背景
想象一下，你站在一个巨大的图书馆里，这里有成千上万本书，但每本书的目录都散落在不同的房间里，而且每间房间的索引方式都不一样。当你想要找一本关于“服务调用”的书时，你需要在 APM 房间、K8s 房间、云资源房间之间来回奔波，还要记住每个房间不同的查找规则…
这就是很多企业在可观测性领域面临的真实困境。而 UModel 就像是为这个混乱的图书馆建立了一套统一的“智能管理系统”，让你能够轻松探索和理解整个知识图谱的结构。
1.1 UModel 是什么
UModel 是一种基于图模型的可观测数据建模方法，旨在解决企业级环境中可观测数据采集、组织和利用的核心挑战。UModel 采用 Node（节点）和 Link（边）组成的图结构来描述 IT 世界，通过标准化的数据建模方式，实现可观测数据的统一表示、存储解耦和智能分析。
作为阿里云可观测体系的数据建模基础，UModel 为企业提供了一套通用的可观测“交互语言”，让人、程序和 AI 都能够理解和分析可观测数据，从而构建真正的全栈可观测能力。
核心概念
UModel 采用图论的基本概念，使用 Node（节点）和 Link（边）组成有向图来描述 IT 系统：
- Node（节点）：核心部分为 Set（数据集），表示同类型实体或数据的集合，如 EntitySet（实体集）、MetricSet（指标集）、LogSet（日志集）等；此外还包含数据集的存储类型（Storage），如 SLS、Prometheus、MySQL 等
- Link（关联）：表示 Node 之间的关系，如 EntitySetLink（实体关联）、DataLink（数据关联）、StorageLink（存储关联）等
- Field（字段）：用于约束和描述 Set 和 Link 的属性，包含名称、类型、约束规则、分析特性等 20 多种配置项
1.2 UModel 查询是什么
UModel 查询是 EntityStore 中用于查询知识图谱元数据的专用查询接口，通过 .umodel 查询语法，可以探索 EntitySet 定义、EntitySetLink 关系以及完整的知识图谱结构，为数据建模分析和 Schema 管理提供强大支持。
查询目标区分
UModel 查询与其他查询类型的区别：
UModel 查询专注于元数据层面的探索，帮助用户理解数据模型的结构和定义，而非具体的运行时数据。
UModel 查询
2.1 数据模型
数据结构
UModel 查询返回的数据具有固定的五字段结构：
注意：metadata、schema、spec 是 JSON 格式的 string，需要使用 json_extract_scalar 函数进行提取。
数据示例
2.2 查询语法
基础查询语法
-- 基础查询格式
.umodel | [SPL操作...]
-- 带限制条件的查询
.umodel | where <condition> | limit <count>
核心查询模式
1. List 场景 - 列表查询
查询所有 UModel 数据：
-- 列出所有umodel数据（不建议使用）
.umodel
-- 带分页的查询
.umodel | limit 0, 10
按类型过滤：
-- 查询所有EntitySet定义
.umodel | where kind = 'entity_set' | limit 0, 10
-- 查询所有EntitySetLink定义
.umodel | where kind = 'entity_set_link' | limit 0, 10
-- 查询所有边类型（关系定义）
.umodel | where __type__ = 'link' | limit 0, 10
-- 查询所有节点类型（实体定义）
.umodel | where __type__ = 'node' | limit 0, 10
按属性过滤：
-- 查询特定名称的实体定义
.umodel | where json_extract_scalar(metadata, '$.name') = 'acs.ecs.instance' | limit 0, 10
-- 查询特定域的所有定义
.umodel | where json_extract_scalar(metadata, '$.domain') = 'apm' | limit 0, 10
-- 查询多个域的定义
.umodel | where json_extract_scalar(metadata, '$.domain') in ('acs', 'apm', 'k8s') | limit 0, 10
2. 图计算场景 - 关系分析
UModel 支持基于元数据的图计算，用于分析 EntitySet 之间的关系：
基础图查询语法：
.umodel | graph-match <path> project <output>
基础概念：
在图查询中，有两个关键性的图概念：
节点类型，即 label 信息，在 UModel 的元数据图查询中，为 <domain>@<kind>，例如 apm@entity_set
节点 ID，即 __entity_id__ 信息，在 UModel 的元数据图查询中，为 kind::domain::name，例如 entity_set::apm::apm.service
图查询路径（PATH）使用 ASCII 字符描述关系方向：
查询 EntitySet 的邻居关系：
-- 查询特定EntitySet的所有关联关系
.umodel
| graph-match (s:"acs@entity_set" {__entity_id__: 'entity_set::acs::acs.ecs.instance'})
-[e]-(d)
project s, e, d | limit 0, 10
方向性关系查询：
-- 查询指向某个EntitySet的关系
.umodel
| graph-match (s:"acs@entity_set" {__entity_id__: 'entity_set::acs::acs.ecs.instance'})
<--(d)
project s, d | limit 0, 10
-- 查询从某个EntitySet出发的关系
.umodel
| graph-match (s:"acs@entity_set" {__entity_id__: 'entity_set::acs::acs.ack.cluster'})
-->(d)
project s, d | limit 0, 10
2.3 高级查询功能
JSON 路径提取
由于 UModel 数据采用 JSON 结构存储，需要使用 JSON 函数进行字段提取：
-- 提取基础信息
.umodel
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
entity_domain = json_extract_scalar(metadata, '$.domain'),
entity_description = json_extract_scalar(metadata, '$.description.zh_cn')
| project entity_name, entity_domain, entity_description | limit 0, 100
复杂条件筛选
-- 多条件组合查询
.umodel
| where kind = 'entity_set'
