可观测性不是一个新鲜的名词，主要是指通过分析数字化应用系统的指标（Metrics）、链路（Traces）、日志（Logs）等数据，构建出完整的态势观测模型，从而实现快速的威胁发现和故障诊断。在许多情况下，可观察性会被错误理解成是“系统监控”的同义词，但随着数字化应用的深入，特别是随着云原生技术的发展，基于容器和微服务化的应用规模更加庞大，复杂的云上环境以及应用系统的分布性、复杂性、动态性，使得故障定界和检测分析非常困难，而可观测性无疑是降低这种难度的有效手段之一。因此，有更多企业发现部署可观察性产品的能力和价值。
目前，研究机构Gartner已将应用可观测性列为“2023年十大战略技术趋势”之一。安全研究人员表示，成功实现可观测性的企业机构，会在数字化业务开展中建立竞争优势，企业需要找到合适的工具并尽快部署使用。本文收集整理了8款主流的可观察性工具，并对其应用特性、不足和典型应用场景进行了分析，可为企业组织应用选型提供参考。
1. Prometheus
Prometheus是一款开源工具，广泛用于云原生环境中的可观察性获取。它可以收集和存储时间序列数据，并提供可视化工具来分析这些数据。
关键特性与不足：
可以从各种来源获取指标，包括应用程序、服务和系统；
可以将收集到的数据存储在时间序列数据库中，并可以高效地查询和聚合数据；
带有一个内置的警报系统，可以根据查询触发警报；
可以自动检测和抓取运行在多个环境中的服务的指标，比如Kubernetes和其他容器编排系统；
能够与Grafana灵活地集成，允许它创建仪表板来显示和分析Prometheus指标。
不能提供内置的根本原因分析；
需要将所有数据存储在内存中，因此可能会占用大量计算资源；
目前还不支持嵌套字段和连接。
主要应用场景：
监控指标收集和存储；
自动化报警；
异常服务行为发现。
传送门：
https://prometheus.io/
2. Grafana
Grafana是一个开源工具，主要用于对数据的可视化和监控。它允许用户轻松地创建和共享交互式仪表板，对来自不同来源的数据进行可视化分析。
关键特性与不足：
可以创建定制化的交互式仪表板，对来自各种数据源的指标和日志进行分析；
允许用户根据其指标的状态设置警报，以发现潜在的问题；
允许用户设置异常检测，并根据其指标中的异常行为自动检测和警报；
允许用户深入到指标中，通过提供带有历史上下文的详细信息来分析根本原因。
不支持长期存储，需要Prometheus或Elasticsearch等额外工具来存储指标和日志；
不提供高级数据建模功能；
不包含内置的数据聚合功能。
主要应用场景：
对各种监控指标的可视化；
自动化报警；
异常服务行为检测。
传送门：
https://grafana.com/
3. ELK堆栈
ELK堆栈是一款流行的开源可观察性解决方案，有助于运营人员更好地管理日志和分析数据。它由三个组件组成：Elasticsearch、Logstash和Kibana。
Elasticsearch是一个分布式搜索和分析引擎，可以处理大量结构化和非结构化数据，使用户能够存储、索引和搜索大量数据；Logstash是一个数据收集和处理管道，允许用户收集、处理和丰富来自许多源（如日志文件）的数据；Kibana是一个数据可视化和探索工具，允许用户基于Elasticsearch中的数据创建交互式仪表板和可视化。
关键特性与不足：
允许用户收集、处理、存储和分析来自多个来源的日志数据和指标，同时提供一个集中控制台来搜索日志；
允许用户搜索和分析相关日志数据，这对于解决和深入了解问题的根本原因至关重要；
可以对来自多个数据源的日志数据和指标进行可视化分析；
允许在日志数据中为异常活动发出警报；
允许用户向下获取更多日志数据，通过提供详细的日志和历史上下文，可以更好地找出问题的根本原因。
ELK目前还不支持分布式跟踪，用户需要使用额外的工具，如Jaeger；
ELK的日志报告会造成轻微的延迟；
策略配置和维护过程比较复杂，需要特定的知识来管理运营。
主要应用场景：
多来源的日志管理；
数据可视化；
遵从性和安全性监控
传送门：
Elasticsearch：https://www.elastic.co/elasticsearch/
Logstash：https://www.elastic.co/logstash/
Kibana：https://www.elastic.co/kibana/
4. InfluxDB 和Telegraf组合
InfluxDB和Telegraf都是开源版的可观察性工具，它们的时间序列数据存储和监控功能很受企业用户的欢迎。其中，InfluxDB是一个时间序列数据库，它使用类似sql的查询语言存储和查询大量时间序列数据；而Telegraf则是一款性能出色的数据收集代理，它可以支持各种数据源，收集各种指标和事件信息，并将其发送给多个提前设置的接收器，比如InfluxDB等。
