15、观测性实施案例分析：goFast与superEats

Python

于 2025-08-08 14:54:11 发布

阅读量41

点赞数

CC 4.0 BY-SA版权

分类专栏：企业可观测性实施的关键路径文章标签：观测性 goFast superEats

本文链接：https://blog.youkuaiyun.com/python/article/details/150097351

企业可观测性实施的关键路径专栏收录该内容

16 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

观测性实施案例分析：goFast与superEats

1. 观测性的好处

2. 案例一：goFast

goFast是一家出租车服务公司，拥有复杂的微服务架构，每个微服务运行在自己的容器中，并部署在AWS等云平台上。不同团队协作以提供最佳客户服务。

2.1 问题识别

goFast面临诸多挑战：
- 可扩展性：随着业务增长，处理更多乘客和司机的能力。
- 实时调度：确保准确高效地调度出租车，并实时更新可用性和位置信息。
- 支付处理：安全处理乘客支付，集成多个支付网关。
- 路线优化：优化出租车路线，减少时间和距离，提高司机效率和客户满意度。
- 基于位置的服务：为客户提供准确的司机和车辆位置及预计到达时间信息。
- 车辆跟踪：监控车辆实时位置、速度和状况，确保乘客安全。
- 数据管理：存储和管理大量客户和交易数据，同时确保数据隐私和安全。
- 移动优化：确保应用在移动设备上优化，界面友好，导航流畅。

2.2 解决问题

以下是goFast在观测性实施工作流程中的具体步骤：
1. 构思（Ideate）
- 评估是否需要观测性，各利益相关者达成共识，认为现有监控的IT资产覆盖和数据关联可改进，因事件平均响应时间（MTTR）不在可接受范围内。
- 组织可用资源，与高管讨论并获得支持，确定观测性实施用户并了解其期望。
2. 数据收集（Collect data）
- 因业务有不同的高峰负荷，使用容器和云平台管理负载。
- 选择Prometheus和Dynatrace工具收集数据，数据形式包括日志、性能指标和跟踪，从基础设施、应用和业务服务层收集。
- 必要时与应用工程团队合作，对应用进行检测以生成所需数据。
3. 数据分析（Analyze data）
- 构建多个仪表盘，跟踪相关指标和关键绩效指标（KPIs），关联多个微服务的数据，了解应用服务和业务功能。
- 利用人工智能学习高峰时段响应时间的模式，确保支付微服务在服务级别协议（SLA）内运行。
- 选择Splunk进行日志分析和可视化，了解微服务行为。
4. 问题发现（Catch issues）
- 通过广泛的数据收集、关联和分析，识别数据一致性问题、已知错误、性能瓶颈等。
- 快速缩小问题范围，降低MTTR，设置事件和警报，实现自动化和自愈。
- 监控服务的SLA，将违规情况告知负责团队。
5. 解决方案实施（Implement solutions）
- 应用工程团队根据分析结果实施解决方案，如增加微服务副本数量、添加负载均衡器等。
- 改进信息技术基础设施库（ITIL）流程，规范开发团队的日志记录实践。
6. 监控与演进（Monitor and evolve）
- 持续监控应用和微服务，确保解决方案有效，及时发现和解决新问题。
- 定期审查实施情况，完善仪表盘、警报、机器学习能力和自动化工作流程。
- 开发监控框架，包含特定类型应用组件的最佳实践。

mermaid格式流程图如下：

graph LR
    A[构思] --> B[数据收集]
    B --> C[数据分析]
    C --> D[问题发现]
    D --> E[解决方案实施]
    E --> F[监控与演进]

3. 案例二：superEats

superEats是一家食品制造公司，拥有端到端的供应链，从采购农产品到加工食品，再到销售给零售商和批发商。公司文化倾向于控制，对变革有一定抵制。

3.1 问题识别

superEats面临的挑战包括：
- 确保食品产品安全可食用，符合监管标准，预防食源性疾病。
- 管理原材料采购、成品生产和分销。
- 保持产品质量，确保口味、外观和安全性一致。
- 平衡生产成本与盈利能力和市场竞争力。
- 实施环保实践，减少制造过程中的浪费。
- 开发新产品以满足不断变化的消费者偏好，领先于竞争对手。
- 开发有吸引力且信息丰富的包装，符合法律要求，提升产品吸引力。

