在当前的企业技术格局中，我们正见证整个行业的争相行动。随着组织从单体架构转向利用异构基础设施的复杂环境，基于云的数据平台正面临可见性——即可观测性——的瓶颈。他们的应对措施是一波被动的数十亿美元收购，旨在“附加”其原生缺乏的可观测性。
但是可观察性不应该是事后附加或并购后的一个项目——它必须是一项核心能力。在 Cloudera，我们正在将我们的原生可观察性 DNA 发展成为一个统一的、以混合为先的强大平台，证明整个数据资产的真实洞察是统一数据编织、开放式数据湖仓一体架构、动态数据、人工智能和整个数据平台的基础要求。无论您是在公有云、数据中心本地还是边缘运行应用、工作负载、模型和代理，这一点都适用。
可观测性的多面性：超越简单的监控
真正的可观察性并非单一工具；它是嵌入数据平台的基础能力，旨在为整个数据资产中的每位利益相关者回答关键问题。无论是业务分析师想知道为什么仪表板没有刷新，数据库管理员在调查长时间运行的查询，还是系统管理员识别集群节点之间倾斜的数据存储，可观察性必须提供集成的遥测数据，以提供即时、可行的答案。
在混合云和多云环境中，依赖单独的、单一用途的工具（例如用于数据质量、云性能、基础设施健康状况等的工具）而这些工具不能在整个数据环境中运行，因此无法提供真正的可见性。相反，它造成了数据孤岛问题，即观测系统各自独立成岛。
这些系统之间的相互作用（在数据、工作负载、资源利用率等方面）需要可观测性。当这些类别脱节时，组织就会失去卓越运营所需的深层背景。要获得这样的洞察力，就需要可见性，将数据层和底层基础设施以及介于两者之间的所有内容紧密联系起来的日志、指标和跟踪。
混合人工智能时代的不可避免复杂性
生成式人工智能和大规模建模的兴起，从根本上将混合架构从战略选择转变为 技术必需。AI 工作负载需要在用于训练的大规模云规模计算和用于隐私和低延迟推理的本地化、本地数据引力之间取得微妙的平衡，使现代企业成为异构环境的复杂网络。
这种向真正分布式架构的转变——从核心数据中心到公共云再到边缘——必然会加剧复杂性，因为工作负载在这些不同的基础设施内部和之间都会有不同的表现。这种复杂性使得找出性能滞后、成本飙升或消费问题背后的关键“原因”变得更加困难。在这个混合型 AI 时代，没有统一视图和遥测的系统复杂性变得难以管理，使 IT 领导者无法预测或预防关键故障。
“附加”陷阱：为什么不能事后才考虑可观察性？
最近，云数据提供商收购可观测性初创公司的现象激增：Snowflake 收购 Observe、Palo Alto Networks 收购 Chronosphere 等。这些数十亿美元的收购表明，当数据平台缺乏原生可观察性时，最终会遇到“可见性墙”。这些供应商现在正试图附加本应是核心能力的功能。
对于现代企业而言，碎片化的、仅云端的方法无法提供他们实现真正卓越运营所需的可见性：
仅云端的工具被限制在堆栈的特定部分，忽略了存在于公有云之外的庞大数据资产。
附加可观察性工具难以提供理解复杂混合环境中问题根源所需的统一上下文。客户经常在日志、指标和跟踪的接口间切换，这凸显了数据层与其支持基础设施之间严重缺乏连贯性。
Cloudera 的原生和统一的可观察性能力
Cloudera Observability 是一项原生基础功能，它超越了简单的监控，成为一个统一的强大工具。通过将可见性定位为基础需求，Cloudera 提供了覆盖整个混合云的全面洞察：本地、公有云和边缘云。通过利用 OpenTelemetry 作为可观测性框架来收集和捕获分布式的痕迹和指标，我们与领先的可观测性标准框架保持一致。
Cloudera 观测能力不仅提供了性能背后的“原因”；它提供了全面的洞察周期。我们“封瓶”了从超过130万个订阅节点收集的诊断智能，创建了复杂的诊断工具。现在，通过与 Cloudera Cloud Factory（前身为 Taikun CloudWorks）的整合，我们能够将这些功能扩展到云原生基础架构管理之外。
这种演变使现代企业能够牢牢掌握预测性可靠性，将维护从被动修补的周期转变为主动策略。通过利用已知问题和安全漏洞的高级预警，组织最终可以超越传统故障排除，实现整个数据资产的持续、可靠性能。
归根结底，可观测性是应对混合人工智能时代复杂性的唯一途径，通过一个 构建了可观测性DNA的数据平台。要了解更多关于如何使用 Cloudera 实现真正的可观测性，请联系我们的专业服务团队，查看我们的产品演示，或注册免费试用 5 天。