关键特性与不足：
Telegraf允许用户从许多来源收集指标，并将它们发送到InfluxDB进行存储和分析；
InfluxDB可以与第三方可视化工具（如Grafana）集成，以创建灵活的交互式控制面板；
InfluxDB的设计允许它处理较长时间段内的数据并提供扩展能力；
这两个工具都缺乏警报功能，需要第三方集成来提供警报；
缺乏深入的原因分析功能，需要第三方集成。
主要应用场景：
指标收集和存储；
长时间的运行监控。
传送门：
InfluxDB：
https://www.influxdata.com/
Telegraf：
https://www.influxdata.com/time-series-platform/telegraf/
5. Datadog
Datadog是一款基于云的可观察性监控和分析平台，目前已被广泛用于深入了解分布式系统的运行状况和性能，以便在风险真实发生前排除问题。
关键特性与不足：
可以监控在AWS、Azure、GCP等多种公有云平台上运行的应用程序；
可以对服务依赖关系、位置、服务和容器等信息进行可视化分析；
可以跟踪分析有关应用程序性能的详细信息；
可以通过提供带有历史上下文的详细信息，让用户分析了解问题的根本原因；
可以设置异常检测，自动检测和警告观测到的异常行为。
Datadog是一种基于云计算的付费服务，随着部署规模扩大，使用费用会增加；
不提供默认的日志分析支持，用户必须单独购买日志摄取和索引功能；
不允许用户在本地或自己的数据中心存储数据。
主要应用场景：
可观察性数据管道
分布式服务跟踪
集装箱式应用监测
传送门：
https://www.datadoghq.com/
6. New Relic
New Relic也是一款基于云的监控和分析平台，允许用户监控分布式环境中的程序运行状态。它使用“New Relic Edge”服务进行分布式跟踪，可以实现几乎100%的应用程序跟踪监测。
关键特性与不足：
提供全面的APM解决方案来监控和排除应用程序性能故障；
可以在AWS、Azure、GCP等多个公有云平台上监控应用程序运行；
可以提供有关系统和应用程序性能的详细信息，并进行跟踪分析；
可以帮助用户深入到指标和上下文信息中，分析问题的根本原因；
可以收集、处理和分析各种来源的日志数据，并提供全面的日志视图。
New Relic是一个闭源平台，它与其他开源工具的集成能力非常有限；
在进行大规模部署时，New Relic的使用成本会比较高。
主要应用场景：
多云环境中的应用监控
深入的跟踪分析
传送门：
https://newrelic.com/
7. AppDynamics
AppDynamics是一款应用广泛的可观察性监控和分析平台，不仅允许用户对各种应用程序的每个组件进行跟踪监测，同时还提供了根本原因分析，以确定可能影响应用程序性能的潜在问题。
关键特性与不足：
可以从许多来源（如主机、容器、云服务和应用程序）收集监控指标并跟踪分析；
可以设置异常检测功能，对发现的异常行为进行及时检测和预警；
用户可以获取较详细的性能信息并跟踪分析；
由供应商维护工具，对开源工具的集成能力不足；
定制选项不够灵活，用户不能自己定制解决方案。
主要应用场景：
应用程序性能监视
多云环境中的应用监控
业务流程管理
传送门：
https://www.appdynamics.com/
8. Helios
Helios是一款为系统开发人员提供可观察性的解决方案，提供了对应用程序流程的可操作性洞察能力。它整合了OpenTelemetry的上下文连接框架，可以提供跨微服务、无服务器应用、数据库和第三方API的可见性。
关键特性与不足：
在完整的上下文中提供分布式跟踪信息；
使用户能够从多个数据源收集和可视化跟踪数据，以深入挖掘和排除潜在问题；
支持Python、JavaScript、Node.js、Java、Ruby等多种语言和框架；
允许团队成员重用请求、查询和有效负载；
可根据跟踪数据自动生成测试；
与现有的生态系统轻松集成，包括日志、测试、错误监控等；
只需点击几下即可再现一个精确的工作流。
主要应用场景：
分布式应用跟踪；
多语言应用程序跟踪集成；
无服务器应用程序监控；
应用测试中的故障排除；
API调用自动化。
传送门：
https://app.gethelios.dev/
参考链接：
https://dzone.com/articles/11-observability-tools-you-should-know-in-2023
