云杉网络开源DeepFlow核心可观测性数据流引擎

经过多年在混合云环境下的耕耘，云杉网络自主研发的DeepFlow可观测性平台得到了多家企业客户的认可，并在金融、电信、能源等行业得到了广泛的应用。今天正式宣布开源DeepFlow核心的可观测性数据流引擎，希望将高度自动化的可观测性能力、自动追踪和自动标签能力开放到整个行业，帮助企业客户优化云原生运维工作运行的效率、稳定性和计算成本。

一、为什么需要可观测性？

大量云原生技术的采用，导致IT系统越来越复杂，快速排障变得越来越难。传统的应用监控（APM）和网络监控（NPM）工具，可以发现某个函数调用失败或者某个链路性能下降，却难以在复杂的云环境下找到故障发生的根本原因。Epsagon 的一项调查表明，应用开发者有高达30%的时间花在可观测性能力建设上，另有 20% 的时间花在代码 Debug 上，而 Debug 花费的大部分时间又恰好是可观测性建设不足导致。

可观测性建设的难点包括两个方面：

埋点插码难

开发者需要考虑为每一种语言、每一种框架进行埋点和插码。一些公司的业务开发团队很幸运，会有类似 IDP（Internal Developer Platform）的团队负责整个公司的可观测性能力建设，提供埋点和插码的 SDK。但大部分语言缺乏类似 JVM 的字节码注入机制，IDP 团队每一次的 SDK 升级都需要业务开发团队同步发版、上线。

开发者需要考虑在微服务之间如何传递追踪上下文。同样需要为每一种语言、每一种框架进行埋点和插码，另一方面像 MQTT 3.X、MySQL、Redis 等缺乏 Header Option 字段的协议经常成为追踪的噩梦。

开发者需要为每一个指标、追踪、日志数据注入大量的属性标签，以便于后续能够对观测数据进行灵活的过滤、分组及关联。然而这些标签已经存在于 K8s apiserver、服务注册中心、应用协议 Header 中，开发者不得不重复这份工作将他们搬迁到观测数据中。

平台运维难
开发者需要考虑如何避免指标数据中携带高基标签，有些时候因为后端 TSDB（Time Series Database）性能的不足，无奈将高基 Tag 字段转换为 Metrics，甚至丢弃；限制观测数据的猖獗增长，在复杂的采样策略之间权衡选择以降低数据量，但通常会在某次问题排查时发现数据不全而无法进行；维护复杂的可观测平台，他们通常有着负载均衡、消息队列依赖。随着复杂度的增长，可观测性平台本身的可观测性能力同样也成为问题。

二、DeepFlow可观测性平台

云杉网络在SDN及云网络领域深耕近十年，逐步从SDN核心技术走向IT系统的自动化和可观测性，率先推出了DeepFlow云原生可观测性平台，面向混合云、容器、微服务的全栈虚拟化环境，实现对网络、系统、应用的全栈指标和全链路追踪，结合云资源知识图谱实现100+维度指标数据的动态标注，拥有零侵扰部署的特性。获得众多大型银行的青睐和认可，成为商用的云原生监控产品，并在近百家重点行业的企业云数据中心得到广泛应用。

随着云时代为了让业务运行更加稳定、业务创新更加高效，开发、运维、SRE团队对可观测性的需求空前高涨，但不同的团队所选择的可观测性方案和实践路径又各有不同，从应用开发团队看来可观测性建设已成为一项必要工作。
为帮助大家有效应对以上困境，正式将DeepFlow核心的可观测性数据流引擎开源，这一个为云原生应用开发者建设可观测性能力而量身打造的全栈、全链路、高性能数据引擎，能够显著降低开发者的埋点、插码、维护负担，通过 AutoTagging 机制打破数据孤岛，解锁数据下钻能力；基于创新的高性能 SmartEncoding 机制告别高基烦恼和资源焦虑；利用DeepFlow的可编程能力和开放接口，开发者可以快速将其融入到自己的可观测性技术栈中。

三、开源的DeepFlow（原名：MetaFlow）有什么优势？

全栈

DeepFlow开源版使用 AF_PACKET、BPF、eBPF 技术实现的 AutoMetrics 机制，可以自动采集任何应用的 RED性能指标，精细至每一次应用调用，覆盖从应用到基础设施的所有软件技术栈。在云原生环境中，DeepFlow开源版 的 AutoTagging 机制自动发现服务、实例、API的属性信息，自动为每个观测数据注入丰富的标签，从而消除数据孤岛，并释放数据的下钻能力。

全链路

DeepFlow开源版使用 eBPF 技术创新的实现了 AutoTracing 机制，在云原生环境中自动追踪任意微服务、基础设施服务的分布式调用链。在此基础上，通过与 OpenTelemetry 的数据集成，将 eBPF Event 与 OTel Span 自动关联，实现完整的全栈、全链路追踪，让追踪无盲点。

高性能

DeepFlow开源版创新的 SmartEncoding 标签注入机制，能够将标签数据的存储性能提升 10 倍，从此告别高基标签和数据采样焦虑。使用 Rust 实现 Agent，拥有极致处理性能的同时保证内存安全。使用 Golang 实现 Server，重写了 Golang 的 map、pool 基础库，数据查询和内存申请均有近 10 倍的性能提升。

可编程

DeepFlow开源版目前支持了对 HTTP、HTTPS、Dubbo、MySQL、Redis、Kafka、MQTT、DNS协议的解析，并将保持迭代增加更多的应用协议支持。除此之外，DeepFlow开源版计划基于 WASM技术提供了可编程接口，让开发者可以快速具备对私有协议的解析能力，并可用于构建特定场景的业务分析能力，例如 5GC 信令分析、金融交易分析、车机通信分析等。

开放接口

DeepFlow开源版支持接收广泛的可观测数据源，并利用 AutoTagging 和 SmartEncoding 提供高性能、统一的标签注入能力。支持插件式的数据库接口，开发者可自由增加和替换最合适的数据库。向上为所有观测数据提供统一的标准 SQL 查询能力，便于使用者快速集成到自己的可观测性平台中，也提供了在此基础上继续开发方言 QL 的可能性。

易于维护

DeepFlow开源版仅由 Agent、Server 两个组件构成，将复杂度隐藏在进程内部，将维护难度降低至极致。DeepFlow Server 集群可对多资源池、异构资源池、跨 Region/AZ 资源池中的 Agent 进行统一管理，且无需依赖任何外部组件即可实现水平扩展与负载均衡。

四、为什么要开源？

建设可观测性已经成为云原生应用开发者的必要工作，然而现有的解决方案正悄无声息的消耗着开发者越来越多的时间。开发者需要考虑如何为新的框架插入追踪代码？如何为新的语言增加打桩点？如何为每条日志和指标注入上百个标签？如何维护越来越复杂的可观测性数据平台？这些工作严重挤占了业务开发工作的时间。

开源DeepFlow是云杉网络送给新时代开发人员、运维人员的一份礼物。希望开发人员能有更多的时间聚焦在业务上，将可观测性更多的交给自动化的 DeepFlow，让自己的代码更清晰整洁。通过DeepFlow，希望让观测更自动，让开发者更自由。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删