站長資訊網(wǎng)
阿里妹導(dǎo)讀：全鏈路監(jiān)控從業(yè)務(wù)的視角出發(fā)，監(jiān)控整個(gè)業(yè)務(wù)流程的健康狀況，無需多個(gè)系統(tǒng)切換，直觀看到全局和上下游，方便快速發(fā)現(xiàn)、定位問題。今天，我們一起來看看阿里基礎(chǔ)設(shè)施技術(shù)團(tuán)隊(duì)在這方面的實(shí)踐經(jīng)驗(yàn)。
背景
近年來，隨著阿里新業(yè)務(wù)、新技術(shù)的快速發(fā)展，傳統(tǒng)的業(yè)務(wù)總量“監(jiān)控大盤”已經(jīng)越來越不能滿足監(jiān)控需求，主要表現(xiàn)在以下幾個(gè)方面：
缺乏全局視角：“監(jiān)控大盤”主要反映的是單個(gè)業(yè)務(wù)或應(yīng)用的運(yùn)行狀態(tài)，缺少全局的業(yè)務(wù)視角能反應(yīng)整個(gè)“業(yè)務(wù)域”的上下游整體的運(yùn)行情況。比如交易系統(tǒng)成功率下跌，想看看是不是優(yōu)惠出問題了，但是不知道“優(yōu)惠”的業(yè)務(wù)監(jiān)控在哪里，只能依賴”優(yōu)惠”的同學(xué)去排查，釘釘電話溝通，大家一起拼湊信息，上下游協(xié)調(diào)成本很高。
監(jiān)控標(biāo)準(zhǔn)不統(tǒng)一：一直以來“業(yè)務(wù)監(jiān)控”都是自定義的，依賴開發(fā)人員的個(gè)人經(jīng)驗(yàn)，往往系統(tǒng)、業(yè)務(wù)監(jiān)控混在一起，沒有標(biāo)準(zhǔn)，業(yè)務(wù)之間不能比較;各系統(tǒng)監(jiān)控能力參差不齊，很容易出現(xiàn)業(yè)務(wù)鏈路中的監(jiān)控?cái)鄬?業(yè)務(wù)監(jiān)控缺少一套行之有效的方法論，新人或者新業(yè)務(wù)對于業(yè)務(wù)要怎么監(jiān)控，不知道如何下手、不知道自己配的監(jiān)控是否覆蓋全面，只有等到故障發(fā)生以后才去補(bǔ)監(jiān)控。
缺少業(yè)務(wù)視角：隨著阿里業(yè)務(wù)飛速發(fā)展，特別是“大中臺(tái)”的建設(shè)，使得傳統(tǒng)的“總量”監(jiān)控已經(jīng)不能滿足需求，比如一個(gè)“交易”中臺(tái)業(yè)務(wù)就會(huì)有數(shù)十個(gè)“業(yè)務(wù)方”調(diào)用，單純的總量監(jiān)控會(huì)把小調(diào)用量的業(yè)務(wù)淹沒，必須按每個(gè)業(yè)務(wù)方的“業(yè)務(wù)身份”進(jìn)行監(jiān)控。對于像“盒馬”、“淘鮮達(dá)”這樣的新零售業(yè)務(wù)，這樣的問題更加突出，一家門店出現(xiàn)交易異常對于“交易總量”來說是微不足道的，但是對這件門店的客戶體驗(yàn)來說是災(zāi)難性的。
監(jiān)控配置成本高：“業(yè)務(wù)監(jiān)控”一直都是由“開發(fā)人員”純手工打造，需要經(jīng)過日志埋點(diǎn)、監(jiān)控配置、報(bào)警閾值設(shè)置，整個(gè)過程費(fèi)時(shí)費(fèi)力，缺乏自動(dòng)化、智能化監(jiān)控的手段，這也是造成各系統(tǒng)監(jiān)控能力參差不齊的重要原因，一些新業(yè)務(wù)因?yàn)闊o力投入大量精力配置監(jiān)控，導(dǎo)致業(yè)務(wù)監(jiān)控能力缺失。
全景式監(jiān)控
