【51CTO.com速译】想象这样一个场景：正在喝咖啡的时候，突如其来的紧急警报打扰了他们的好心情。即使经过不懈努力解决了大量告警信息，如此大的工作量也会让运维人员深感疲惫。我们不禁要问：为什么系统不能智能地预测问题，并在警报发出前解决问题？想象一下，当IT运维人员在混合云上使用复杂的IT系统和应用来处理告警信息时会发生什么？无疑！他们将深陷“报警泥潭”无法自拔。为了实现以下目标，一种为微服务量身定制的新兴架构诞生了：支撑业务能力自动将应用部署为服务端点智能语言和数据的去中心化控制任何应用中的微服务都密切相关有迹象表明，这种关联可以导致多米诺骨牌效应。应用程序中的任何延迟或更改都可能以意想不到的速度影响其他服务。每个数字原生业务都依赖于两个元素：数据和分布式系统。有两个要素可以确保企业应用程序中服务的完整交付。数字原生组织越成熟，它使用的分布式系统就越多，它拥有的数据就越多。成熟的云原生企业还会遇到另外一个问题，就是数据碎片化。这需要通过构建整体应用解决方案来解决。Gartner估计IT基础架构生成的数据量每年增长两到三倍。在这种情况下，为什么人类要为应用程序失败负责？这让我们回到质疑一些基本配置和警报解决方案。现代微服务世界需要改变什么？1.准备日志打破集中和孤立的架构，将日志汇集到一个系统中。无论是存储还是展示，尽量让它们在同一个数据源中。考虑到微服务会产生大量的数据，单视图的方式可以方便地搜索日志。这是现代微服务监控方式升级的基本操作。2.管理分布式网络分布式网络及其通信不容忽视。它是任何组织的重要组成部分。使用可以长时间存储历史数据的集群解决方案，不会通过过度的下采样（下采样重新采样样本并丢弃冗余样本）来牺牲数据粒度。开源和SaaS云服务使该解决方案复杂化。但是，当您使用的监控系统与第三方平台集成时，它们可以确保完全可观察性，即使该第三方平台具有庞大且动态的生态系统。3.管理动态日志/跟踪数据随着基于微服务的应用程序的发展和变化，它们生成的数据也会发生变化。考虑到监控系统在这种情况下也需要检测异常，不能仅仅依靠人工创建的告警规则。最重要的是，不会因日志数据创建或更新而忽略严重警报。智能和机器人数据自动化(RDA)机器人数据自动化(RDA)旨在实现数据处理自动化，并使监控系统和流程更智能，以管理警报。机器学习算法可以利用历史数据和现有的学习模型，随时随地创建新的告警规则。它处理低级机器数据和警报，提供优化警报处理过程的建议。RDA使告警处理过程智能化，减少人为干预。迈向新的微服务世界以下是旧监控方法被放弃的四个原因：1.越来越多的应用程序被部署到云端。2.迭代会出现的更频繁，对程序的微小修改都需要重新编译并发布整个应用。3.每一次改动都会影响到其他模块，俗话说，一根头发影响全身。4.如果使用旧的监控扩展方式，会影响到整个应用。事实上，只需要扩展部分资源即可满足监控扩展需求。同时，新的微服务架构模式需要关注服务发现、配置管理、负载均衡、消息传递等，你需要具备获取数据和与第三方系统集成的能力。RDA的AIOps（人工智能运维）方法帮助实现混合IT系统的性能和可用性监控。译者介绍崔浩：51CTO社区编辑，资深架构师，拥有18年软件开发和架构经验，10年分布式架构经验。他曾经是惠普的技术专家。乐于分享，撰写了多篇阅读量超过60万的热门技术文章。《分布式架构原理与实践》作者。原标题：WhenDominoesFall:MicroservicesandDistributedSystemsNeedIntelligentDataOpsandAI/MLToStandTall，作者：SrinivasMiriyala[51CTO翻译，合作站点转载，转载请注明原译者及出处为51CTO.com]