and json_extract_scalar(metadata, '$.domain') in ('apm', 'k8s')
and json_array_length(json_extract(spec, '$.fields')) > 5
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
field_count = json_array_length(json_extract(spec, '$.fields'))
| sort field_count desc
| limit 20
聚合分析
-- 按域统计EntitySet数量
.umodel
| where kind = 'entity_set'
| extend domain = json_extract_scalar(metadata, '$.domain')
| stats entity_count = count() by domain
| sort entity_count desc
2.4 性能优化建议
使用精确过滤
-- 优化前：范围过大
.umodel | where json_extract_scalar(metadata, '$.name') like '%service%'
-- 优化后：精确匹配
.umodel | where kind = 'entity_set'
and json_extract_scalar(metadata, '$.domain') = 'apm'
and json_extract_scalar(metadata, '$.name') = 'apm.service'
过滤前置
-- 优化前：后期过滤
.umodel
| extend name = json_extract_scalar(metadata, '$.name')
| where name = 'apm.service'
-- 优化后：过滤前置
.umodel
| where json_extract_scalar(metadata, '$.name') = 'apm.service'
| extend name = json_extract_scalar(metadata, '$.name')
图查询优化
-- 优化前：全图搜索
.umodel | graph-match (s)-[e]-(d) project s, e, d
-- 优化后：指定起始点
.umodel
| graph-match (s:"apm@entity_set" {__entity_id__: 'entity_set::apm::apm.service'})
-[e]-(d)
project s, e, d
UModel 查询具体应用场景
UModel 查询在实际应用中能够解决多种场景下的问题，为数据建模、Schema 管理和知识图谱分析提供强大支持。
3.1 Schema 探索与发现
场景描述
在大型可观测性系统中，可能存在数百个 EntitySet 定义，分布在不同的域（domain）中。用户需要快速了解系统中定义了哪些实体类型，以及它们的基本信息。
应用示例
探索所有实体类型：
-- 列出所有EntitySet及其基本信息
.umodel
| where kind = 'entity_set'
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
entity_domain = json_extract_scalar(metadata, '$.domain'),
description = json_extract_scalar(metadata, '$.description.zh_cn')
| project entity_name, entity_domain, description
| sort entity_domain, entity_name
| limit 0, 100
按域分类查看：
-- 查看特定域（如APM）下的所有实体定义
.umodel
| where kind = 'entity_set'
and json_extract_scalar(metadata, '$.domain') = 'apm'
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
description = json_extract_scalar(metadata, '$.short_description.zh_cn')
| project entity_name, description
| limit 0, 50
3.2 数据建模分析
场景描述
在进行数据建模优化时，需要分析现有 EntitySet 的字段复杂度、主键设计、索引配置等信息，以便识别需要优化的模型。
应用示例
分析字段复杂度：
-- 分析各域下EntitySet的字段数量分布
.umodel
| where kind = 'entity_set'
| extend
domain = json_extract_scalar(metadata, '$.domain'),
entity_name = json_extract_scalar(metadata, '$.name'),
field_count = json_array_length(json_extract(spec, '$.fields'))
| stats
avg_fields = avg(field_count),
max_fields = max(field_count),
min_fields = min(field_count),
entity_count = count()
by domain
| sort entity_count desc
查找复杂实体：
-- 找出字段数量最多的EntitySet（可能需要优化）
.umodel
| where kind = 'entity_set'
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
domain = json_extract_scalar(metadata, '$.domain'),
field_count = json_array_length(json_extract(spec, '$.fields'))
| sort field_count desc
| limit 20
3.3 关系图谱分析
场景描述
理解 EntitySet 之间的关系对于构建完整的知识图谱至关重要。通过图查询可以分析实体间的关联关系，发现数据模型中的依赖和连接。
应用示例
查询实体的所有关联关系：
-- 查询某个EntitySet（如apm.service）的所有关联关系
.umodel
| graph-match (s:"apm@entity_set" {__entity_id__: 'entity_set::apm::apm.service'})
-[e]-(d)
project s, e, d
| limit 0, 50
分析关系类型分布：
-- 统计不同关系类型的数量
.umodel
| where kind = 'entity_set_link'
| extend
link_name = json_extract_scalar(metadata, '$.name'),