業(yè)務(wù)全鏈路監(jiān)控從業(yè)務(wù)的視角出發(fā)，監(jiān)控整個(gè)業(yè)務(wù)流程的健康狀況，無需多個(gè)系統(tǒng)切換，直觀看到全局和上下游，方便快速發(fā)現(xiàn)、定位問題。
建立了完整的“業(yè)務(wù)監(jiān)控模型”，為業(yè)務(wù)建立起一個(gè)從“宏觀”到“微觀”的全景式業(yè)務(wù)監(jiān)控體系，結(jié)束了業(yè)務(wù)監(jiān)控沒有標(biāo)準(zhǔn)，只能純手工打造的歷史。業(yè)務(wù)監(jiān)控模型主要包括3部分：
業(yè)務(wù)域：一個(gè)完整的業(yè)務(wù)或產(chǎn)品稱為“業(yè)務(wù)域”，如電商的“交易域”、“營銷域”、“支付域”等。
業(yè)務(wù)活動(dòng)：業(yè)務(wù)域中的的核心業(yè)務(wù)用例叫做“業(yè)務(wù)活動(dòng)”，如交易域的“下單確認(rèn)”、“創(chuàng)建訂單”等，業(yè)務(wù)活動(dòng)是整個(gè)監(jiān)控模型的核心，每個(gè)業(yè)務(wù)活動(dòng)都會(huì)有標(biāo)準(zhǔn)的【黃金指標(biāo)】來反應(yīng)自身的健康狀況，業(yè)務(wù)活動(dòng)之間建立上下游關(guān)系就形成了業(yè)務(wù)鏈路。
系統(tǒng)服務(wù)：業(yè)務(wù)活動(dòng)中的依賴的關(guān)鍵方法稱作“系統(tǒng)服務(wù)”，如“下單確認(rèn)”包含：查詢會(huì)員、查詢商品、查詢優(yōu)惠等關(guān)鍵方法，每個(gè)系統(tǒng)服務(wù)也通過【黃金指標(biāo)】來表示其健康狀況。
監(jiān)控流程
以“監(jiān)控模型”為基礎(chǔ)，我們總結(jié)出了一套如何做好“業(yè)務(wù)監(jiān)控”的方法論，并將其沉淀到產(chǎn)品中。
梳理關(guān)鍵業(yè)務(wù)： 業(yè)務(wù)方需要梳理出自己的核心業(yè)務(wù)是什么(業(yè)務(wù)活動(dòng))，以及這些核心業(yè)務(wù)的關(guān)鍵依賴有哪些(系統(tǒng)服務(wù))。
監(jiān)控?cái)?shù)據(jù)埋點(diǎn)：提供了無侵入的配置化監(jiān)控SDK，只要將“業(yè)務(wù)活動(dòng)”和“系統(tǒng)服務(wù)”對應(yīng)的方法填寫到配置文件中即可，系統(tǒng)會(huì)自動(dòng)收集，計(jì)算，上報(bào)監(jiān)控?cái)?shù)據(jù)。
監(jiān)控鏈路：系統(tǒng)根據(jù)收集的數(shù)據(jù)自動(dòng)生成業(yè)務(wù)鏈路，每個(gè)“業(yè)務(wù)活動(dòng)”和“系統(tǒng)服務(wù)”節(jié)點(diǎn)都自動(dòng)生成流量、耗時(shí)、成功率的黃金指標(biāo)，同時(shí)每個(gè)‘節(jié)點(diǎn)’都可以通過鉆取查看詳細(xì)的監(jiān)控?cái)?shù)據(jù)，包括：不同機(jī)房、單元、分組的數(shù)據(jù)對比，每個(gè)業(yè)務(wù)身份的明細(xì)調(diào)用情況等。
異常檢測：業(yè)務(wù)鏈路涉及節(jié)點(diǎn)眾多，必須要有完善的異常檢測機(jī)制來幫助用戶自動(dòng)發(fā)現(xiàn)問題，我們提供了“智能基線預(yù)警”和“專家規(guī)則預(yù)警”相結(jié)合的異常檢測機(jī)制，無需用戶逐個(gè)配置報(bào)警規(guī)則，自動(dòng)發(fā)現(xiàn)異常節(jié)點(diǎn)，實(shí)時(shí)將這些節(jié)點(diǎn)“標(biāo)紅”，異常的詳細(xì)信息也會(huì)同步顯示，方便用戶快速發(fā)現(xiàn)和定位問題。
