浙商证券交易全链路监控实践：eBPF+Wasm 重构证劵交易可观测体系
DeepFlow 在证券核心交易场景下的落地实践，给证券行业在“云原生 + 全栈信创”转型过程中如何进行运维监控技术选型，给出了极具参考价值的工程范本。
Read More
DeepFlow 全栈可观测性 护航某银行核心系统全生命周期
随着金融核心系统的数字化转型进入新的阶段，DeepFlow 在提升系统稳定性、保障业务连续性、以及加速敏捷迭代方面发挥了至关重要的作用。通过基于 eBPF 和 WebAssembly 等技术的零侵扰采集能力，全栈可观测性不仅为传统系统引入了高效的监控手段，而且成功解决了多团队协作中的数据孤岛问题，提升了故障定位、性能优化与资源管理的工作效率。
Read More
DeepFlow 携手四川电力构建全栈可观测性和智能运维解决方案
通过部署 DeepFlow 可观测性平台，公司显著提升了营销2.0等核心系统的稳定运行与智能化保障能力，为电力连续可靠供应筑牢技术底座，积极践行社会责任。同时，“可观测性 + 智能体”的创新实践，为能源行业数字化与智能化转型提供了可落地、可复制的示范样板。
Read More
四川银行交易全链路监控实践：eBPF如何让云原生运维告别”无头排障”
近日，由 四川银行金融科技部团队 撰写的《云原生架构下的交易全链路监控建设》一文刊登于中国人民银行主管的《金融电子化》2026年6月上期。云杉网络作为本次项目的技术方案提供方，从联合视角梳理这一标杆实践的关键路径。
Read More
运动战：AI 时代 IT 运维的决胜之道——DeepFlow 业务全链路可观测性的落地实践
当真实的系统故障来临时，告警此起彼伏，由于全线布防，各个系统都在疯狂报警。工程师手忙脚乱，真正的故障究竟发生在哪里，反而更难判断。那位朋友期望的"AI 处理海量告警"，真到了关键时刻却变成了这样：一次核心交易系统故障，系统瞬间喷涌出数千条告警，AI 分析平台面对海量噪音反而不知道什么是重点，运维团队花了两个多小时才从层层迷雾中手工找到问题点。
Read More
DeepFlow 全栈可观测平台 赋能企业 OA 系统服务质量提升
本文深入探讨了 DeepFlow 全栈可观测性平台，在企业核心 OA 系统中的实战应用。针对某大型客户 OA 系统长期存在的响应迟缓、偶发故障等顽疾，DeepFlow 通过零侵扰数据采集技术，构建了从网关到应用、数据库的全景拓扑与实时告警体系。在一次典型的接口响应变慢事件中，运维团队利用“全景拓扑 — 应用调用回溯 — 代码剖析 — 大模型诊断”的闭环能力，在3分钟内精准锁定了 Java 程序 GC 异常的根因。该实践不仅大幅提升了 IT 运维效率，更有效保障了关键用户的办公体验，为企业数字化转型的服务质量优化提供了专业技术标杆。
Read More
DeepFlow：利用 eBPF 实现 AI 大模型训练与推理的全栈零侵扰可观测性
在大模型训练与推理全面进入“重算力、强分布式、异构硬件”时代，DeepFlow 基于 eBPF 提供零侵扰、全栈、可持续的可观测性能力，覆盖从 Python 代码到 GPU/RDMA 网络，解决训练低效、推理体验不可控与异构智算黑盒三大核心问题。
Read More
云杉网络 DeepFlow 连获中国信通院认证，智能运维落地金融、电力行业
云杉网络的DeepFlow可观测性平台近期连续获得中国信通院多项认证，其与东吴证券合作的金融全链路可观测方案和与国网四川电力合作的电力智能运维方案均入选优秀案例。该平台的核心创新在于深度融合“可观测性”与“AI智能体”技术，通过全域数据采集和智能分析，实现从被动响应到主动预防的运维模式转变。目前，DeepFlow已在金融、电力等行业成功落地，有效提升了系统稳定性与运维效率，展现了其技术先进性和跨行业普适价值，未来将继续深化生态合作，助力更多行业数字化转型。
Read More
基于DeepFlow智能体的全栈可观测性平台在金融保险核心系统中的实践与量化收益分析
本文详细阐述了在SIGCOMM 2025下一代网络可观测性（NGNO）研讨会上展示的一项行业实践：某中国头部保险集团与云杉网络合作，基于DeepFlow智能体构建的“IT健康评估与故障诊断平台”。该案例针对金融保险业在数字化转型中面临的复杂架构运维挑战，提出并落地了“可视-维稳-智能”三阶演进的运维新范式。方案依托eBPF零侵扰采集、一体化数据平台及大模型驱动的智能体，实现了对超2000微服务、5000+容器节点的全栈观测，将故障定位时间缩短90%，并成功应用于支付网关（峰值QPS >10万）、核心保单处理（日超百万笔）等关键场景。本文系统分析了该方案的架构、关键技术、实施路径及量化效益，为金融行业构建具备韧性、智能与合规性的新一代IT可观测体系提供了可复制的参考模型。
Read More
基于eBPF技术的LLM推理服务全栈可观测性：架构、挑战与实践
本文系统性阐述了在云原生环境下，利用扩展伯克利包过滤器（eBPF）技术实现大语言模型（LLM）推理服务全栈可观测性的方法与架构。内容涵盖自建千亿参数LLM推理服务在异构硬件（如昇腾910B）与分布式框架（如vLLM, Ray）下面临的挑战，分析了传统可观测性三大支柱（指标、追踪、日志）及新兴性能剖析支柱的不足。文章重点介绍了DeepFlow平台如何通过eBPF实现零代码侵入的全栈指标采集、全链路追踪与混合栈（CPU/GPU）性能剖析，并辅以智能体应用与中国移动的落地案例，验证了该方案在优化GPU利用率、定位推理延迟及适配流式协议等方面的有效性。
Read More
Yunshan
September 20, 2024
云杉动态, 技术干货, 最新内容