云原生可观测性如何帮助团队进行故障排查

云原生可观测性通过提供全面的数据收集、分析和可视化能力，帮助团队在复杂的云原生环境中快速定位和解决问题。以下是具体的帮助方式：

1. 数据集中采集存储：将日志、指标、调用链数据统一采集、存储、分析，提供完整可观测数据采集存储能力，避免数据孤岛，方便关联分析。

2. 智能告警中枢：全面监控，智能降噪，灵活多维通知能力，及时发现异常，避免充当救火队员。

3. 监控巡检智能化：提供异常检测功能，结合智能告警与反馈机制让监控更准确更及时，加快故障恢复速度。

4. 日志分析：通过记录应用程序的日志，可以了解系统的运行状态、错误和异常信息，方便故障排查和系统分析。

5. 指标监控：指标是对系统和应用程序性能进行量化的数值数据，通过收集CPU使用率、内存使用、响应时间、吞吐量等关键性能指标，可以实时监控系统状态，并及时响应性能问题。

6. 分布式追踪：追踪是指记录和分析服务间调用的过程，以理解请求在系统中的传递路径和延迟，帮助开发者理解一个请求如何通过微服务架构流转，识别性能瓶颈和故障点。

7. Health Check与拨测：Health Check会探测IP和端口是否可用，并将服务内部依赖及故障原因简单地告知可观测平台，拨测也有类似功能，可用于服务点火，及时地check发布后的服务是否成功，如果不成功则立刻回滚。

8. 变更管理：变更管理非常有用，据业务数据分析线上故障至少有五成左右都是直接来源于变更，在每次变更时把commit信息和环境信息包含在其中，让后台能立刻得知那些服务有变更，一旦出现故障便能立刻找到有问题的变更。

9. 关联分析：将单体本身的数据采集关联起来，如果没有运用好，数据采集也会变为一种负担，可将问题根据异常类型或Error级别进行简单的分类统计，让相关人员关注自身类别的告警，直观地通过Dashboard中指标情况，找到下方Trace链路和环节的问题点，继而根据Trace ID对日志关联，查找具体日志内容，整体排查过程基本不涉及任何关键字查找。

10. 集群健康诊断：如华为云CCE集群健康中心，集合了容器运维专家的经验，为用户提供了集群级别的健康诊断最佳实践，可对集群健康状况进行全面检查，帮助及时发现集群故障与潜在风险，并给出对应的修复建议供用户参考。

11. 故障推理引擎：如Kindling – OriginX商业产品利用trace – profiling理念构建故障推理引擎，通过分析各种开源工具的数据，补充trace – profiling的指标，完美解决集成性问题，同时彻底消除所有盲区，故障报告中完成了相关指标、日志和tracing的完美集成，只呈现用户需要看的故障传播链路分支和指标，旁路无关分支和故障不相干指标也不会呈现，日志也是故障时刻前后的相关节点日志，并且利用eBPF结合trace – profiling技术打开程序执行和系统调用盲区，从根本上彻底还原程序执行过程，故障推理引擎利用智能算法结合trace – profiling自动化推导出故障根因。