云杉网络DeepFlow v5.5.6发布 新增服务发现功能

云杉网络

November 6, 2019

产品资讯

企业在面对虚拟网络黑盒挑战时逐渐清晰地认识到虚拟网络流量采集与分析的重要性。DeepFlow®是北京云杉世纪网络科技有限公司(以下简称云杉网络)针对企业上云遇到的网络问题推出的一款虚拟网络流量采集、可视化与分析产品,解决企业上云遇到的虚拟网络监控、运维、安全等难题。随着DeepFlow®在越来越多的行业头部客户落地部署,DeepFlow®自v5版本开始实现软件架构解耦后驶入了研发快车道。

近日,云杉网络发布了DeepFlow®v5.5.6版,该版本新增了监控大屏和服务发现功能,并在性能上比年初有近10倍的提升。

产品主要的更新如下:

监控大屏(新增)

  • 管理员和租户端均可使用并互相独立;

  • 支持用户创建多个监控大屏;

  • 支持从功能页面中将具体查询结果直接添加到大屏中;

  • 大屏布局支持自由调整。

全景图
  • 优化了资源拓扑和流量拓扑的界面显示,改进了查询使用体验。

 

网络诊断

  • 端到端路径部分优化了逻辑网络的查询条件;

  • 用户可查询虚拟网络同VPC不同子网的拓扑意虚拟机之间的拓扑;

  • PCAP下载功能增强了对IPv6的支持。

 

虚拟流量分发

  • 分发策略和资源组支持别名,支持流量采集位置的标定;

  • 分发点支持ERSPAN隧道,分发性能得到了提升;

  • 改进了分发策略,由原来分发点IP不同时则复制一份流量发送,改为分发点IP + 流量标签组合不同时则复制一份发送。

 

业务画像

  • 新增了服务发现功能,使用四元数据,将业务范围内所有流量匹配业务中资源、资源组、关键路径,用来检查业务结构的合理性,并可做对应结构的调整;

  • 支持流量实时匹配业务内容,显示资源/资源组之间流量关系;

  • 支持查看业务范围内未纳入资源组和关键路径的流量,支持资源组的调整,支持将调整结果生成新的业务。

 

性能分析

  • 增加了业务资源拓扑的可视化;

  • 业务性能关键指标支持对IPv6报文的分析。

 

系统管理

  • 改进了采集器的管理和配置选项,实现了批量管理;

  • 控制器性能:单台控制器可控制的采集器数量提升150%,单台控制器与采集器同步的虚拟机数量提升230%;

  • 采集器性能:运行于Linux/Windows客户虚拟机内部时,最小内存消耗控制在128M以内,运行于分析器上时,最小内存消耗降低50%;

  • 分析器性能:流量处理能力pps提升80%、新建fps提升100%;基于某客户生产环境数据评估显示,查询速度较上个版本降低70%~80%,查询时内存消耗较上个版本降低60%。

DeepFlow® v5.5.6提供了不同的软件授权方式,欲了解更多信息,请访问云杉网络官方网站联系我们。  

关于DeepFlow®

DeepFlow®是北京云杉世纪网络科技有限公司(以下简称云杉网络)推出的一款虚拟网络流量采集、可视化与分析产品。DeepFlow®软件基于x86集群和通用网络设备,支持集群部署,支持OpenStack、vSphere虚拟化环境和AWS、腾讯云等公有云环境,帮助企业在混合云环境中统一采集并分发任意虚拟机之间的网络流量,实现对业务关键链路的全面性能监控,并提供虚拟网络端到端的全路径诊断。凭借领先一代的技术优势和完整的产品解决方案,DeepFlow®已在30多家世界500强企业落地部署,不断为客户提供虚拟网络治理的最佳实践。

%e5%85%a5%e7%be%a4%e4%ba%8c%e7%bb%b4%e7%a0%81

]]>

Related Posts

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

全景性能监控如何实现多维度分析?

