From c219704fd8f665d342d2c39207ce9d9c5eb56d6b Mon Sep 17 00:00:00 2001 From: TangJia025 <574451426@qq.com> Date: Mon, 26 Oct 2026 13:32:33 +0800 Subject: [PATCH] =?UTF-8?q?docs:=20=E6=96=B0=E5=A2=9E=E5=8F=AF=E8=A7=82?= =?UTF-8?q?=E6=B5=8B=E6=B4=9E=E5=AF=9F=E4=B8=8E=E6=A6=82=E8=A6=81=E7=89=88?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 新增两份调研文档： - docs/可观测洞察.md：完整版。技术趋势 6 条、国际与国内厂商格局、 与 obs-sdk / 社区可观测 / CI 可观测的关联，以及 P0-P2 行动建议 - docs/可观测洞察-概要版.md：概要版。第一章一张技术趋势表， 第二章国内外各一张厂商路线与前沿实践表 调研时间 2026-10-26；Gartner MQ 事实按 2025/2026 两版核对（Chronosphere 为连续第三年 Leader，Coralogix 由 Visionary 升入 Leader，Splunk 降至 Challenger）。 其中引用的 spec/otlp-mapping.md 由 PR #40 提供，故本分支基于 docs/2061-otlp-mapping。 Co-Authored-By: Claude Code --- ...7-\346\246\202\350\246\201\347\211\210.md" | 58 +++++ ...02\346\265\213\346\264\236\345\257\237.md" | 212 ++++++++++++++++++ 2 files changed, 270 insertions(+) create mode 100644 "docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237-\346\246\202\350\246\201\347\211\210.md" create mode 100644 "docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237.md" diff --git "a/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237-\346\246\202\350\246\201\347\211\210.md" "b/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237-\346\246\202\350\246\201\347\211\210.md" new file mode 100644 index 0000000..3d95d0b --- /dev/null +++ "b/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237-\346\246\202\350\246\201\347\211\210.md" @@ -0,0 +1,58 @@ +# 可观测洞察（概要版） + +> 调研时间：2026-10-26。完整调研与来源见 [可观测洞察.md](可观测洞察.md)。 +> 本文只保留两张视图：**看技术**（趋势速览）与**看厂商**（国内外主流厂商的路线与前沿实践）。 + +## 第一章 看技术 + +| 趋势 | 具体表现 | 代表技术 / 项目 | 成熟度 | +| --- | --- | --- | --- | +| **开放标准统一** | OpenTelemetry 2026-05 从 CNCF 毕业，traces / logs / metrics 全 GA，Profiling 成为第四信号；语义约定（`service.*`、`http.*`、`exception.*`、`cicd.*`）成为跨厂商字段契约 | OTel SDK / Collector / OBI、semconv v1.44.0 | 已标准 | +| **零侵入采集** | 不改代码，靠 eBPF 抓网络与 TLS 明文，自动产出指标、链路，乃至 LLM 调用 span | Grafana Beyla → OBI、DeepFlow、groundcover、Pixie、Tetragon | 生产可用 | +| **Agentic Ops** | 从"告警→人查"变为"检测→假设→验证→处置"；靠拓扑、变更、历史事件做 ground truth，靠审批与审计做 guardrail | Datadog Bits、Dynatrace Intelligence、阿里 STAROps、腾讯 Multi-Agent、Resolve.ai / Traversal / Cleric | 调查可用，修复受控 | +| **AI Agent 可观测** | 观测对象从服务变成 agent：Token 用量、每任务成本、工具调用链、会话回放、效果评估 | `gen_ai.