link_type = json_extract_scalar(metadata, '$.link_type')
| stats limk_count = count() by link_type
| sort limk_count desc
查找特定关系：
-- 查找所有"runs_on"类型的关系定义
.umodel
| where kind = 'entity_set_link'
and json_extract_scalar(metadata, '$.link_type') = 'runs_on'
| extend
link_name = json_extract_scalar(metadata, '$.name'),
source = json_extract_scalar(metadata, '$.source'),
target = json_extract_scalar(metadata, '$.target')
| project link_name, source, target
3.4 元数据质量检查
场景描述
确保 UModel 元数据的完整性和一致性，检查缺失的描述、未定义的字段等问题。
应用示例
检查缺失描述的 EntitySet：
-- 找出没有中文描述的EntitySet
.umodel
| where kind = 'entity_set'
and (json_extract_scalar(metadata, '$.description.zh_cn') = ''
or json_extract_scalar(metadata, '$.description.zh_cn') is null)
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
domain = json_extract_scalar(metadata, '$.domain')
| project entity_name, domain
验证字段定义完整性：
-- 检查没有定义字段的EntitySet
.umodel
| where kind = 'entity_set'
and (json_extract(spec, '$.fields') is null
or json_array_length(json_extract(spec, '$.fields')) = 0)
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
domain = json_extract_scalar(metadata, '$.domain')
| project entity_name, domain
3.5 跨域关联分析
场景描述
在复杂的可观测性系统中，不同域（如 APM、K8s、云资源）的实体可能存在关联关系。通过 UModel 查询可以分析这些跨域的关联模式。
应用示例
查找跨域关系：
-- 查找连接不同域的EntitySetLink
.umodel
| where kind = 'entity_set_link'
| extend
link_name = json_extract_scalar(metadata, '$.name'),
source_domain = json_extract_scalar(spec, '$.src.domain'),
target_domain = json_extract_scalar(spec, '$.dest.domain')
| where source_domain != target_domain
| project link_name, source_domain, target_domain
| limit 0, 50
分析域间连接度：
-- 统计各域之间的连接关系数量
.umodel
| where kind = 'entity_set_link'
| extend
source_domain = json_extract_scalar(spec, '$.src.domain'),
target_domain = json_extract_scalar(spec, '$.dest.domain')
| stats count = count() by source_domain, target_domain
| sort count desc
3.6 版本与演进分析
场景描述
UModel Schema 会随着业务发展而演进，需要跟踪 Schema 的版本变化和演进历史。
应用示例
查看 Schema 版本信息：
-- 查看所有EntitySet的Schema版本
.umodel
| where kind = 'entity_set'
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
schema_version = json_extract_scalar(schema, '$.version'),
schema_url = json_extract_scalar(schema, '$.url')
| project entity_name, schema_version, schema_url
| limit 0, 100
3.7 快速定位与检索
场景描述
在大量元数据中快速找到特定的 EntitySet 或关系定义，支持模糊匹配和精确查询。
应用示例
按名称模糊搜索：
-- 搜索包含"service"的EntitySet
.umodel
| where kind = 'entity_set'
and json_extract_scalar(metadata, '$.name') like '%service%'
| extend
entity_name = json_extract_scalar(metadata, '$.name'),
domain = json_extract_scalar(metadata, '$.domain')
| project entity_name, domain
| limit 0, 20
精确查找特定实体：
-- 精确查找特定EntitySet的完整定义
.umodel
| where json_extract_scalar(metadata, '$.name') = 'apm.service'
| limit 1
总结
UModel 查询作为 EntityStore 中专门用于查询知识图谱元数据的接口，为可观测性数据建模提供了强大的支持能力。通过 UModel 查询可以：
- 探索 Schema 结构：快速了解系统中定义的所有实体类型和关系类型
- 分析数据模型：深入分析 EntitySet 的字段设计、主键配置、复杂度等
- 构建关系图谱：通过图查询分析实体间的关联关系，理解知识图谱的拓扑结构
- 质量检查：验证元数据的完整性和一致性
- 跨域分析：分析不同域之间的关联模式
- 快速检索：在大量元数据中快速定位目标定义
这些能力使得 UModel 查询成为数据建模分析、Schema 管理和知识图谱探索的不可或缺的工具，为构建和维护高质量的可观测性数据模型提供了坚实的基础。
点击此处查看视频演示。
扫一扫
1158
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
