近年來，隨著企業應用程序和基礎設施的不斷發展，可觀測性已經成為管理和維護復雜系統的關鍵能力。隨著系統變得越來越復雜，可觀測性也必須不斷發展才能跟上不斷變化的需求。在這個背景下：可觀測性的下一步將會是什么?

一、云原生可觀測性所走過的歷程

近年來，隨著微服務和分布式系統的廣泛應用，企業越來越依賴可觀測性來管理和維護復雜的系統和基礎設施。然而，這種依賴也帶來了新的挑戰，因為理解實時系統行為變得更加困難，而這對于解決問題至關重要。

為了應對這些挑戰，越來越多的企業開始采用自動化監控分布式架構、深度跟蹤和實時可觀測性等技術手段來解決問題。然而，隨著系統變得越來越復雜，可觀測性必須不斷發展才能跟上不斷變化的需求。

在未來，可觀測性的發展將繼續受到關注。每十年都會帶來可觀測性運作方式的巨大變化。過去三十年見證了一次又一次的轉型——從本地云到云，現在是云原生。每一代人都會面臨新的問題需要解決，這為新公司的成立打開了大門。

在本地云時代，催生了 Solarwinds、BMC 和 CA Technology 等幾家公司。隨著云時代的到來(即 AWS 出現)，市場的格局發生了變化，出現了 Datadog、New Relic、Sumologic、Dynatrace、Appdynamic 等新公司。

而隨著云原生時代的到來(從2019-20年開始)，市場又迎來了另一次動蕩。因此，可觀測性的下一步將會是什么，仍然是一個值得關注和探討的問題。

二、云原生可觀測性未來可能面臨的一些挑戰

當前的變革主要源于企業在構建軟件方面使用了與 2010 年完全不同的技術。相較于單一架構，他們更傾向于使用微服務、Kubernetes 和分布式架構等技術，以期獲得更好的安全性、更容易的擴展性，以及提高分布式團隊的效率。

然而，這種新技術也帶來了一些挑戰。根據 Gartner 的數據，到 2025 年，預計 95% 的系統將采用云原生技術。由于云原生技術生成的數據量比前幾代技術要大得多，因此托管和擴展這些數據變得更具挑戰性。這也帶來了三個主要問題需要解決：

1、成本問題

第一個問題相對簡單，即成本問題。所有傳統的可觀測性公司都變得如此昂貴，以至于大多數初創公司和中型企業難以承擔這樣的費用。因此，他們被迫使用舊技術來托管和處理數據，但這些技術已經無法滿足 2023 年初創企業的需求。這種情況導致了一個明顯的差距：大型企業可以輕松承擔高昂的可觀測性成本，而小型企業則無法承擔這樣的費用。這也使得小型企業在競爭中處于劣勢地位。因此，如何降低可觀測性的成本，是當前亟待解決的問題之一。

2、關注點偏向問題

隨著可觀測性的能力變得更加先進，開發和運營團隊跟蹤的重點也發生了變化。以前，主要關注點是確保應用程序和基礎設施不會崩潰。但現在，開發和運營團隊正在更深層次上運作，優先考慮如下事項：

(1)請求延遲

(2)飽和

(3)可擴展性

(4)使用情況的交通地圖

(5)優化和預測未來結果

(6)新代碼如何改變云使用情況

總而言之，開發和運營團隊變得更加主動而不是被動，需要更高級的技術來支持他們的工作。這也表明，可觀測性的優先事項已經從簡單的系統穩定性轉向了更加深入的業務需求，如性能優化、擴展性和預測等方面。因此，開發和運營團隊需要不斷學習和掌握新的技術，以適應這種變化和挑戰。

3、價值賦能問題。

最后，微服務架構的興起改變了 IT 團隊觀察應用程序變化的方式。相較于單一架構，微服務架構中的一個服務可以跨越多個節點運行，而多個小型服務也可以在一個節點上運行。這意味著“一刀切”的方法已經不再適用。開發和運營團隊需要進行更深入的分析，以了解其基礎設施中發生的情況，并且需要適應不斷變化的可觀測性需求。因此，對于可觀測性的期望也在不斷變化。

以前，可觀測性的主要目標是確保應用程序和基礎設施不會崩潰，但現在，它已經發展成為一個更加復雜、更加深入的領域，需要更加高級的技術和工具來支持各種需求，如性能監控、錯誤檢測、安全性和合規性等方面。因此，開發和運營團隊需要不斷更新自己的知識和技能，以跟上可觀測性領域的發展和變化。

因此，隨著技術的不斷發展和變革，未來的企業將需要更好地應對這些挑戰，以確保其軟件系統的可靠性和穩定性。

三、新一代可觀測工具應該是什么樣的?