*` 语义约定、Datadog Agent Console、腾讯 Agent 可观测、博睿 AI 可观测 | 快速演进 | +| **遥测成本治理** | 自适应聚合与采样、尾部采样、遥测管道、分层存储；计价从 per-host 转向按量 | Grafana Adaptive Telemetry、Cribl、Datadog Infinite Cardinality | 已成选型首因 | +| **统一数据底座** | 指标 / 日志 / 链路 / 变更进同一套存储与查询；存算分离，按列式或对象存储承载高基数 | Dynatrace Grail、阿里 UModel、博睿 Titan、观测云 GuanceDB 3.0、Observe | 头部已落地 | +| **变更即一级数据** | 把发布、配置、镜像、K8s 事件纳入观测，与故障做叠加分析和风险评分 | 观测云 Change Observability、各家 AI 诊断的变更关联 | 早期 | +| **观测数据 MCP 化** | 厂商把查询、告警、诊断能力暴露为 MCP Server / Skill，供 AI 助手与 IDE 直接调用 | Datadog / Dynatrace / New Relic / Grafana MCP、腾讯 200+ 云产品 MCP、阿里 STAROps Skills | 快速铺开 | + +**一句话小结**：采集层已被 OTel + eBPF 商品化，竞争整体上移到**数据底座、成本治理、以及 AI 驱动的分析与处置**；`gen_ai.*` 正在成为继 HTTP 之后的第二套核心语义。 + +## 第二章 看厂商 + +### 2.1 国外主流厂商 + +| 厂商 | 技术路线 | 2026 前沿实践 | +| --- | --- | --- | +| **Datadog** | 全栈平台 + AI 编排（自建后端，per-host 起家转向按量计价） | DASH 2026 发布 100+ 能力：Bits 系列（SRE / Investigation / Code / Release / Agent Builder / Agent Evals）、AI Guard、Agent Console（看编码 agent 用量与花费）、Infinite Cardinality 计价、BYOC 日志 | +| **Dynatrace** | 确定性因果 AI + 实时拓扑（OneAgent + Grail 数据湖） | Perform 2026 推出 Dynatrace Intelligence（Davis 确定性引擎 + agentic AI 融合）；Smartscape 作为 agent 的事实基础；AI Observability app 覆盖 Bedrock AgentCore / LangChain / ADK / OpenAI Agents SDK / MCP | +| **Grafana Labs** | 开源 / OTel-native，LGTM 全栈 + 成本治理 | Adaptive Telemetry 四信号闭环（Profiles 2026-08 GA）；Pyroscope 2.0 重构；Alloy 支持 OTel Collector YAML 模式与远端 Fleet 管理；Beyla/OBI 并入 OTel | +| **Splunk / Cisco** | SIEM + 可观测的广度平台（2026 MQ 为 Challenger） | AgenticOps（Troubleshooting Agent GA、Triage Agent）；2026-04 收购 Galileo 补 Agent 观测与 guardrail；.conf26 推 Cloud Control、Tokenomics、OTel-native 的 Observability Studio | +| **New Relic** | 全栈平台，用量计费 + 合作伙伴集成 | SRE Agent、无代码 Agentic Platform、iRCA、MCP Server；2026-06 推出 AI Coding Observability | +| **Elastic** | 搜索型后端（Elasticsearch + ES\|QL） | ES\|QL、Agent Builder（GA）、Workflows（规则 + agent 混合编排）、Attack Discovery | +| **IBM** | 混合云 + AIOps（Instana + Concert） | 以合规与混合云为差异点，AIOps 编排作为主叙事 | +| **Chronosphere** | 云原生 / 大规模 K8s 的遥测控制（连续三年 Leader，已被 Palo Alto 收购为 Cortex XCOR） | 高基数治理与成本控制；与 Rootly（AI 事件响应）、Checkly（合成监控）通过 