RedHat公司首席軟件工程師Bart?omiejP?otka確定了現代云計算可觀察性的五個關鍵和新興趨勢。
在高度抽象、虛擬化、通常是短暫且始終動態的云計算資源的世界中??，實現持續可觀察性的需求是關鍵。然而，一些企業創建云計算服務時并沒有考慮到內部系統的可觀察性。它最初是作為通過資源靈活性和成本可管理性實現IT敏捷性的關鍵途徑而銷售的。
現在云計算采用率也在增長，人們需要退后一步評估可觀察性能力。此外，隨著云原生實現跨越公有云、私有云、混合云、多云(多個供應商)實例，可以開始考慮多云，其中應用程序和數據服務工作負載的不同部分通過不同的云計算服務提供商區分開。
基于控制理論，現代云計算時代的可觀察性以多種形式表現出來，那么哪些關鍵驅動因素正在塑造企業遷移到云中以獲得更好視野的方式?
APM無處不在
許多人希望了解云計算可觀察性和APM(應用程序性能監控)之間的區別是什么。人們過去“只是簡單地”擁有虛擬機，這意味著計算塊或實例可以相對容易地暴露于可觀察性。
人們現在生活在嵌套虛擬化、軟件定義基礎設施(SDI)和云計算服務的世界中。企業的應用程序工作負載通常被軟件層(也稱為“應用程序”)包圍：操作系統、代理、編排軟件、容器引擎、虛擬機、外部服務等等。
由于APM幾乎已經成為可觀察性的同義詞，現在看到它擴展到整個IT堆棧的每一層和結構。顯然，人們需要APM用于應用程序，但還需要基礎設施APM(iAPM)，并且它需要能夠針對現在所在的虛擬化設備。
人們可能正處于不需要區分APM和非應用程序監控的時候。業界已經可以利用類似的方式利用工具來監控和觀察云中的各種軟件。
聯合集中編排視圖
在人們擁有多個不同的云計算提供商和許多云計算實例的世界中，需要一個協調的聯合可觀察性級別，具有集中視圖以及跨多個集群中的多個云平臺進行過濾和聚合的能力，如果希望能夠保持控制的話。
將可觀測性數據聯合到一個集中的位置是當今一種常見的技術和過程。這已被證明是查找云過載、糟糕的配置和實例閑置的“僵尸”云浪費的最佳方法。當將所有這些結合在一起時，可以驅動更高效的云計算資源來服務內容交付網絡，并在更智能的層面全面工作。
考慮內部的相關性
現在消耗和產生的數據量使人們能夠獲得更多信號來跟蹤可觀察性要求。如果考慮到物聯網正在以指數方式增加數據點這一事實，就數據流而言，大量數據會使可觀察性變得更加困難。
為了應對這一挑戰，需要考慮相關性。當人們尋求分析系統指標、日志和跟蹤時，需要能夠在這些程序和任務之間快速跳轉，以便在IT堆棧的不同部分動態工作。由于需要觀察的內容太多，連接的相關性有助于在數據源之間提供至關重要的鏈接，這些數據源實際上對IT功能的運行至關重要。
連續分析
可觀察性目標讓人們不斷尋找可以提高性能效率的優化。這意味著需要尋找、跟蹤和分析不同的可觀察性信號。執行此操作的最佳方法之一是分析。這種技術使人們能夠知道應用程序的哪個部分使用了多少計算資源(CPU時間、內存、磁盤或網絡IO)，而無需在查看進程的資源使用情況時進行猜測。
連續分析使人們能夠查看應用程序，并在感興趣的情況下查看過去的性能特征。如果它即將耗盡內存并可能使整個節點崩潰，則它特別有用。如果可以每60秒查看一次應用程序配置文件(或者甚至更頻繁)，那么人們就可以看到應用程序源代碼中的某個函數可能需要優化或擴充的地方。即使在編譯(而不是解釋)的應用程序的情況下，也可以回顧性地執行此操作，因為它嵌入了調試符號，使人們能夠向后映射到特定的函數調用。
eBPF的大量活動
最后是eBPF，或擴展Berkeley數據包過濾器以使用其全名。這是一種允許人們在Linux內核中執行附加代碼的機制。當可以使用這種“特殊機構”技術查看內核內部的特定功能時，就可以獲得對可觀察性的新控制。另外一個好處是，還可以注意到，eBPF不需要應用程序級別的工具來開始捕獲指標。
盡管它最初是為安全而設計的，但現在可以更主動地用于公開應用程序的度量。人們曾經考慮使用服務網格作為在應用程序周圍放置代理的一種方式，但是可以用eBPF代替服務網格，eBPF具有更低的開銷和更多的功能。
“金絲雀部署”可能仍然需要服務網格，應該注意到，服務網格仍然存在不可觀察性用例，例如金絲雀部署(對流量進行嚴格控制)和授權(通過相互TLS)中的那些用例。目前還沒有eBPF嘗試在這種級別上調整流量，目前eBPF的用例只是安全性和可觀察性。
如果尋求在現代IT堆棧中實現可觀察性的過程中考慮這些因素和一些功能，那么可以了解在云端將會發生什么。
