16、电商与汽车行业的可观测性实践案例解析

电商与汽车行业的可观测性实践案例解析

1. bigBuys电商平台可观测性实践

bigBuys是一家电商平台，允许用户在线购买产品，拥有庞大用户基础且业务覆盖多个地区。它作为初创企业，具有创新文化，积极专注于创造和创新，不受流程或传统限制。

1.1 问题识别

和其他大型电商平台一样，bigBuys在维护网站和管理客户满意度方面面临诸多挑战：
- 可扩展性 ：随着业务增长，处理不断增加的用户和交易的能力。
- 安全性 ：保护客户敏感信息，维护在线交易的完整性。
- 可靠性 ：确保网站始终可用且正常运行，减少停机时间。
- 性能 ：优化网站速度和响应能力，提供无缝用户体验。
- 集成 ：将网站与多个系统（如支付网关、运输供应商和库存管理系统）集成。
- 个性化 ：为每个客户提供个性化体验，包括推荐、定制内容和动态定价。
- 数据管理 ：存储和管理大量客户和交易数据，确保数据准确性和可访问性。
- 移动优化 ：确保网站针对越来越多地用于在线购物的移动设备进行优化。
- 多渠道销售 ：管理通过多个渠道（包括在线、实体店和市场）的销售。

1.2 解决问题

bigBuys按照可观测性实施工作流程来应对这些挑战：
- 构思阶段 ：bigBuys希望让平台问题更具可观测性。可观测性团队详细审查可用工具和技能，制定实现可观测性的计划。与相关团队讨论问题场景，思考如何通过警报快速通知问题或在适用情况下实现自我修复。
- 数据收集阶段 ：团队面临诸多挑战且缺乏明确改进议程，于是从多个来源收集数据，如Web服务器日志、应用程序日志和性能指标等。虽然理论上简单，但规划数据收集耗时，因为涉及本地、云中和容器中的数据源。bigBuys一次性开启所有数据源的数据收集，虽有风险，但公司文化允许这样做，且能相对自由地投资所需工具。同时，要关注数据存储、处理以及加密和安全策略。
- 数据分析阶段 ：利用收集的数据识别趋势、跟踪性能，并分析客户行为，如购买历史、浏览习惯和反馈，以了解客户需求和偏好。分析网站流量数据以改进网站设计。关注网站性能数据（如页面加载时间、跳出率和转化率）以提升用户体验。目标是提高客户满意度、反馈、评级和评论。此外，bigBuys制定严格的数据访问政策以符合各地规则。
- 问题捕捉阶段 ：IT团队面临多种IT问题，如性能缓慢、安全漏洞、支付处理问题等。通过收集和分析数据，团队设置足够的自我修复、事件和警报，以通知支持团队。bigBuys使用ServiceNow进行事件管理，加强变更管理流程以减少人为错误。
- 解决方案实施阶段 ：基于前面阶段的洞察和学习，可观测性团队建议应用工程师实施移动应用优化、支付处理、网站安全和部署管道等方面的解决方案。团队将事件分类并与应用团队分享结果，以持续改进问题高发领域。bigBuys还在数据安全方面投入时间和资源。
- 监控和演进阶段 ：可观测性团队持续监控应用程序，确保解决方案有效，并及时识别和解决新问题。定期的可观测性实施审查有助于提高网站性能、满足合规要求、增强安全性和更好地检测欺诈。

下面通过一个mermaid流程图展示bigBuys可观测性实施流程：

graph LR
    A[构思] --> B[数据收集]
    B --> C[数据分析]
    C --> D[问题捕捉]
    D --> E[解决方案实施]
    E --> F[监控和演进]

