文档中心

全栈可观测平台

产品简介

应用场景

全栈可观测平台旨在统一云原生观测产品，构建一个完整的观测生态，本文为您介绍全栈可观测平台的典型应用场景。

云原生动态资源优化

针对容器环境资源弹性伸缩难以精准规划，资源利用率低或资源短缺易引发性能问题的痛点进行优化，降低云资源大约 30% 的成本，保障流量高峰期的应用弹性。核心优化项如下：

实时采集云监控或托管 Prometheus 基础设施指标，例如：CPU、内存、网络 IO 相关指标。

与应用性能数据联动分析，实现精准扩缩容。

识别低利用率资源，例如：僵尸容器，优化成本。

端到端用户体验保障

针对难以快速关联后端性能和问题定位困难等前端用户体验不佳的痛点，端到端快速界定故障属于前端还是后端，提升用户体验和满意度。核心优化项如下：

真实用户监控（RUM）和会话回放，记录用户操作轨迹。

前端操作与后端调用链、数据库查询全过程关联追踪。

监控 Web 核心性能指标，例如：加载时间、交互响应时间。

全局成本洞察与资源效能优化

针对无法将基础设施消耗关联到具体业务、功能、代码层面，以及资源效能优化缺乏依据等云资源成本黑洞痛点进行优化。为架构优化、资源缩容提供数据支撑，直接降低云资源账单，实现成本的可视、可溯、可优化，精准定位浪费。核心优化项如下：

全维度收集云监控或托管 Prometheus 资源指标，例如：CPU、内存、磁盘 IO 相关指标。

通过应用性能监控提供的应用、服务、接口标签，对资源成本进行打标和归属。

自定义看板可视化展示成本效益视图，例如：单位 QPS 成本、高消耗接口排行榜。

根因定位与故障愈合

针对故障发生时告警风暴严重、依赖专家经验人工排查、MTTR（平均恢复时长）长、无法自动恢复等根因定位和故障愈合痛点进行优化。将 MTTR 从小时级缩短至分钟级，甚至秒级，变被动救火为主动预测性运维，提升系统韧性。核心优化项如下：

统一告警实现告警收敛与智能降噪，触发根因定位流程。

平台自动关联观测拓扑、日志错误和 Prometheus 指标，快速定位故障点。

通过开放 API 与自动化脚本联动，执行服务重启、流量切换等自愈动作，提供拨测验证。

Agentic AI 运行与推理优化全链路观测

针对 AI Agent 或复杂 LLM 应用的推理过程“黑盒”，成本高昂、响应慢、结果质量不稳定，但优化无从下手的痛点进行优化。基于数据迭代 Prompt 策略与 Agent 工作流，提升 AI 应用的投资回报率与用户体验，实现 AI 推理过程的透明化和可优化，精准定位成本与性能瓶颈。核心优化项如下：

全链路数据回流：关联 RUM/日志记录用户对 AI 输出的反馈行为，例如：点赞、采纳，并通过 APM/统一采集，追踪每次 Agent 调用的完整“思考链”（Chain of Thought），包括：工具调用、代码执行、API 查询等步骤的性能（耗时）和资源消耗（Token 数）。

质量与成本关联：在自定义看板看板中关联推理延迟、Token 成本、用户反馈评分等指标。

根因下钻：当发现成本飙升或质量下降时，可下钻至具体某次推理的完整日志和链路，定位低效步骤，例如：冗余的工具调用、低效 Prompt 等。

微服务治理与故障定位

针对微服务架构复杂度高导致的单一服务故障易引发级联雪崩，传统排查如“大海捞针”等故障定位效率低下的痛点进行优化，缩短故障定位时间（从小时级缩短至分钟级），提升系统可用性与稳定性。核心优化项如下：

分布式链路追踪，可视化请求的完整路径。

服务拓扑图自动发现，展示服务间依赖关系。

指标、日志、链路数据关联分析，一键下钻定位根因。

多云统一治理与 SLA 保障

针对业务分布在阿里云、AWS、私有云等多个环境，监控数据割裂，无法形成统一视图等跨云业务链路 SLA 难以保障的痛点进行优化，实现多云环境的“一云管控”，破除云厂商锁定带来的监控壁垒，量化并保障跨云部署的全局业务连续性，为架构决策提供依据。核心优化项如下：

统一采集标准化：通过部署在各云环境的 O11yAgent，以统一标准采集指标、日志和链路数据，汇聚至中央平台。

全局业务拓扑：基于观测数据自动生成跨云服务的全局依赖拓扑图，可视化业务流。

统一 SLA 评估：利用云拨测从公网用户视角监测跨云业务的可用性与性能，在自定义看板中基于多方数据计算全局业务 SLA，统一告警忽略基础设施来源，聚焦业务影响。

最近更新时间：2025.12.24 10:35:38

这个页面对您有帮助吗？

有用

无用