MCP / OTel 打通 | +| **Coralogix** | 全栈 + 成本优化（2025 Visionary → 2026 Leader） | 成本优化用例排第 3；覆盖 SRE、IT Ops、DevOps、AI Engineering 等多个用例 | +| **Honeycomb** | 高基数事件分析（Visionary） | 强调 OTel 属性保真；Metrics 于 2026-03 GA；以"可解释的排障"对抗黑盒 AI | +| **groundcover** | eBPF + BYOC，数据不出客户云 | Agent Mode 观测 AI agent 自身；推出 Amazon EKS 原生可观测平台 | +| **Cribl / Observe** | 不做后端：遥测管道 / 对象存储数据湖 | Cribl 专攻路由、脱敏、降本（ARR 超 $200M）；Observe 以 S3 上的"无索引"湖降低存储成本 | +| **AI SRE 新贵** | 只做"定位与处置"，不碰采集 | Resolve.ai（创始团队含 OTel 共同作者，目标 80% 自主处置）、Traversal（因果 ML、默认只读）、Cleric（只读 + 受控写、按次计费） | +| **LLM 观测** | 开发期 trace + 评估 + prompt 管理 | Langfuse、LangSmith、Arize（Phoenix / AX）、Braintrust；OpenLLMetry（Traceloop）已被 ServiceNow 收编；共识是评估与观测共用一个 trace store | + +### 2.2 国内主流厂商 + +| 厂商 | 技术路线 | 2026 前沿实践 | +| --- | --- | --- | +| **阿里云** | 云厂商一体化：CMS + SLS + ARMS 合并为云监控 2.0，以 UModel 统一数据模型为底座 | STAROps 全域智能运维（智能助手 / 长期任务 / 数字员工，可自建 SRE Agent，OpenAPI + MCP 接入）；ARMS 的 LLM 监控改名 **AI Agent 可观测**（2026-07-30）；已产品化 OTel OBI 接入；Gartner 2026 挑战者（亚太唯一） | +| **腾讯云** | 全栈平台 TCOP + Multi-Agent 架构 | 可观测 AI 工作台（指标 / 链路 / 诊断 Agent 协同），探索与规划双模式；SRE Agent 与 L4 无人值守分级；2026-09 上线 **Agent 可观测**（全链路、Token 成本、效果评估）；200+ 云产品 MCP、tcop-api Skill | +| **华为云** | 一站式 AOM：整合 APM / LTS / CES / Prometheus | AOM 2.0 以应用为中心（CMDB + 容器视角 + 自动化运维），主打"1 分钟发现 / 5 分钟定位 / 10 分钟修复"；2026 年公开新能力少于阿里、腾讯，更多与伙伴联合交付 | +| **火山引擎** | 云厂商后端 + 开放生态 | APMPlus 做数据处理与分析后端，允许第三方探针（如博睿）上报，走"开放接入"路线 | +| **博睿数据** | 一体化 APMO + 信创适配（Bonree ONE） | ONE 4.0（2026-05）：AI 可观测栈（模型调用链、Token 成本、对话质量）+ Sage AI 运维智能体工作台 + 统一读写引擎 Titan；IDC 2026H1 APMO 份额 22.1% 居首 | +| **观测云（Guance）** | 数据底座重构 + 低代码编排 | Obsy AI SRE Agent（动态假设树、可视化递归诊断）；Blueprint 低代码可观测编排（查询→转换→AI 分析→行动）；**变更观测**；GuanceDB 3.0 走向 S3 存算分离 | +| **云智慧** | 一体化智能运维（DOCP）+ AIOps | 以业务视角的一体化监控与 AIOps 为主，2026 年公开的新能力细节较少 | +| **基调听云 / 必示** | 垂直能力：用户体验与拨测 / AIOps 算法 | 听云偏终端体验与云拨测；必示偏告警收敛与根因算法 | +| **开源** | 零侵入与 Prometheus 生态的自建路线 | DeepFlow（eBPF 零侵入，AutoMetrics / AutoTracing / AutoTagging）、夜莺 Nightingale（Prometheus 上层告警与值班）、OpenObserve（Rust + S3 低成本日志） | + +--- + +> 口径说明：厂商发布内容多为厂商口径，份额、降本比例、自主率等数字应以官网或财报为准；部分二手对比站点存在 AI 生成内容，本文只保留可交叉核对的事实。 