2. gruvyCars汽车制造公司可观测性实践

gruvyCars是一家制造联网汽车的公司，为保持市场竞争力，决定开展可观测性实践。

2.1 问题识别

其制造管道包括以下主要步骤：
1. 概念和设计 ：工程师开发联网汽车概念，设计车辆各组件和系统。需与多个部门协作，适应消费者偏好变化，需大量研发投资和制造流程调整。
2. 原型制作和测试 ：设计确定后，构建和测试原型，这对识别潜在设计问题和确保符合法规和安全要求至关重要。
3. 组件制造 ：制造汽车各个组件，依赖复杂的供应商网络。供应链中断会导致延误和影响生产计划，且自动化汽车技术成本高。
4. 组装 ：将组件组装成完整车辆，利用机器人进行自动化生产线流程。
5. 质量控制 ：在交付给客户之前，进行一系列质量控制检查，确保符合规格和标准。需满足各种环境和法规要求，质量问题会导致缺陷、召回和其他成本高昂的问题。
6. 软件集成 ：将使联网汽车各种功能的软件集成到车辆中，这是一个高度复杂的过程，需要仔细开发、测试和与硬件集成。

2.2 解决问题

gruvyCars同样按照可观测性实施工作流程解决问题：
- 构思阶段 ：可观测性团队确定需要监控的系统和传感器以及可观测性实施的目标。通过可观测性，团队能了解机器人手臂的行为，识别生产线上的瓶颈。团队与领导、支持团队、用户和技术架构师等相关方沟通，领导将可观测性好处与更快上市时间联系起来，要求团队积极推进。同时，审查现有集中监控系统，发现现有工具未充分利用，可处理预期数据量，从而节省新工具投资。
- 数据收集阶段 ：从传感器和安装在制造管道中的固件、软件和机器人的远程信息处理设备收集数据。大部分数据基于指标，通过OpenTelemetry轻松收集。团队进一步审查现有工具集，以确保与数据源和格式保持一致。
- 数据分析阶段 ：使用数据分析工具分析以下方面：
- 生产效率 ：衡量制造过程的生产率，包括每小时生产的单位数量、每单位的平均时间和生产设备的利用率。
- 质量控制 ：衡量制造过程中的缺陷和保修索赔数量，包括每单位的缺陷率和客户投诉数量。
- 前置时间 ：衡量从制造过程开始到交付给客户的时间，包括生产产品的时间、运输产品的时间和清关的时间。
- 产品可追溯性 ：衡量从原材料阶段到最终客户跟踪产品的能力，包括使用序列号、条形码和RFID标签。
- 环境可持续性 ：衡量制造过程对环境的影响，包括可再生能源的使用、温室气体排放的减少和回收材料的使用。
团队开发仪表盘来跟踪关键指标和KPI，实现汽车制造管道及其性能的端到端可见性。
- 问题捕捉阶段 ：有了数据和关联能力，识别发动机问题、传输故障、安全问题等变得更容易，从而改善开发周期和质量检查。团队设置警报和仪表盘，及时了解汽车性能，解决问题。同时，为管道中的每个重要步骤设置KPI，确保顺利运行，提升客户体验。
- 解决方案实施阶段 ：基于分析结果，可观测性团队与应用工程和支持团队合作，实施解决方案。可观测性使团队能够快速实时关联来自各个系统的数据，为支持团队提供足够数据以快速解决问题。
- 监控和演进阶段 ：团队持续监控汽车制造管道的性能，及时识别和解决问题。定期审查可观测性实施的变化，尽管数据来源和格式变化不频繁，但仍关注警报、仪表盘和自我修复工作流程的相关性，以及是否涵盖新的客户旅程。

下面是gruvyCars可观测性实施流程的mermaid流程图：

graph LR
    A[构思] --> B[数据收集]
    B --> C[数据分析]
    C --> D[问题捕捉]
    D --> E[解决方案实施]
    E --> F[监控和演进]

通过这两个案例可以看出，不同行业的企业在面对各自挑战时，都能通过可观测性实施工作流程来提升自身竞争力和解决问题。虽然具体情况不同，但流程和方法具有一定的通用性和借鉴意义。