通過業(yè)務(wù)全鏈路監(jiān)控，可以做到對業(yè)務(wù)域的監(jiān)控標(biāo)準(zhǔn)化和全覆蓋，避免了自定義監(jiān)控覆蓋不全面、不標(biāo)準(zhǔn)、配置工作量大的問題，使得老板、PD、運(yùn)營、監(jiān)控值班等用戶都可以快速了解業(yè)務(wù)是否有問題。
黃金指標(biāo)
引入Google的黃金指標(biāo)概念，改變了業(yè)務(wù)監(jiān)控完全依賴自定義的現(xiàn)狀，為業(yè)務(wù)監(jiān)控樹立了標(biāo)準(zhǔn)。
流量 ：業(yè)務(wù)在單位時(shí)間內(nèi)的調(diào)用量，如：服務(wù)的QPS、每秒訂單筆數(shù)等。
耗時(shí) ：業(yè)務(wù)的具體處理時(shí)長，需區(qū)分成功耗時(shí)和失敗耗時(shí)。
錯(cuò)誤 ：調(diào)用出錯(cuò)數(shù)量、成功率、錯(cuò)誤碼。
飽和度 ：應(yīng)用已使用資源的占比。
由于飽和度更多反應(yīng)的是應(yīng)用的層面情況，所以業(yè)務(wù)監(jiān)控使用流量、耗時(shí)、錯(cuò)誤這三個(gè)指標(biāo)就能很好的回答“業(yè)務(wù)”是否健康的問題，在“業(yè)務(wù)全鏈路監(jiān)控”中每個(gè)業(yè)務(wù)活動(dòng)和系統(tǒng)服務(wù)都會(huì)標(biāo)配這三個(gè)監(jiān)控指標(biāo)。
除了黃金指標(biāo)以外，還可以根據(jù)各自業(yè)務(wù)的不同特點(diǎn)，定義各種分維度的輔助指標(biāo)，比如：按不同的業(yè)務(wù)身份，按商家、按門店分，不同的錯(cuò)誤碼等等，用于進(jìn)一步細(xì)化和定位問題。
業(yè)務(wù)維度
傳統(tǒng)的“總量”指標(biāo)已經(jīng)不能滿足中臺(tái)、盒馬這樣的業(yè)務(wù)監(jiān)控需求了，通過可擴(kuò)展的業(yè)務(wù)維度實(shí)現(xiàn)對業(yè)務(wù)身份、商家、門店的精細(xì)化監(jiān)控。像“交易”這樣的中臺(tái)業(yè)務(wù)會(huì)被幾十個(gè)業(yè)務(wù)方調(diào)用，總量沒有異常并不代表具體的業(yè)務(wù)方?jīng)]有問題，而是需要監(jiān)控每一個(gè)業(yè)務(wù)方各自的調(diào)用情況，只要有一個(gè)出現(xiàn)異常就要預(yù)警。
橫向業(yè)務(wù)維度：業(yè)務(wù)全鏈路監(jiān)控提供了“橫向業(yè)務(wù)維度”功能，能夠方便的配置“業(yè)務(wù)身份”、“商家”、“門店”等特定的業(yè)務(wù)維度，可以對一個(gè)業(yè)務(wù)域中所有的“業(yè)務(wù)活動(dòng)”和“系統(tǒng)服務(wù)”按一個(gè)維度過濾，比如可以對交易鏈路按“盒馬”這個(gè)業(yè)務(wù)身份過濾，從而在鏈路上看到的是盒馬的交易調(diào)用情況。
配置化埋點(diǎn)
監(jiān)控SDK使用AOP切面技術(shù)實(shí)現(xiàn)了配置化埋點(diǎn)能力，業(yè)務(wù)系統(tǒng)引入監(jiān)控SDK后，通過簡單的一個(gè)配置文件即可完成監(jiān)控埋點(diǎn)，自動(dòng)完成數(shù)據(jù)的攔截、計(jì)算、上報(bào)，與業(yè)務(wù)代碼完全解耦。
