随着云原生技术在数字化转型过程中的广泛运用,对系统的可观测性和稳定性的挑战也随之而来,相比于传统的基于已知经验和固定模板的监控平台,可观测性平台需要具备更加灵活多变的,探索“未知的未知”问题的能力。
基调听云全新推出的基调观云智能可观测性平台,首次引入了强大的数据湖仓和轻应用架构,为用户提供了全新的数据探索和系统观测体验,帮助客户达成可观测性能力的跃迁。
CNCF可观测性白皮书定义了云原生可观测性的5大信号,分别是指标,日志,追踪,剖析和转储,每种信号都包含了复杂多样的结构化和非结构化的数据类型。为了对所有可观测性数据提供高效的实时存储和查询能力,基调观云平台引入了全新的数据湖仓作为可观测性的数据底座,以低成本高性能的统一数据存储框架为所有的可观测性信号数据提供治理、存储和查询能力,并在架构上实现了存算分离和高可用。
基于全新的可观测性数据存储和计算架构,基调观云平台进一步根据可观测性数据模型优化了底层存储,实现了更加简洁、占用资源更少,并支持持续整合OpenTelemetry标准的可观测性数据。
Gartner在2023年最新的监控及可观测性炒作周期报告(Hype Cycle for Monitoring and Observability, 2023)中首次提及了低代码可观测性。在报告中,Gartner提到:“随着组织部署日益复杂的IT架构和工具,基础设施和运维(I&O)团队对所需的监控、可观测性和分析工具的复杂性感到沮丧,这些。工具需要更高级的技术和管理技能。在极端情况下,管理这些复杂工具的成本可能超过管理IT架构和IT工具本身的成本。”
在这个报告中,Gartner这么定义低代码可观测性:低代码可观测性通过最小化编写查询或脚本的需求,实现了监控和分析工具的轻松快速配置。洞察和定制化的能力。它采用基于模型的图形化方法,增强了可观测性,有助于灵活的数据捕获、分析和仪表板设计。这些功能消除了培训的需求,同时为不同的使用案例和角色提供了自助服务、快速洞察和定制化的能力。
基调观云平台中首次引入了轻应用平台,所有基调观云的可观测性分析和管理能力,都将使用轻应用框架来快速构建和发布。通过基调观云独创的轻应用框架,任何人都可以快速构建和发布具备可观测性分析和管理能力的轻应用。
轻应用平台基于低代码平台构建,通过统一查询语言NBQL和开放式API,即可从数据湖仓中获取所有可观测性标准的数据,并支持整合其他厂商和平台的数据。只需要掌握基本的前端开发能力,不需要复杂的编程模型,即可快速开发和部署自己的可观测性轻应用,极大地降低了应用的开发成本。
基于全新的轻应用平台,基调观云平台将构建一个轻应用市场。基调听云可观测性解决方案中的所有能力都将以轻应用的形式上线到轻应用市场,目前已支持疑似问题、全局拓扑、APP用户体验监控、用户旅途、应用与微服务、分布式链路追踪、基础设施、诊断等轻应用,未来将有更多能力以轻应用的形式上线。
可观测性的最终形态是解决“未知的未知”问题,即通过可观测性发现系统中未知的潜在问题。
在云原生容器化和微服务的场景下,业务复杂度高,链路长,指标多,有大量高基数、高维度的数据需要观测。在这种背景下,要求可观测性平台具备下列能力:
1、对高基数、高维度可观测性数据进行探索的能力;
2、对可观测性数据的任意指标和维度进行探索和转换的能力;
3、快速从海量维度数据中找到可能导致问题的根因维度数据的能力。
“多维探索”轻应用为所有这些能力提供了可能性。通过基调观云平台的“多维探索”能力,用户可以对数据湖仓中的可观测性数据进行深入挖掘和无边界的自由探索,从简单的故障表象开始,进行反复的迭代探索,快速发现和定位可能的根因,直至故障的根因,支撑精准决策与问题解决。
目前“多维探索”轻应用已提供如下能力,并将持续更新迭代全新的能力:
1、对任意指标和维度进行探索,且不拘泥于维度、指标;
2、支持高基维的数据探索,从而更高效地定位通常会隐藏在高基、高维数据中的未知的未知问题;
3、提供独创的热力图(Heatmap),帮用户快速发现被传统指标体系监控所掩盖的细微变化;
4、提供和历史时间段的对比,甄别同比、环比的数据变化;
5、内置常用的建议查询模板,覆盖可观测最佳实践中最常见的分析场景,帮助用户快速上手;
6、集成了独创的自动化多维分析工具“见微(Esper)”,帮用户快速发现细微维度变化引发的"慢"或"错"的问题根因,提升探索效率。
“观云”智能可观测性平台在性能优化、故障排查、趋势分析等典型场景中,表现出了更强的针对性。
性能优化
通过多维度数据分析,识别系统性能瓶颈,并采取相应的优化措施,提升系统效率。
故障排查
对系统各个维度的数据进行分析,有助于迅速定位和解决问题,缩短故障恢复时间。
趋势分析
通过多维数据的历史记录,预测系统或应用的趋势,帮助规划资源和应对未来的需求。
基调观云智能化可观测性平台是基调听云多年来在应用性能管理领域技术积累的大成之作,它一体化集合了听云APM、听云Network、APP 拨测、数字体验监控(DEM)等多款明星产品的能力,为企业提供更为丝滑流畅的可观测性解决方案。
作为可观测性领域的新一代解决方案,观云平台不仅在技术层面上融汇了基调听云多年的技术积淀,更融入了基调听云对数字化转型中企业需求的深刻理解。观云平台的推出,代表着基调听云期望在助推企业数字化转型的过程中帮助客户实现更大的成功。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。