DeepFlow®新版发布 性能提升50%

2016年3月,云杉网络推出核心产品DeepFlow®,解决了云时代下客户网络运维、网络分析和网络安全等难题。两年来,DeepFlow®先后在金融、能源、电力、运营商、教育等多个行业的领军企业中部署落地,帮助客户实现了精细化运营,满足了软件定义和云化数据中心的需求,提高了客户的服务水平和用户满意度。不少客户借助DeepFlow®开放平台进行了二次开发,为客户网络提供了更多增值服务。

2018年4月,为了满足客户对云端业务网络更多样的需求,云杉网络发布了DeepFlow® 5.3版。5.3版本的更新包括三个层面(架构、应用、需求应对)和四个方面。

  • 架构层面:DeepFlow®升级为OS+APP架构,让企业级网络平台如智能手机生态一样,更灵活、更敏捷,更快响应客户需求

企业互联网化的业务在快速创新,需要云基础设施通过弹性可扩展的架构满足业务需求。公有云、行业云和部分私有云不断推出新服务,服务迭代速度甚至达到了每周版本升级。作为适应云环境的网络平台,网络应当快速满足业务需求,快速丰富网络功能、不断迭代现有功能。因此,在软件架构上,DeepFlow® 5.3在业界率先将网络软件产品的OS层和APP层解耦,其中OS层保持3个月迭代一个版本的速度,APP层紧跟客户需求每月都有新版本推出。

  • 应用层面:DeepFlow®在业界首个推出“云网流量监控大屏”,让网络全面顺应云计算的演进

针对传统网络的流量分析提供了协议分析、流量监控和告警等功能;在云平台中,针对资源消耗的监控大屏已经非常成熟,包括实例监控、存储监控等。但是既针对云环境又提供流量分析监控的产品在业界尚不成熟。DeepFlow® 5.3推出云网络流量监控大屏,与OpenStack平台、VMware平台融合,作为云平台配套的流量监控大屏,能够全局呈现云内东西向流量趋势、云内东西向监控报警、云内安全事件告警。

[caption id="attachment_1017" align="alignleft" width="1000"]image1 流量监控大屏[/caption]
  • 应用层面:DeepFlow®流量回溯性能提升50%,秒级回溯百万级Flow数据,第一时间还原网络真相

DeepFlow® 5.0版本便推出了流量回溯分析「流量时光机」功能。在DeepFlow® 5.3版本中,将流量回溯的性能进一步优化,针对超过五个的检索条件组合,时间周期一个月,上万条Flow数据,可以在几秒或十几秒的时间内检索出,提升了50%的性能。未来,面向更大规模的数据中心,TB级别Flow数据,可以快速检索出某个时间段的Flow数据,将加快网络排障效率,第一时间破案「还原网络真相」。

[caption id="attachment_1018" align="alignnone" width="1000"]image2 流量回溯分析[/caption]
  • 用户需求层面:网络稳定性和安全性依然是多行业的共性及第一诉求,DeepFlow®持续增强满足多行业、多场景需求的能力

目前金融、电信、电力这三个领域大举上云,对数据中心网络的需求丰富而强劲,DeepFlow® 5.3主要用户群对网络稳定性和安全性的要求更高。运营商特别强调业务的连续性,对稳定性的要求特别高;金融客户则对安全性有严苛的要求。典型的运营商客户包括中国移动、中国电信,金融客户的代表则是平安科技、兴业数金,此外IDC客户苏州国科、数据家、广东广信、集团企业如联想、中国电子科技集团等也是DeepFlow® 5.3覆盖的重点客户。

在已经部署的客户中,主要的使用场景如下:

  • 私有云:

大中型企业从成本、安全、便利性等因素考量,通常选择构建自己的私有云,在业务上云之后随着流量的爆发通常会遇到网络监控和运维的诸多难题。DeepFlow®在众多客户的部署中切中了这一难题。

  • 混合云:

随着企业上云的大潮,大量用户需要面对异构云环境,混合云的大热反映了用户上云的现状。DeepFlow®提供接入网络、物理网络、业务网络等功能,覆盖了混合云用户的大部分需求。

  • 行业云:

行业云是云计算的一种应用形态,行业内部不同的成员之间在资源和信息方面是严重不均衡的,这种不均衡往往会影响行业的发展,特别是以公共服务为主的行业,如政府、医疗卫生等。DeepFlow®帮助行业云用户将网络数据转换为服务,提升其业务价值。

  • IDC与运营商:

在向云服务转型过程中,传统IDC和电信运营商都不甘人后。IDC和运营商拥有更强的资源优势,包括带宽、硬件资源和电力资源等等,加上稳定的客户群、丰富的运维经验和客户服务经验,是云服务市场的重要力量。DeepFlow®凭借在虚拟网络中的技术积累,迅速成为了IDC和运营商最得力的合作伙伴。

除了上述三个层面、四个方面的重大更新,DeepFlow®产品的核心功能可以概括为:

  • 高效运维:DeepFlow®能帮助用户通过对网络流量的实时分析、回溯分析、网流特征分析、网络异常告警、安全事件告警、网络质量画像等功能,提高运维的效率。

  • 精细运营:通过DeepFlow®独有的细粒度流量计量功能,通过业务网络可视化、业务网络性能量化、网络流量分发、报表等界面直观地展现出来,从而帮助用户实现可增值的精细化运营。

  • 网络安全:DeepFlow®提供多维度的网络流量回溯分析、NBAD网络异常行为检测功能,通过配置安全白名单或流量告警策略,轻松保障云网络的安全边界。

扫描二维码下载DeepFlow®白皮书

1528453618产品信息

DeepFlow®是北京云杉世纪网络科技有限公司「简称:云杉网络」推出的一体化和智能化的数据中心网络监控平台。一体化表示DeepFlow®是面向数据中心基础网络和业务网络的一体化监控;智能化表示DeepFlow®是面向超大规模和高复杂度网络对象的智能化分析 %e4%b8%ad%e7%be%8e%e8%ae%ba%e9%81%93%e7%be%a4]]>

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