提升运维效率三倍以上 深度揭秘蚂蚁业务智能可观测平台

美联储支付系统宕机、亚马逊云服务宕机、国内B站等互联网服务平台宕机……近年来，全球范围内宕机事件频发，系统稳定性逐渐成为行业关注的焦点。

随着互联网服务深度融入生产生活，软件需要完成多样化的需求，势必需要扩大系统、引入新兴技术架构，信息系统的复杂度迅速提升，这些都导致系统稳定性的挑战愈加艰巨。中国信通院云计算与大数据所马鹏玮认为，信息系统稳定性成为业内焦点已经是必然趋势。

为了帮助各行各业实现更高效的运维，为业务提供全方位的稳定性保障，近日，蚂蚁数科发布了业务智能可观测平台BOS。该产品可赋能云上云下的异构应用获得开箱即用的智能可观测能力，帮助企业提升运维效率3倍以上。在产品发布会上，蚂蚁数科的产品专家马恒洋，对传统IT运维存在的挑战，以及业务智能可观测产品的功能进行了全面解读。

传统IT运维面临的四大挑战

目前各行业都在进行数字化转型，比如建设 Devops、分布式架构、容器化改造等。在享受数字化和云化带来福利后，复杂业务场景和大规模用户量，给今天的运维带来了全新挑战和更大风险压力，主要挑战如下：

一、业务数字化运维缺失：现阶段大多数企业偏向于应用或资源视角运维，缺少从业务视角进行运维、运营的能力。并且企业的业务场景又纷繁复杂，比如面向用户的手机银行、微信银行等，面向内部员工的财务、HR 系统， 以及面向伙伴的开放平台等。这些复杂的业务场景没办法通过传统运维手段将其量化和可视化，更无法将业务与应用系统进行关联映射；

二、链路的覆盖率很低：40% 左右用户体验故障是由客户端自身导致的，60% 左右是客户端调用服务端或中间件引起的，所以原先单点请求调用变成了长链路调用，任何一笔请求可能经过客户端-服务端-中间件等多个异构节点，每次出现故障时，运维人员无法快速感知调用链路上哪个环节出现异常或性能瓶颈；

三、运维产品多且割裂：很多企业都有购买和自建了各种监控产品，比如应用、中间件、基础资源的监控等，这些产品由不同部门使用，同样也建设了日志和链路等运维工具，但故障发生时仍需人工手动的收集信息，导致排障周期很长，比如应用出现故障时，可能是因为运行所在虚拟机异常导致的，但却是两个监控平台各自发出告警信息，无法自动关联；

四、运维数据无统一标准：海量运维数据不能实现数据的多维关联分析，就不能支撑上层可观测和智能运维能力，更无法实现运维数据的分析和挖掘。

上述四类挑战最终导致运维人员每天陷入到海量告警风暴中，但又无法准确发现故障；生产事故频繁出现，但又无好的观测和应急手段；并且每次故障都要拉齐相关的业务方、应用研发和运维等多方协同，效率不仅低下而且协同成本高。

如何应对这些挑战呢ÿ