diff --git "a/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237.md" "b/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237.md" new file mode 100644 index 0000000..e430723 --- /dev/null +++ "b/docs/\345\217\257\350\247\202\346\265\213\346\264\236\345\257\237.md" @@ -0,0 +1,212 @@ +# 可观测洞察 + +> 调研时间：2026-10-26。范围：国内外可观测厂商的产品主线与技术路线，以及与本仓库（obs-sdk / 社区可观测 / CI 可观测）的关系。 +> 本文是**调研结论**，不是契约；字段与指标定义见 [spec/](../spec/README.md)，建设目标见 [可观测目标.md](可观测目标.md)。 + +## 0. 结论摘要 + +1. **采集层已经商品化**。OpenTelemetry 于 2026-05-21 从 CNCF 毕业，traces / logs / metrics 全 GA、Profiles 成为第四信号；厂商竞争整体上移到"数据底座、成本、以及 AI 驱动的分析与处置"。自研采集不再有价值，**语义对齐**才有。 +2. **2026 年的主战场是两件事**：Agentic Ops（AI 完成定位与处置）与 AI Agent 自身的可观测（Token、成本、效果）。前者仍在"调查可用、修复受控"的阶段，后者已形成语义约定与产品线。 +3. **对我们是利好**：现有的"契约先行 + 薄封装 + 黄金四信号 + 零埋点中间件"路线与行业方向一致；真正要补的只有三件低成本的事——**语义映射、标签纪律、CI 指标的标准命名**。 + +--- + +## 1. 技术趋势 + +| # | 趋势 | 一句话 | 成熟度 | +| --- | --- | --- | --- | +| 1 | 采集商品化 | OTel 毕业，语义约定成为新的契约层 | 已标准 | +| 2 | 零侵入 | eBPF / OBI 不改代码取指标与链路 | 生产可用 | +| 3 | Agentic Ops | 检测 → 假设 → 验证 → 处置的闭环 | 调查可用，修复受控 | +| 4 | AI Agent 可观测 | Token、成本、工具调用、效果评估 | 快速演进 | +| 5 | 成本治理 | 遥测数据的采样、聚合、分层与计价 | 已成选型首因 | +| 6 | 数据底座 | 存算分离、统一查询、变更观测 | 头部已落地 | + +### 1.1 采集层商品化：OTel 毕业，语义约定成为契约层 + +- OpenTelemetry 2026-05-21 成为 CNCF Graduated 项目，三家信号全部 GA，Profiling 进入规范。 +- 语义约定（semantic conventions）实际承担了"跨厂商字段契约"的角色：资源属性（`service.name` / `deployment.environment.name` / `service.instance.id`）、HTTP（`http.server.request.duration`）、异常（`exception.*`）、CI/CD（`cicd.*`，Release Candidate）都已成文。 +- `gen_ai.*` 已**迁出主仓**，由独立的 `semantic-conventions-genai` 仓维护（无 tag，按 commit 锚定），说明这一块的变动仍快。 + +**判断**：采集不是差异化，字段命名才是。字段一旦私有化，换后端、接 AI 工具都要重做。 + +### 1.2 零侵入：eBPF 走向默认 + +- Grafana 的 Beyla 已并入 **OpenTelemetry eBPF Instrumentation（OBI）**，通过 hook TLS 读写拿到明文 HTTP，无需改代码即可产出 span；对 LLM 流量还能直接按 GenAI 语义产出。 +- 同类：DeepFlow（云杉，AutoMetrics / AutoTracing）、groundcover、Pixie、Cilium Tetragon。 +- 国内阿里云已把 OBI 接入做成产品能力。 + +**判断**：资源层、网络层、框架层的信号会被零侵入方案吃掉；**业务语义**仍然只能靠埋点——这正是本仓库 T0（中间件）+ T2（业务指标）分层的价值所在。 + +### 1.3 从"看得见"到"能处置"：Agentic Ops + +- Datadog Bits 系列（SRE / Investigation / Code / Release / Agent Builder / Agent Evals），Dynatrace Intelligence（确定性 Davis + agentic AI），阿里云 STAROps（数字员工 + MCP），腾讯云 Multi-Agent 可观测工作台，以及 Resolve.ai、Traversal、Cleric 等新贵。 +- 共同点：**靠拓扑、变更、历史事件做 ground truth**，靠只读默认、写操作审批、审计日志做 guardrail。 + +**判断**：AI 诊断的上限由数据质量决定。字段乱、基数爆、缺变更信息，再强的 agent 也只能在噪声里猜。先把数据整理干净，比先买 AI 更有效。 + +### 1.4 AI Agent 自身成为观测对象 + +- 新指标层：输入/输出 Token、每任务成本、工具调用链、会话回放、完成率与效果评估。 +- 厂商动作：Datadog Agent Console / Tokenomics（跟踪 Claude Code、Cursor 等编码 agent 的用量与花费）、腾讯云 Agent 可观测（2026-09 上线）、博睿 AI 可观测、Dynatrace AI Observability app。 +- 工程共识：**评估（evals）与观测共用一个 trace store**，避免"链路在 A、评估在 B"的搬运成本。 + +**判断**：传统四信号解释不了非确定性的 agent 行为；如果将来要观测自家机器人调用 LLM，需要另起一层语义，而不是硬塞进 HTTP 指标。 + +### 1.5 成本治理成为一等公民 + +- Grafana **Adaptive Telemetry** 四信号闭环（Metrics / Logs / Traces / Profiles，Profiles 于 2026-08 GA），用自适应聚合与采样降本；Cribl 专做遥测管道；各家普遍支持尾部采样与分层存储。 +- 计价模式在变：从 per-host 转向 per-GB、per-credit、按命名指标数（Datadog Infinite Cardinality）。 +- 行业调查中，**成本已超过功能成为选型的首要标准**。 + +**判断**：厂商的做法本质是"事后补救"——先收全量再压缩。我们的规模下，**从源头控制基数**（高基数不进 label、路由模板、不重复埋点）是同等有效且更便宜的做法。 + +### 1.6 数据底座：统一查询与变更观测 + +- Dynatrace Grail、阿里云 UModel、博睿 Titan、观测云 GuanceDB 3.0、Observe 的 S3 湖：方向一致——**存算分离 + 一套查询同时覆盖指标/日志/链路**。 +- 新兴信号：**变更**被提升为一级数据（观测云把 Jenkins / GitLab / K8s Events / Nacos 的变更纳入叠加分析与风险评分），因为多数故障由变更触发。 + +**判断**：我们已有 Prometheus + LTS + Grafana 的组合，底座不必重建；缺的是把"变更"作为维度接进大盘（发布、配置、镜像 tag）。 + +--- + +## 2. 厂商趋势 + +### 2.1 国际格局：AI 与成本重塑排名 + +Gartner 2026 年 7 月《可观测平台魔力象限》（19 家）： + +| 象限 | 厂商 | +| --- | --- | +| Leader（8） | Chronosphere、Coralogix、Datadog、Dynatrace、Elastic、Grafana Labs、IBM、New Relic | +| Challenger（5） | Alibaba Cloud、AWS、LogicMonitor、Microsoft、Splunk | +| Visionary（2） | BMC Helix、Honeycomb | +| Niche（4） | Apica、HPE、ScienceLogic、SolarWinds | + +与 2025 年版（20 家，Leader 为 Chronosphere、Datadog、Dynatrace、Elastic、Grafana Labs、IBM、New Relic、**Splunk**）相比，本轮的净变化只有两处：**Splunk 降至 Challenger；Coralogix 由 Visionary 升入 Leader**。Chronosphere 是**连续第三年** Leader，不是新晋。 + +报告主题明确指向 AI 工作负载（LLM / agent 观测、agentic AIOps）、遥测成本控制与 OTel 原生摄入，这是 Gartner 与媒体一致的口径。但要注意两点： + +- 魔力象限的坐标轴是 **Completeness of Vision × Ability to Execute**，Challenger 的含义是**执行仍强、愿景相对落后**，不等于某项能力（如 AI）弱； +- Gartner 不公开逐家评分与理由。公开材料能证实的只有 **Coralogix 在 Cost Optimization 用例排第 3**；Splunk 下移更可能与 Cisco 体系内的产品整合与路线图清晰度有关（AppDynamics / Splunk Observability / ThousandEyes 存在重叠），而不是 AI 能力——它恰恰是 2026 年 AI 动作最大的一家（AgenticOps、收购 Galileo）。 + +### 2.2 三条产品路线 + +| 路线 | 代表 | 优势 | 代价 | +| --- | --- | --- | --- | +| **平台型**（全栈 + AI 编排） | Datadog、Dynatrace、Splunk/Cisco、New Relic、阿里云、腾讯云 | 开箱即用、AI 能力强、体验统一 | 价格高、迁移成本高、数据主权受限 | +| **开源 / OTel-native**（可退出） | Grafana Labs、Honeycomb、Chronosphere、groundcover、SigNoz | 数据可导出、成本可控、无锁定 | 运维成本自担、能力需自行拼装 | +| **遥测管道 / 成本层** | Cribl、Observe | 不换后端即可降本、做脱敏与路由 | 多一层组件、只解决成本不解决分析 | + +**判断**：我们走的是第二条路线（Prometheus + Grafana + LTS 自建），退出成本低是结构性优势，应继续守住"数据可导出、字段可映射"。 + +### 2.3 新贵与并购：能力正被大厂吸收 + +- **AI SRE**：Resolve.ai（创始团队含 OTel 共同作者，2026 年估值约 15 亿美元）、Traversal（因果 ML、默认只读）、Cleric（只读 + 受控写）等；同时 Azure SRE Agent、AWS DevOps Agent 已内置于云平台。 +- **LLM 观测**：Langfuse、LangSmith、Arize（Phoenix / AX）、Braintrust，以及 OpenLLMetry（Traceloop，已被 ServiceNow 收编）。 +- **并购**：Cisco 收购 Galileo 补 Agent 观测与 guardrail；Datadog、Dynatrace 持续把 agent 能力并入主平台。 + +**判断**：单点工具的窗口在收窄，自建 AI 诊断的窗口同样在收窄——这类能力更适合"买/接"，而不是"造"。 + +### 2.4 国内市场：云厂商一体化 vs 独立厂商 + 信创 + +| 厂商 | 2026 主线 | +| --- | --- | +| 阿里云 | CMS + SLS + ARMS 合并为**云监控 2.0**，以 UModel 统一模型为底座；**STAROps** 提供数字员工与 SRE Agent；ARMS 的 LLM 监控更名为 **AI Agent 可观测**；已产品化 OBI 接入 | +| 腾讯云 | TCOP 的 Multi-Agent 可观测工作台、SRE Agent、向 L4 无人值守演进；2026-09 上线 **Agent 可观测**（全链路、Token 成本、效果评估）；200+ 云产品 MCP | +| 华为云 | AOM 整合 APM / LTS / CES / Prometheus，AOM 2.0 以应用为中心；**2026 年公开的新能力明显少于阿里/腾讯**，更多是与伙伴联合交付 | +| 火山引擎 | APMPlus 走开放路线，允许第三方探针（如博睿）上报 | +| 博睿数据 | Bonree ONE 4.0：AI 可观测 + Sage AI 运维智能体工作台 + 统一读写引擎；IDC APMO 份额居首 | +| 观测云 | Obsy AI SRE Agent、Blueprint 低代码编排、**变更观测**、GuanceDB 3.0 存算分离 | +| 开源 | DeepFlow（eBPF 零侵入）、夜莺 Nightingale（Prometheus 上层告警）、OpenObserve（S3 低成本日志） | + +**判断**：国内厂商在 Agentic Ops 上的宣传比国外更激进，但落地同样受限于数据质量与权限边界；选型时应看"数据能不能导出、字段能不能映射"，而不是看 agent 的演示。 + +### 2.5 定价与采购关注点 + +- 计价从 per-host 转向用量型（per-GB / per-credit / 按指标数），因为 autoscaling 让 per-host 失真。 +- 采购关注点排序变为：**成本 → OTel / OTLP 兼容 → 可退出性（数据导出）→ AI 能力 → 功能覆盖**。 +- 与我们相关的一条：**不要把可观测数据锁进任何不可导出的后端**；LTS、Prometheus 都支持导出，这是我们的优势，也是将来接 OTLP 的后路。 + +--- + +## 3. 自身相关性 + +### 3.1 已被验证正确的三件事 + +1. **薄封装、不自研 instrumentation**——采集层已被 OTel / OBI 商品化，自研没有价值；我们只做装配与约定，方向正确。 +2. **黄金四信号 + T0 零埋点中间件 + T2 业务指标**——资源层交给官方 instrumentation，业务层才埋点，与行业"零侵入 + 业务语义"的分工一致。 +3. **契约先行**——`spec/` 的四语言契约，本质是一份私有语义约定；它让我们可以在不依赖任何厂商的前提下保证跨语言一致。 + +### 3.2 现在就该做的三件事（低成本、高杠杆） + +| 动作 | 产出 | 状态 | +| --- | --- | --- | +| **字段语义映射** | [spec/otlp-mapping.md](../spec/otlp-mapping.md)：落盘字段 → OTel 语义键 | 已完成，PR #40 | +| **标签纪律 = 成本治理** | 继续执行"高基数不进 label、路由模板、不重复埋点"；这是比 Adaptive Metrics 更早、更便宜的成本控制 | 已有铁律，需在 review 中守住 | +| **CI 指标对齐 `cicd.*`** | semconv 已有 `cicd.pipeline.*` / `cicd.pipeline.task.*` / `cicd.worker.*`（Release Candidate），可用于统一 CI 观测的命名 | 待评估 | + +关于第三点：CI 可观测是商业厂商覆盖最薄的地方——Datadog / Dynatrace 的 CI 能力主要停留在"接 CI 事件"，没有像 Kubernetes 那样的完整语义。我们自建 `ci-workflow-aggregator` 反而有机会**直接用 semconv 的 CI/CD 词汇**，让指标天然可移植。注意该组属性仍是 RC，需锁版本。 + +### 3.3 需要预留的两件事 + +1. **trace 二期直接接 OTel SDK**，不要自造上下文传播与 ID 生成。`spec/common-fields.md` 已预留 `trace_id` / `span_id` 注入位，且落盘格式与 W3C trace context 一致，接入时零格式返工。 +2. **`gen_ai.*` 只登记、不实现**。若机器人将来调用 LLM，按 `semantic-conventions-genai` 当前定义埋点；会话 ID、工具调用 ID 等高基数值只进日志 / span，禁止进 metric label。 + +### 3.4 明确不做的四件事 + +| 不做 | 理由 | +| --- | --- | +| 自研采集 agent / eBPF 埋点 | 已是商品，维护成本远高于收益 | +| 自建 Agentic Ops | 平台商品化 + 我们的故障规模不匹配；先把数据整理干净 | +| 引入重型商业平台 | 成本与锁定风险；现有 Prometheus + Grafana + LTS 足够 | +| 为"AI 可观测"先埋一批高基数指标 | 基数爆炸的代价由我们承担，收益要等真有 LLM 调用再说 | + +### 3.5 风险与边界 + +- **语义约定版本漂移**：`gen_ai.*` 已迁仓、`event.name` 已废弃、`code.filepath` 已改名；映射表必须锁版本（当前锚定 semconv v1.44.0）。 +- **`community` 的位置**：请求级可变，只能作日志/指标属性，**不能进 Resource**，否则中心化服务会把整进程数据写死成一个社区。 +- **LTS 与 OTLP 生态的适配未验证**：如果把日志迁到 OTLP 后端，需要先确认 LTS 的摄入能力；在验证之前只承诺"可映射"，不承诺"可切换"。 +- **自建 CI 观测的维护成本**：aggregator 与事件 agent 是长期负债，命名对齐 semconv 能降低将来替换的成本，但不能消除维护成本。 + +--- + +## 4. 行动建议 + +| 优先级 | 动作 | 产出 / 验收 | +| --- | --- | --- | +| P0 | 合入 OTLP 映射附录，并在 spec README 中索引 | [spec/otlp-mapping.md](../spec/otlp-mapping.md)（PR #40） | +| P0 | 把"高基数不进 label、路由模板、不重复埋点"写进 PR review 清单 | review 时可对照 checklist | +| P1 | 评估 CI 指标向 `cicd.*` 对齐的改动面（含 `platform` 标签） | 一份差异清单，不改现有大盘 | +| P1 | 在状态页定义 SLO 与错误预算（burn rate），与四信号衔接 | 状态页可用度口径统一 | +| P2 | trace 二期：接 OTel SDK，打通日志的 `trace_id` / `span_id` | 一条日志可跳到对应 trace | +| P2 | 验证 OTel Collector 出口（`filelog` / `prometheus` receiver） | 一条链路跑通即可，不进生产 | + +--- + +## 附：信息来源与口径 + +调研时间 2026-10-26。厂商发布内容多为厂商口径，数字（份额、降本比例、自主率）应以官网或财报为准；部分二手对比站点有 AI 生成痕迹，本文只引用可交叉核对的事实。 + +**标准与规范** + +- [CNCF：OpenTelemetry 毕业公告](https://www.cncf.io/announcements/2026/05/21/cloud-native-computing-foundation-announces-opentelemetrys-graduation-solidifying-status-as-the-de-facto-observability-standard/) +- [OpenTelemetry：毕业之后](https://opentelemetry.io/blog/2026/otel-grad-now-what/) +- [semantic-conventions v1.44.0](https://github.com/open-telemetry/semantic-conventions/releases/tag/v1.44.0) +- [semantic-conventions-genai](https://github.com/open-telemetry/semantic-conventions-genai) +- [OTLP logs.proto（LogRecord 字段）](https://github.com/open-telemetry/opentelemetry-proto/blob/main/opentelemetry/proto/logs/v1/logs.proto) + +**市场与厂商** + +- [Gartner MQ 2026（Grafana 解读）](https://grafana.com/blog/grafana-labs-named-a-leader-again-in-the-2026-gartner-magic-quadrant-for-observability-platforms/) +- [Coralogix 2026 MQ（含 Cost Optimization 排位）](https://coralogix.com/gartner-magic-quadrant-for-observability-platforms-2026/) +- [Chronosphere 2026 MQ（连续第三年 Leader）](https://chronosphere.io/2026-gartner-magic-quadrant-for-observability-platforms/) +- [AI workloads shake up observability market（Network World）](https://www.networkworld.com/article/4197973/ai-workloads-shake-up-observability-market.html) +- [DASH 2026 汇总](https://www.datadoghq.com/blog/dash-2026-new-feature-roundup-keynote/) / [Bits AI](https://www.datadoghq.com/product/ai/bits-ai-agents/) +- [Dynatrace Intelligence 发布](https://www.dynatrace.com/news/press-release/dynatrace-intelligence-redefines-observability/) +- [Grafana Adaptive Telemetry GA](https://grafana.com/press/2026/08/04/grafana-labs-gives-every-observability-signal-an-intelligent-optimization-layer-completing-adaptive-telemetry-suite-with-adaptive-profiles-ga/) +- [阿里云云监控 2.0](https://www.alibabacloud.com/help/zh/cms/cloudmonitor-2-0/what-is-cloud-monitor-2-0) / [ARMS 升级为 AI Agent 可观测](https://www.alibabacloud.com/help/zh/arms/product-overview/platform-upgrade-notification-that-arms-llm-application-monitoring-is-upgraded) +- [腾讯云 Agent 可观测上线](https://news.qq.com/rain/a/20260921A09JSI00) +- [博睿 Bonree ONE 4.0 发布实录](https://m.eeo.com.cn/2026/0526/891585.shtml) +- [观测云 2026 产品路线图](https://www.eet-china.com/mp/a466186.html) +- [国内可观测厂商对比](https://quant67.com/post/observability/23-china-vendors/china-vendors.html)