Air

April 18, 2025

产品资讯

在数字化转型浪潮中,企业信息系统复杂度呈指数级增长——从云端微服务集群到边缘计算节点,从高频交易系统到物联网终端设备,性能问题已从单一服务器宕机演变为跨层级、跨区域的系统性挑战。当某电商平台大促期间因缓存雪崩导致交易链路瘫痪时,运维团队需要的不只是CPU使用率图表,而是能穿透12层调用栈的立体化观测能力。这种背景下,全景性能监控正成为技术团队破局的关键武器,其核心价值在于通过多维度分析将碎片化指标转化为可行动的决策洞察。 一、构建全景监控的三维坐标体系 传统监控工具常局限于单一维度指标收集,犹如仅用温度计诊断人体健康。真正的全景性能监控体系需要建立时间、空间、业务三维坐标: 时间维度:不仅记录实时指标,更构建分钟级到年度级的趋势基线。某银行通过对比交易响应时间的*工作日模式*与节假日模式,提前48小时预测到支付通道瓶颈。 空间维度:从物理机到容器Pod,从机房光缆延迟到CDN节点负载,实现基础设施的全域映射。全球部署的流媒体平台正是借助地理热力图,动态调整边缘节点流量分配。 业务维度:将技术指标与业务KPI(如订单转化率、用户停留时长)深度关联。当API错误率上升0.5%时,智能告警系统可同步显示对应的GMV损失预估。 这种三维建模能力,使得性能数据不再是孤立数字,而是构成业务健康的动态全息投影。 二、数据编织技术打破信息孤岛 实现多维度分析的前提,是对分散在日志文件、APM探针、基础设施监控中的数据进行有机整合。数据编织(Data Fabric)架构的应用,如同为监控数据构建中枢神经系统: 智能元数据管理:自动识别Nginx访问日志中的URI模板,将其与微服务调用链中的span名称建立映射。 上下文感知的数据关联:当数据库慢查询激增时,系统能自动关联同期进行的代码发布记录与K8s集群资源变更事件。 动态数据血缘分析:通过机器学习构建指标间的因果关系图,例如识别出内存泄漏总是先于TCP重传率上升出现。 某头部证券公司在实施数据编织后,故障定位时间从平均43分钟缩短至9分钟,关键证据链的自动拼图准确率达92%。 三、多维分析的核心方法论 在数据融合基础上,多维度分析需要组合运用多种分析范式: 1. 切片-钻取分析 横向切片:对比不同地域节点的同一服务P99延迟 纵向钻取:从集群总负载下钻到具体异常的Worker节点 某云服务商利用该方法,在5分钟内锁定导致全球API延迟飙升的特定可用区网络故障。 2. 关联规则挖掘 通过Apriori算法发现隐式规律,例如: 当Kafka消费者滞后超过5000条时,订单履约成功率下降具有87%的置信度 JVM Young GC频率与Redis缓存命中率呈强负相关 3. 异常模式识别 采用DTW(动态时间规整)算法,识别与历史故障相似的趋势形态。某智能制造企业利用该技术,提前12小时预警到与半年前产线停摆相同的传感器数据模式。 四、智能引擎驱动的决策闭环 当多维分析遇见机器学习,性能监控进入认知智能阶段: 根因定位引擎:基于贝叶斯网络构建故障传播模型,在数千个可能因素中计算各节点后验概率。某次大规模服务降级事件中,系统在17秒内将根本原因从”网络抖动”修正为”配置中心的证书轮换缺陷”。 预测性容量规划:结合业务增长预测与资源利用率趋势,自动生成扩容方案。某视频平台通过此功能,在春节流量高峰前精准完成万核级计算资源储备。 自愈策略编排:对于已识别模式的故障(如数据库连接池耗尽),自动触发预案执行。某电商在2023年双十一期间实现35%的常见故障自动修复。 这些智能能力将传统”监测-告警-处理”的线性流程,升级为”感知-分析-决策-行动”的增强闭环。 五、落地实践中的关键突破点 企业构建全景监控体系时,需重点突破三大障碍: 指标爆炸控制:通过指标分级治理(核心业务指标、辅助诊断指标、长期趋势指标)和自动相关性分析,避免陷入数据沼泽。某金融机构将监控指标从12万项精简至8600项,反而提升故障识别准确率。 可视化效能革命:采用*可观测性画布*技术,支持自由拖拽多维度数据源生成定制仪表盘。运维人员可快速构建”地域×服务版本×错误类型”的三维矩阵视图。 组织协同升级:建立SRE、开发、业务部门的联合指标评审机制,确保监控维度与业务目标对齐。某互联网公司通过该机制,将业务方关注的用户流失率纳入监控黄金指标集。 随着云原生与AIOps技术的深度融合,全景性能监控的多维度分析能力正在重新定义运维边界。当每个API调用都能被置于业务流程、基础设施、用户体验组成的多维空间中审视时,技术团队获得的不仅是故障排查的望远镜,更是业务创新的显微镜。

Read More