那么，對于新一代可觀測工具，在 2023 年應該如何應對這些挑戰呢?或許，如下的相關觀點或建議可幫助大家進行應對，具體可參考：

1、統一的可觀測性

第一個主要問題是如何實現統一的可觀測性。許多傳統公司聲稱他們有一個統一的可觀測平臺，但實際上，他們只是提供了不同的選項卡，用于訪問指標、日志、跟蹤等數據，這并不能真正解決問題。開發和運營團隊需要的是一個可在單個時間線上查看所有這些數據的地方。只有這樣，他們才能追蹤相關性，確定問題的根本原因，并快速解決問題。

因此，實現統一的可觀測性需要一個集中的平臺，能夠整合所有不同來源的數據，并提供一致的視圖和工具，以便開發和運營團隊更好地進行分析和決策。這也是為什么現在許多公司正在采用跨平臺的可觀測性解決方案，以提高他們的可觀測性水平和效率。

2、與供應商無關 (OTel)

許多公司正在尋找一種不依賴于單一供應商的解決方案，以避免被鎖定在特定技術棧或供應商的生態系統中。為此，許多科技公司正在為開放遙測做出貢獻，并將 OTel 作為數據收集代理的首選工具。

OTel 具有許多優勢，例如互操作性、靈活性和改進的性能監控。使用 OTel，公司可以更輕松地集成不同的工具和服務，并在不同的平臺上收集和分析數據，無需擔心供應商鎖定或技術限制。因此，OTel 在實現供應商無關的可觀測性方面具有重要的作用，并將繼續在未來扮演重要的角色。

3、預測型可觀測性

在人工智能時代，自動化和無人化已經成為技術發展的趨勢。這使得系統能夠完成人類根本無法完成的任務，例如通過機器學習在錯誤發生之前預測錯誤。

然而，目前的可觀測性解決方案并沒有充分利用人工智能技術，這也需要更多的創新。通過在可觀測性平臺中添加人工智能層，企業可以在問題發生之前預測問題，并在用戶或客戶知曉問題之前解決問題。這將有助于提高服務和產品的質量，并增強企業的聲譽和競爭力。

因此，未來的可觀測性解決方案需要更多地集成人工智能技術，以便實現預測性可觀測性。這將需要更多的數據和算法支持，以便建立準確的模型和預測系統，并為企業提供更好的決策支持和業務洞察。隨著人工智能技術的不斷發展和應用，預測性可觀測性將成為未來可觀測性解決方案的重要發展方向。

4、成本最優化模式

成本優化是可觀測性領域面臨的一個關鍵挑戰。盡管云存儲的成本越來越低，但大多數可觀測性公司并沒有相應地降低價格，這導致客戶不得不承擔高昂的成本，而且沒有其他選擇。

OpenTelemetry 每秒收集超過 200 個數據點，但實際上并不是所有這些數據點都是必要的。因此，可觀測性公司應該避免向用戶收取不必要的存儲費用，并僅收集和存儲有用的數據，同時刪除其余的數據。這將有助于降低存儲和處理數據的成本，并提高可觀測性的效率和性能。

為了實現成本優化，可觀測性公司還可以采用其他策略，例如使用數據壓縮和歸檔技術，以減少存儲和傳輸成本。此外，他們還可以考慮使用開源軟件和云原生技術，以提高效率和降低成本。

因此，成本優化是可觀測性領域需要解決的重要問題。通過實現有效的成本優化策略，可觀測性公司可以為客戶提供更具競爭力的解決方案，并增強自身的市場影響力和盈利能力。

5、基于 AI 的告警

告警疲勞是可觀測性領域面臨的一個真正挑戰。當開發人員收到大量警報并將電子郵件線程或 Slack 通道靜音時，這可能會掩蓋問題并降低解決問題的效率。

基于人工智能的告警系統可以通過利用人工智能技術來預測哪些告警是必要的，哪些不是，來解決這個問題。此外，人工智能還可以提供背景信息，甚至提出可能的解決方案，從而幫助開發人員更快地解決問題，減少告警的數量，提高可觀測性的效率和性能。

這種基于人工智能的告警系統不僅可以提供更準確和有用的警報信息，還可以減少告警的數量，從而減少告警疲勞對開發人員的影響。此外，它還可以提高可觀測性的效率和性能，從而提高企業的生產力和競爭力。

因此，基于人工智能的告警系統是未來可觀測性解決方案的一個重要發展方向，具有廣闊的應用前景和市場潛力。

四、云原生可觀測性未來的一點思考

未來的可觀測性將需要更加智能化和自動化。人工智能和機器學習等新技術將成為可觀測性的重要組成部分，幫助開發人員和運維人員更好地了解系統和應用程序的運行狀態，并自動化地識別和解決問題。同時，隨著云原生技術的發展，容器、微服務和無服務器架構等新技術也將對可觀測性產生深遠的影響。

未來的可觀測性還需要更加全面和綜合。除了傳統的日志管理、度量指標和分布式跟蹤等技術，還需要考慮事件管理、故障注入和安全監控等方面的需求。這些技術將有助于建立更全面、更可靠的可觀測性系統，幫助企業更好地管理和維護復雜的系統和基礎設施。

總之，未來的可觀測性需要更加智能化、自動化、全面和綜合化。只有不斷探索和創新，才能在不斷變化的環境中滿足企業不斷變化的可觀測性需求。

對于可觀測性領域來說，現在是一個令人興奮的時刻。正如我之前所提到的，我們所看到的變革正在為未來的發展打開無數機遇之門。然而，現在的問題是：誰主沉浮?