电商与汽车行业的可观测性实践案例解析

3. 可观测性实施流程对比分析

为了更清晰地了解 bigBuys 和 gruvyCars 在可观测性实施上的异同，下面通过表格进行对比分析：
| 阶段 | bigBuys（电商平台） | gruvyCars（汽车制造公司） |
| — | — | — |
| 构思 | 详细审查工具和技能，与相关团队讨论问题场景，思考警报和自我修复机制 | 确定监控系统和传感器，与多方沟通，领导关联可观测性与上市时间，审查现有监控系统 |
| 数据收集 | 从 Web 服务器日志、应用程序日志、性能指标等多源收集，涉及本地、云中和容器数据源 | 从传感器和远程信息处理设备收集基于指标的数据，审查工具集与数据源格式一致性 |
| 数据分析 | 分析客户行为、网站流量、性能数据，提高客户满意度等，制定数据访问政策 | 分析生产效率、质量控制、前置时间、产品可追溯性、环境可持续性等，开发仪表盘跟踪指标 |
| 问题捕捉 | 捕捉网站性能、安全、支付等 IT 问题，使用 ServiceNow 管理事件，加强变更管理 | 捕捉发动机、传输、安全等汽车制造问题，设置警报和仪表盘，监控 KPI |
| 解决方案实施 | 建议应用工程师实施移动应用优化、支付处理等解决方案，分类事件与应用团队分享 | 与应用工程和支持团队合作，利用可观测性关联数据解决问题 |
| 监控和演进 | 持续监控应用，定期审查提高网站性能、合规性、安全性等 | 持续监控制造管道，定期审查可观测性实施变化 |

从表格中可以看出，两个企业在可观测性实施流程上有相似之处，如都遵循构思、数据收集、分析等流程，但在具体实施细节上因行业特点而有所不同。bigBuys 更关注客户体验和网站性能相关问题，而 gruvyCars 则侧重于生产流程和产品质量相关问题。

4. 可观测性实践的关键要点总结

在不同行业的可观测性实践中，有一些关键要点值得总结：
- 团队协作 ：无论是 bigBuys 还是 gruvyCars，都强调与多个相关团队的协作。在构思阶段，与领导、支持团队、用户等沟通，能确保可观测性实施目标与企业整体战略一致；在解决方案实施阶段，与应用工程和支持团队合作，能更有效地解决问题。
- 数据驱动决策 ：数据收集和分析是可观测性实践的核心。通过收集多源数据，并进行深入分析，企业可以识别问题、了解客户需求和偏好、优化业务流程。例如，bigBuys 分析客户行为数据来改进网站设计，gruvyCars 分析生产效率数据来优化制造流程。
- 持续监控和演进 ：可观测性不是一次性的项目，而是一个持续的过程。企业需要持续监控系统性能，及时发现和解决新问题，并根据业务变化和技术发展，对可观测性实施进行调整和优化。
- 文化支持 ：企业的文化对可观测性实践有重要影响。bigBuys 的创新文化允许其在数据收集阶段进行大胆尝试，而 gruvyCars 的竞争文化促使其积极推进可观测性以保持市场竞争力。

5. 可观测性实践的未来展望

随着技术的不断发展和企业数字化转型的加速，可观测性实践将在更多行业得到广泛应用。未来，可观测性可能会朝着以下方向发展：
- 智能化 ：借助人工智能和机器学习技术，实现自动问题识别、预测性分析和智能决策。例如，通过对历史数据的学习，预测系统可能出现的故障，并提前采取措施进行预防。
- 一体化 ：将可观测性工具与企业的其他管理系统（如 ERP、CRM 等）进行深度集成，实现数据的全面共享和业务流程的无缝衔接。
- 行业定制化 ：不同行业的企业将根据自身特点和需求，定制适合自己的可观测性解决方案。例如，医疗行业可能更关注患者数据的安全和隐私，而金融行业则更注重交易的准确性和风险控制。

下面是可观测性实践未来发展趋势的 mermaid 流程图：

graph LR
    A[可观测性实践] --> B[智能化]
    A --> C[一体化]
    A --> D[行业定制化]

总之，可观测性实践为企业提供了一种有效的方式来应对复杂的业务挑战，提升竞争力。通过借鉴 bigBuys 和 gruvyCars 等企业的成功经验，其他企业可以更好地实施可观测性，实现业务的持续发展。在未来，随着可观测性技术的不断创新和完善，它将在企业的数字化转型中发挥更加重要的作用。