和智能体技术的爆发，为IT运维打开了一扇新的大门，一个更具主动性、自治性和协作性的新时代已经来临，这就是AgenticOps（基于智能体的IT运维）。

以 AI 世界的“USB-C”标准接口——MCP（Model Context Protocol）为例，演示如何通过 MCP Server 实现大模型与阿里云 Grafana 服务的无缝对接，让智能交互更加高效、直观。

一文读懂Opentelemetry!

SLS 全新推出的「SQL 完全精确」模式，通过“限”与“换”的策略切换，在快速分析与精确计算之间实现平衡，满足用户对于超大数据规模分析结果精确的刚性需求。标志着其在超大规模日志数据分析领域再次迈出了重要的一步。

本文将着重介绍 Gin 框架官方推荐的几种可观测性方案并进行对比，从而得出 Gin 框架可观测性的最佳实践。

MES系统是数字化车间的核心。MES通过数字化生产过程控制，借助自动化和智能化技术手段，实现车间制造控制智能化、生产过程透明化、制造装备数控化和生产信息集成化。生产管理MES系统主要包括车间管理系统、质量管理系统、资源管理系统及数据采集和分析系统等，由技术平台层、网络层以及设备层实现。

本文以构建系统可观测（重点为指标监控体系）为切入点，对比 OpenTelemetry 与 Prometheus 的相同与差异，后重点介绍如何将应用的 OpenTelemetry 指标接入 Prometheus 及背后原理，最后介绍阿里云可观测监控 Prometheus 版拥抱 OpenTelemetry 及相关落地实践案例，希望能更好的帮助读者更好的理解 OpenTelemetry 及与 Prometheus 的生态融合。

[阿里云SLS可观测团队发布] 本文通过图文解析深入讲解PromQL的计算原理，涵盖其与SQL的差异、时间线模型、选点机制、聚合函数、窗口函数及常见非预期场景，帮助用户掌握PromQL的核心语法与执行逻辑。

监控系统的四个黄金指标是：延迟（Latency）、流量（Traffic）、错误（Errors）、饱和度（Saturation）

New Relic 可观测平台调研

我们开发了 MetricStore 2.0 版本，从存储到计算进行了全面升级，致力于成为阿里云下一代可观测时序引擎。

告别数据库“膨胀”！借助SLS打造高可用生产级的Dify日志场景，通过将工作流日志从PostgreSQL迁移至SLS，实现存储压力降低95%+、成本下降近10倍，并支持实时分析、监控告警与数据闭环，彻底解决高并发下的连接池打满、慢查询频发等痛点，助力AI应用高效稳定运行！

PTS（Performance Testing Service）是一项面向网站、应用等提供的压力测试服务，用于模拟不同场景下的用户访问，评估系统的性能表现；在进行PTS压测时，可能会出现一些异常或报错，本合集将PTS压测中频繁出现的问题及其解决办法进行汇编，旨在帮助用户更有效地进行性能测试和问题定位。

Dubbo3 的建设规划有上云，可观测性是上云必不可少的能力，集群间根据实例可用性负载均衡、Kubernetes 弹性伸缩、建立实例健康模型等等运用场景都需要可观测性。

本文系统阐述了FinOps（云财务运营）的四阶段采用路径：研究、提出、准备与启动。通过数据收集、利益相关者沟通、战略提案和团队协作，助力组织实现云成本透明化、优化支出并推动业务价值。适用于希望落地FinOps的个人与团队，提供实用框架与执行指南。

本次课程聚焦于助力企业高效构建安全、可观测的云上数据中心，涵盖三大方面：1) 数据中心网络面临的挑战，包括VPC、NAT网关和私网连接等产品的功能与挑战；2) 数据中心网络产品重磅发布，涉及安全设计建议、容灾能力提升及深度可观测能力的增强；3) 用户体验升级，通过VPC IPAM实现高效的网络地址管理和简化的产品体验。整体旨在为企业提供更安全、稳定、高效的云上解决方案。

本文对比传统NPM与云原生NPM在部署、流量采集、资源影响等方面的差异，聚焦Packet处理，分析二者优劣。随着eBPF等新技术应用，云原生NPM正加速发展，助力高效网络监控与故障定位。

本文介绍了GOAT（Golang Application Tracing）工具的使用方法，通过一个Echo问答服务实例，详细展示了代码埋点与追踪技术的应用。内容涵盖初始化配置、自动埋点、手动调整埋点、数据监控及清理埋点等核心功能。GOAT适用于灰度发布、功能验证、性能分析、Bug排查和代码重构等场景，助力Go项目质量保障与平稳发布。工具以轻量高效的特点，为开发团队提供数据支持，优化决策流程。

本文介绍了构建深度可观测、可集成的网络智能运维平台（简称NIS），旨在解决云上网络运维面临的复杂挑战。内容涵盖云网络运维的三大难题、打造云原生AIOps工具集的解决思路、可观测性对业务稳定的重要性，以及产品发布的亮点，包括流量分析NPM、网络架构巡检和自动化运维OpenAPI，助力客户实现自助运维与优化。

本文探讨生成式AI带来的新型成本挑战，如cost-per-token计费、GPU资源稀缺与波动定价。提出通过FinOps实践实现AI支出管控：建立成本基线、优化资源分配、实施配额与标记、加强跨团队协作，并将财务监控与业务成果对齐，推动AI成本管理从“爬”到“跑”的渐进式成熟。

《阿里云可观测最佳实践》——阿里云可观测解决方案介绍

成本分配是FinOps核心实践，通过层级结构、标签等元数据将云成本精准归因至部门、项目或所有者，实现成本展示与回收。需跨财务、工程、业务团队协作，建立强制标签策略并推动执行，提升财务透明度、问责制及优化能力。衡量指标包括标签合规率、成本分配时效等，成熟实施可显著增强组织云成本管控力。

首次引入！用因果推理做部分可观测强化学习｜AAAI 2023

LoongCollector 在日志场景中实现了全面的重磅升级，从功能、性能、稳定性等各个方面均进行了深度优化和提升，本文我们将对 LoongCollector 的升级进行详细介绍。

探讨了 SLS 中增强数据安全的几种方式：权限精细化管控有效减少了潜在安全风险；接入层脱敏技术阻止敏感数据落库，提升了隐私保护；StoreView 字段集控制通过限制查询数据范围，降低数据泄露损害。智能监控系统提供实时监测，快速识别并阻断异常拖库行为，为企业提供了迅速响应和抵御威胁的能力。

本文介绍了AI Ops的概念及其在提升系统运维效率、洞察力和可观测性方面的作用。主要内容分为三个部分：一是监控、观测与洞察的区别及挑战，强调了数据整合和语义对齐的重要性；二是AI与计算如何重塑可观测性，通过UModel数字图谱和多模态存储分析架构实现数据联通；三是最佳实践与未来展望，展示了阿里云AI Stack可观测解决方案的应用案例，并总结了可观测性的四个发展阶段，最终愿景是借助AI力量让每个人成为多领域的专家。

《阿里云可观测最佳实践》——7.节卡机器人（下）

以巴比馒头自动化洗菜为喻，探讨运维领域“数据清洗”难题。DataHub作为国产可视化遥测管道工具，支持多源数据接入与低代码编排，实现日志、指标、链路等数据的高效处理与统一管理，助力企业构建高质量可观测体系。（238字）

为进一步赋能用户在复杂场景下快速定位与解决问题，我们结合近期发布的一系列全新功能，精心梳理了一套从接入到问题发现、再到问题排查与精准定位的最佳实践指南。