3.2 解决问题

superEats在观测性实施工作流程中的步骤如下：
1. 构思（Ideate）
- 确定需要监控的供应链阶段，如原材料采购、生产、包装和分销。
- 遵循构思阶段的典型活动，包括与领导、工程和支持团队合作。
2. 数据收集（Collect data）
- 从温度传感器、湿度传感器和RFID标签等多种来源收集数据。
- 数据形式包括固件的日志和指标，以及软件组件的日志、指标和跟踪。
- 使用OpenTelemetry收集基于时间序列的固件数据。
- 评估工具能否处理来自固件和软件的混合数据，必要时投资新工具。
3. 数据分析（Analyze data）
- 成功收集数据后，通过结合固件和软件数据，实现供应链的端到端视图。
- 配置观测性工具构建仪表盘，识别数据模式和趋势，了解供应链行为。
- 应用数据素养，特别是处理来自固件的数据，与固件供应商的技术团队合作。
- 构建围绕重要KPIs的仪表盘，如前置时间、订单履行率等。
- 制定数据访问、加密和安全政策。
4. 问题发现（Catch issues）
- 使用收集的数据识别问题，如温度偏差、集成问题、数据泄露或产品移动延迟。
- 使用观测性工具将问题告知相关支持团队。
5. 解决方案实施（Implement solutions）
- 根据分析结果实施解决方案，如调整存储设施的温度设置、实施新的物流系统。
- 推动文化变革，采用严格的变更管理实践。
6. 监控与演进（Monitor and evolve）
- 持续监控供应链，确保解决方案有效，解决未覆盖的问题。
- 更频繁地审查与食品质量相关的观测性工件。
- 节省成本，提高决策能力，管理员可相应调整分销或与客户沟通。

mermaid格式流程图如下：

graph LR
    G[构思] --> H[数据收集]
    H --> I[数据分析]
    I --> J[问题发现]
    J --> K[解决方案实施]
    K --> L[监控与演进]

通过这两个案例可以看出，观测性可以帮助企业深入了解复杂系统的行为和性能，及时识别和解决问题。在实施观测性时，企业需要根据自身情况，按照合适的工作流程逐步推进，以实现观测性的各项好处。同时，企业也需要思考如何进一步优化，以充分发挥观测性的潜力。

观测性实施案例分析：goFast与superEats

4. 案例对比分析

对比项目	goFast	superEats
业务类型	出租车服务	食品制造与供应链
架构特点	微服务架构，运行在容器和云平台	端到端供应链，涉及固件和软件
面临挑战	可扩展性、实时调度、支付处理等	食品安全、质量控制、成本平衡等
数据收集	从基础设施、应用和业务服务层收集日志、指标和跟踪	从多种传感器和系统收集固件和软件数据
工具选择	Prometheus、Dynatrace、Splunk	OpenTelemetry等
文化特点	团队协作积极推进观测性	倾向控制，对变革有一定抵制

从这个表格可以清晰地看到，不同业务类型的企业在实施观测性时面临不同的挑战，并且在数据收集、工具选择和文化适应等方面也存在差异。

5. 观测性实施关键要点总结

构思阶段
- 各利益相关者达成共识，明确观测性实施的必要性。
- 组织资源，获得高管支持，确定实施用户和期望。
数据收集阶段
- 选择合适的工具，根据业务特点确定数据来源和形式。
- 必要时与相关团队合作，确保数据的有效收集。
数据分析阶段
- 构建仪表盘，关联数据，了解业务行为。
- 运用人工智能和数据素养，提取有价值的信息。
问题发现阶段
- 利用收集和分析的数据，及时发现问题。
- 设置合理的警报和事件机制，降低响应时间。
解决方案实施阶段
- 根据分析结果实施具体解决方案。
- 注重文化变革和变更管理。
监控与演进阶段
- 持续监控系统，确保解决方案有效。
- 定期审查和优化观测性工件。

mermaid格式流程图总结观测性实施流程：

graph LR
    A[构思] --> B[数据收集]
    B --> C[数据分析]
    C --> D[问题发现]
    D --> E[解决方案实施]
    E --> F[监控与演进]
    F --> A

这个流程图展示了观测性实施是一个循环的过程，企业需要不断地进行监控和优化，以适应业务的变化和发展。

6. 对企业的启示

明确自身需求 ：企业在考虑实施观测性之前，需要清楚了解自身业务面临的挑战和需求，像goFast和superEats一样，根据实际情况确定观测性的实施重点。
选择合适工具 ：根据业务架构和数据特点选择合适的观测性工具，确保能够有效收集、分析和处理数据。
注重团队协作 ：观测性实施涉及多个团队，如开发、运维、业务等，需要各团队密切协作，共同推进项目。
文化适应与变革 ：企业需要根据自身文化特点，采取合适的方式推动观测性实施。对于抵制变革的企业，如superEats，需要逐步推动文化变革，确保项目顺利进行。
持续优化 ：观测性不是一次性的项目，而是一个持续的过程。企业需要不断地监控和优化系统，以实现观测性的最大价值。

总之，观测性对于企业了解复杂系统的行为和性能、及时解决问题具有重要意义。通过借鉴goFast和superEats的案例，企业可以更好地规划和实施观测性项目，提升自身的竞争力和运营效率。