数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学数据可观测性 - 概述及其对 DevOps 的意义
随着组织越来越依赖数据来做出业务决策，确保数据的准确性、可靠性和可信度变得越来越重要。然而，管理和监控数据质量可能是一项复杂且具有挑战性的任务，尤其是在数据源数量不断增加且多样化的情况下。
数据可观测性是一个新兴的技术市场热点。本质上，数据可观测性关注的是确定特定系统中数据的健康状况和状态，以及数据集和数据管道是否按预期运行。例如，可观测性技术使数据工程师能够确定分析、仪表板或机器学习模型是否正常运行。如果它们没有正常运行，如何将故障追溯到其根源？
为了提高应用程序性能、数据管理和网络安全，可观测性系统可以提供 IT 基础设施的高级视图，并深入到细粒度的指标。可观测性行业涵盖广泛的领域，包括应用程序性能监控，Gartner 预测到 2024 年该市场将达到 68 亿美元。
什么是数据可观测性？
数据可观测性是在特定系统中衡量、理解和信任数据质量的能力。它包括监控数据管道、发现异常和错误以及采取纠正措施。数据可观测性与标准软件开发监控和可观测性方法非常相似，但它关注的是数据质量而不是系统性能。
对于依赖数据来做出业务决策的公司来说，数据可观测性至关重要。数据质量差会导致不准确的洞察、错误的结论以及最终的糟糕决策。组织可以通过实施数据可观测性标准来确保其数据的准确性、可靠性和可信度，从而实现更好的决策和更好的业务成果。
数据可观测性在 DevOps 中的重要性是什么？
DevOps 是一组方法，它将软件开发与 IT 运营相结合，以提高软件交付速度和质量。数据可观测性是一个重要的 DevOps 问题，因为它有助于确保软件应用程序使用的数据是准确、可靠和可信的。
在 DevOps 框架中的数据可观测性包括监控数据管道并确保快速检测和解决数据质量问题。这可能包括建立研究和解决问题的明确流程，以及为异常设置警报和通知。
可观测性是使用外部数据输出了解 IT 系统当前内部状态的过程，而监控只是从 IT 系统收集数据的过程。两者都涉及收集各种数据集，并且两者都有助于 DevOps 团队识别其软件堆栈中的故障并提供改进的用户体验。但是，存在两个主要区别：
可观测性解释数据，而不仅仅是收集数据。监控只是收集数据，而可观测性则关注分析数据并将这些见解付诸实践。可观测性能够连接来自多个来源的数据，并识别数据中对研究有用的模式或异常。
可观测性解释了问题的原因，而不仅仅是说明存在问题。监控在系统中出现故障时会通知 DevOps 团队，但数据可观测性更进一步，它有助于确定故障原因以及最佳的解决方法。例如，监控工具可能会显示应用程序响应查询的速度比平时慢，而可观测性工具可以识别应用程序内部哪些特定的微服务导致了此问题。此信息可用于使用事件管理工具创建响应计划，以提高可靠性。
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
数据可观测性的基础
在建立数据可观测性策略时，企业应牢记以下基本考虑因素：
监控 − 数据可观测性需要持续监控数据管道，以检测异常和问题。这可能包括为特定事件或条件配置警报和通知。
数据可观测性需要能够衡量特定系统中数据质量的能力。这可以包括为数据质量建立度量和基准，例如数据完整性、正确性和一致性。
自动化 − 数据可观测性需要在切实可行的情况下自动化监控和管理任务。这包括使用工具和技术来自动化数据质量检查和警报。
协作 − 数据可观测性需要数据工程师、软件开发人员和运营团队之间的密切协作。组织可以通过协作监控和管理数据质量来确保其软件应用程序使用准确和可信的数据。
数据可观测性工具的类型
数据可观测性工具分为多个类别，包括：
数据管道工具 − 这些是数据工程师用来创建和管理分析数据管道的工具。
应用程序数据工具 − 这些工具从应用程序收集数据，以提高站点稳定性、识别性能问题以及创建调试和故障排除计划。
机器学习可观测性工具 − 这些工具帮助数据科学家提高生产中机器学习模型的性能和漂移。
日志和事件工具 − 用于将可观测数据的来源与目标连接起来，以及改进数据传输。
数据可观测性可以帮助 DevOps 提高其性能
DevOps 团队始终重视数据监控，但许多团队仅限于使用预定义指标进行简单的持续监控。新的可观测性平台有望通过检测表明即将发生的 IT 问题（在它演变成问题之前）的异常来帮助他们提升水平。
拥有这些知识，DevOps 团队可以评估问题的根本原因和严重性并采取必要的措施，这与以前仅仅依靠排除法来识别核心问题的旧方法大相径庭。DevOps 团队使用数据可观测性解决方案可以获得对其 IT 和应用程序环境的更深入了解，并且可以发现更好、更可操作的智能，特别是对于推动业务转型的面向外部的应用程序。
结论
数据可观测性对于依赖数据来做出业务决策的公司来说是一个重要的问题。组织可以通过实施数据可观测性标准来确保其数据的准确性、可靠性和可信度，从而实现更好的决策和更好的业务成果。
浏览量 162 次
