logo
logo
使用 DeepFlow 消除 APISIX 故障诊断中的“南辕北辙”
APISIX 被越来越多的用户选择作为 IT 应用系统的入口,由于故障定界能力的缺失,在 IT 业务故障诊断过程中,APISIX 经常成为重点“怀疑对象”,一方面“劳师动众”投入大量运维人力定位,另一方面诊断方向“南辕北辙”,因而业务故障“久拖不决”。通过本篇文章复盘重现某全球领先的智能终端提供商近期对核心业务响应时延劣化故障的处理过程,您将直观了解到“南辕北辙”现象对诊断效率的决定性影响,以及 DeepFlow 可观测性平台如何用数分钟时间、几步简单操作,消除 APISIX 故障诊断中的“南辕北辙”,解决长达两个月悬而未决的问题,为故障处置效率带来飞跃提升。
基于 DeepFlow 构建 Kong 的统一可观测性能力
本文将介绍如何使用 DeepFlow 基于 eBPF 的零侵扰特性构建 Kong 网关的可观测性解决方案,在此基础上统一集成 Kong 插件已有的丰富数据源,消除孤岛、构建统一的可观测性平台,以全面监控和分析 Kong 网关。通过 DeepFlow,Kong 网关可以实现从流量监控、追踪分析、到性能优化的全面可观测性,消除数据分散并提供中心化的监控视图,加速故障排查和性能调优,让 DevOps 和 SRE 团队的工作更加高效。
基于 DeepFlow 构建 APISIX 的统一可观测性能力
本文旨在阐述如何利用 DeepFlow 基于 eBPF 的零侵扰特性构建 APISIX 可观测性解决方案,在此基础上统一集成 APISIX 插件已有的丰富数据源,消除孤岛、构建统一的可观测性平台,以全面监控和分析 APISIX 网关。通过 DeepFlow,APISIX 可以实现从流量监控、追踪分析、到性能优化的全面可观测性,消除数据分散并提供中心化的监控视图,加速故障排查和性能调优,让 DevOps 和 SRE 团队的工作更加高效。本文将重点梳理 APISIX 的追踪数据、指标数据、访日日志及性能剖析数据如何对接 DeepFlow。
使用 DeepFlow 开启 Ingress 可观测性
意识到已有 K8s Ingress 监控数据的缺陷以后,我们动手基于 DeepFlow 生成了一个高效的 K8s Ingress 可观测性 Dashboard,粒度精细到域名、API Endpoint、后端服务,指标量覆盖请求、时延、异常、吞吐,以便快速找到性能瓶颈和故障原因。**得益于 DeepFlow 的 AutoTracing、AutoMetrics、AutoTagging、SmartEncoding 核心机制,我们可以从应用角度分析 K8s Ingress 的调用拓扑、性能指标、访问日志、调用链追踪,无需任何插码、配置修改、进程重启。**