鏈路自動(dòng)生成
自動(dòng)生成應(yīng)用核心鏈路、黃金指標(biāo)、業(yè)務(wù)維度大盤，無需用戶配置，用戶還可以通過可視化編輯頁面對鏈路進(jìn)行調(diào)整。
智能基線預(yù)警
通過機(jī)器學(xué)習(xí)快速預(yù)測指標(biāo)的合理范圍，一旦超出邊界就會(huì)自動(dòng)觸發(fā)報(bào)警，無需配置閾值。
智能基線預(yù)警已經(jīng)在業(yè)務(wù)自定義監(jiān)控中得到了驗(yàn)證(已經(jīng)有超過1200指標(biāo)接入)，準(zhǔn)確率和召回率相對于人工配置都有大幅提高，現(xiàn)在我們將該技術(shù)引入“業(yè)務(wù)全鏈路監(jiān)控”，實(shí)現(xiàn)對業(yè)務(wù)活動(dòng)的智能異常檢測，全程無人參與。
實(shí)戰(zhàn)
實(shí)戰(zhàn)1-交易全局鏈路
交易域的全局業(yè)務(wù)鏈路，鏈路中列出交易的關(guān)鍵“業(yè)務(wù)活動(dòng)”，省略了每個(gè)業(yè)務(wù)活動(dòng)的“系統(tǒng)服務(wù)”等細(xì)節(jié)，主要用于全鏈路壓測，大促投屏等需要關(guān)注全局狀態(tài)的業(yè)務(wù)場景，已在6.18大促中得到實(shí)際應(yīng)用。
實(shí)戰(zhàn)2-交易核心鏈路
交易是整個(gè)電商的核心，我們通過“鏈路自動(dòng)生成”能力生成了核心業(yè)務(wù)鏈路，其中綠色節(jié)點(diǎn)為“業(yè)務(wù)活動(dòng)”，黃色節(jié)點(diǎn)為“業(yè)務(wù)活動(dòng)”依賴的“系統(tǒng)服務(wù)”。
通過業(yè)務(wù)鏈路可以很方便了解交易活動(dòng)的運(yùn)行狀況，一旦業(yè)務(wù)活動(dòng)出現(xiàn)問題也可以更加直觀的發(fā)現(xiàn)與下游依賴的關(guān)系。
實(shí)戰(zhàn)3-POS服務(wù)端鏈路
POS是整個(gè)新零售場景線下支付場景的交易核心，下線支付場景對交易系統(tǒng)提出更加嚴(yán)格的可靠性要求，通過POS業(yè)務(wù)鏈路可以很好的監(jiān)控POS交易各環(huán)節(jié)的運(yùn)行情況，及時(shí)發(fā)現(xiàn)交易異常。
同時(shí)POS鏈路添加了“商家”、“門店”的業(yè)務(wù)維度，可以實(shí)時(shí)切換“盒馬”，“大潤發(fā)”等不同商家的POS交易情況，實(shí)現(xiàn)針對每個(gè)商家精細(xì)化監(jiān)控。
關(guān)于我們
集團(tuán)監(jiān)控平臺(tái)團(tuán)隊(duì)是阿里巴巴研發(fā)效能事業(yè)部下的監(jiān)控開發(fā)團(tuán)隊(duì)，面向阿里龐大的應(yīng)用生態(tài)與海量的服務(wù)器，致力于打造業(yè)內(nèi)一流的智能化監(jiān)控平臺(tái)，保障阿里集團(tuán)各業(yè)務(wù)的穩(wěn)定運(yùn)行。我們非常歡迎各位監(jiān)控領(lǐng)域的產(chǎn)品或技術(shù)牛人加入我們團(tuán)隊(duì)。歡迎投遞簡歷至：jingjie@taobao.com。
特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。
