云原生-可观测性-零侵扰采集-全栈可观测-分布式追踪-eBPF-Wasm-DeepFlow可观测性平台

李飞、陈鹏宇2024-09-14阅读:

I/O 线程阻塞是Java 程序经常出现的问题之一，此类故障发生时 Java 程序的请求、响应在 I/O 线程向操作系统 Socket Buffer 读/写过程中发生阻塞，由于在业务代码插桩无法观测到 I/O 线程的工作情况和性能表现，因而导致故障非常隐蔽和难以诊断定位。通过本篇案例您将了解到，某银行的开发工程师如何使用 eBPF 技术带来的零侵扰追踪能力，在某次分布式核心交易系统上线信创平台的非功能测试（性能压测）故障诊断中，用 3 分钟时间锁定 Java 程序 I/O 线程阻塞。

AutoTracing实践案例

姜远川2024-09-04阅读:

本文分享了富途证券引入基于 eBPF 的可观测性方案 DeepFlow，以应对传统 APM 所面临的诸如代码侵入性强和覆盖不全面等挑战的过程。在 TKE 超级节点等复杂场景的落地过程中，我们与社区密切合作，解决了多项兼容性和性能问题。通过 DeepFlow，我们快速定位了一个 DNS 解析引起的 MySQL 超时故障，验证了该方案的价值。未来，我们计划将内部观测平台和 DeepFlow 相结合，以持续拓展其应用场景并优化现有监控路径。

实践案例eBPF链路监控

李飞、张祥祥2024-09-03阅读:

Java 程序 Hang 是应用运维中经常遇到的故障类型，由于此类故障与操作系统调度、应用代码逻辑等均有复杂的相互催化关系，故障触发条件极难确定，因此也是故障诊断中最难啃的骨头之一。在此篇案例中您将看到，某银行在分布式核心系统“认证网关 Hang” 故障的诊断过程中，如何使用 DeepFlow 大模型智能体快速分析 Java 程序 CPU 持续剖析数据，在故障发生后 3 分钟内迅速定位出 Hang 的原因。

实践案例AutoProfilingStella

李飞2024-08-15阅读:

在本篇实践案例中，将向您介绍如何在 DeepFlow 可观测性平台快速集成 NVIDIA GPU 指标数据，补充、丰富可观测性数据湖的信号种类，面向 AI 智算场景提供 GPU 指标与主机指标、应用调用指标的统一观测能力，提升 AI 智算应用的质量监控、故障诊断能力。

Prometheus实践案例

李飞2024-08-08阅读:

在本篇实践案例中，将向您介绍如何在 DeepFlow 可观测性平台快速集成 Prometheus Blackbox 拨测能力，补充、丰富可观测性数据湖的信号种类，一方面通过 HTTP/HTTPS/TCP/ICMP 等协议拨测快速发现业务异常，另一方面在业务异常的诊断过程中，对平台侧应用指标分析的同时，快速调阅拨测的指标数据，增强 IT 系统监控、诊断的全面性和工作效率。

Prometheus实践案例

李飞2024-08-08阅读:

在本篇实践案例中，将向您介绍如何在 DeepFlow 可观测性平台快速集成主机指标数据，补充、丰富可观测性数据湖的信号种类，在业务异常的诊断过程中，对应用指标监测、分析的同时，快速调阅主机指标数据，快速分析业务异常与主机指标的关联关系，增强 IT 系统监控、诊断的全面性和工作效率。

Prometheus实践案例

某金融科技公司 x DeepFlow：如何实现 SRE 99.9% 服务级别目标 (SLO)

某金融科技公司 SRE Team2024-07-24阅读:

某金融科技公司是一家位于新加坡全球领先的金融交易科技提供商，目前主要面临的挑战是确保交易系统的高可用性（99.9%）和低延迟（50ms）。为此，某金融科技公司引入了 DeepFlow 可观测性平台，实现零侵扰的全栈监控，快速定位和解决问题，显著提升了运维效率。通过构建 SRE 黄金指标视图，团队能够实时监控和分析服务运行状态，确保系统的高性能和可靠性。

实践案例用户案例

李飞2024-07-19阅读:

用 AI 实现 Ops 来解决运维困境一直是 IT 界的梦想，大模型的出现让 AIOps 看起来近在咫尺，但深入分析历史我们会发现运维中的数据盲区、数据孤岛、数据关联、获取成本等问题是运维诊断难以模型化、AIOps 难以实现的根本原因。本篇文章总结了云杉网络 DeepFlow 解决方案负责人李飞在“智能可观测运维技术 MeetUp”的演讲内容，向您介绍 DeepFlow 可观测性平台如何通过 eBPF 技术带来的零侵扰、全栈采集能力消除数据盲区，通过 AutoTagging 技术带来的高性能数据统一标注能力消除数据孤岛，通过高质量的可观测性数据体系构建基于数据的运维能力，消灭运维中的猜测、直觉和灵感，打造 AIOps 落地应用的稳定基石，以及通过大模型智能体对 DeepFlow 可观测性数据分析取得的进展和效果。

演讲实录Stella

闻长明2024-07-04阅读:

企迈科技是数字化门店 SaaS 服务的领先者，通过全渠道连接门店与顾客，提升经营效率和竞争力。近几年业务规模迅速扩大，技术架构面临性能和稳定性挑战，促使企迈引入 DeepFlow 作为可观测性平台，通过 eBPF 技术实现零侵扰的数据采集和分析。DeepFlow 帮助企迈优化性能、快速定位问题，并通过全栈调用链追踪和持续性能剖析提升服务质量。未来，企迈计划进一步融合 eBPF 数据与其他监控数据，构建全栈一体化平台，并加强与 DeepFlow 社区合作，推动可观测性技术进步。

实践案例用户案例

AutoProfiling - 新增 Off-CPU 持续剖析并支持 AI 智能体分析

向阳2024-06-17阅读:

v6.5 新特性解读：企业版支持 Off-CPU 持续剖析，用于排查业务性能不达预期但 CPU 用量却不高的问题。另外，v6.5 中也增加了 Stella （DeepFlow 的 AI 智能体）对持续剖析数据的分析能力。

AutoProfilingStella

Exporter - 新增 Kafka，增强 Prometheus 和 OpenTelemetry

向阳2024-06-17阅读:

v6.5 新特性解读：新增 Kafka Exporter，增强 Prometheus Remote Write 和 OpenTelemetry Exporter。

OpenTelemetryPrometheusKafka

向阳2024-06-17阅读:

v6.5 新特性解读：AutoTagging 的能力和实时性大幅提升。

AutoTagging

产品

DeepFlow Enterprise 解决方案

DeepFlow Enterprise 案例学习

关于