计算对于构建商业物联网解决方案的意义

这几年来，微服务这个概念越来越火了，火到什么程度呢？2019年有一个统计说，两千家企业里，45%在使用微服务，16%在实验开发和测试微服务架构，24%在学习微服务准备转型，只有剩下的15%的企业没有使用微服务。

微服务到底有什么好呢？微服务在2013年才被提出，短短几年就有这么快速的发展。微服务架构能够实现由小型自主服务组成一个整体应用，各个组成部分之间是松耦合的，复杂性低，各个部分可以独立部署，修复bug或者引入新特性更容易，能够独立扩展，不同技术栈之间可以使用不同框架、不同版本库甚至不同的操作系统平台。


 

关键的数字基础设施和连续性解决方案提供商Vertiv与技术分析公司Omdia一起发布了一份新报告，内容涉及电信运营商向边缘计算转移的影响以及利用边缘增长的优秀策略和战略。

报告《电信公司和边缘计算：机遇、威胁还是干扰?》揭示了网络运营商将在通过边缘计算创建新的收入服务中扮演关键角色。

Omdia，前身为Ovum，特别表示，移动和有线运营商可以通过将现有的蜂窝塔网络与中心办公室和汇聚点(例如边缘数据中心)结合起来，为边缘服务的开发构建平台，同时节省大量成本。

Vertiv首席战略和开发官Gary Niederpruem解释说：“边缘的增长为电信提供商提供了开发与5G、IoT和其他创新技术有关的新服务的机会。”

“运营商将需要具有国际影响力以及广泛解决方案和服务的合作伙伴，以在他们的边缘之旅中提供支持。”


 

ogging 通常会是工程师定位生产环境问题最直接的手段。日志的处理大约在如下几个方面进行演进

• 集中存储/检索。使得工程师免于分别登陆机器查看日志之苦，日志被统一采集，集中存储于日志服务，并提供统一的检索服务。这个过程牵扯到例如日志格式统一，解析，结构化等等问题。
• 日志的监控。
• 原文中的关键字，例如 error, fatal 大概率意味着值得关注的错误产生
• 从日志中提取的 metrics，例如 access log 中携带的大量数据，都可以被提取成有用的信息。至于提取的手段，有的通过客户端在日志本地进行解析，有的在集中存储过程中进行解析。

tracing

随着互联网工程日渐复杂，尤其是微服务的风潮下，分布式 tracing 通常是理解系统，定位系统故障的最重要手段。

在存储层面，tracing 已经有相对明确的方案，无论是 OpenZipkin，还是 CNCF 的 Jaeger ，都提供几乎开箱即用的后端软件，其中当然包括存储。

Tracing 的存储设计主要考虑

1. 稀疏数据：tracing 数据通常是稀疏的，这通常有几个原因

• 不同业务的 trace 路径通常不同，也就是 span 不同，因而稀疏
• 同种业务的 trace ，在不同内外部条件下，路径也不同。例如访问数据库，是否命中缓存，都会产生不同的 span 链
• 访问正常/异常的 trace ，产生不同 span

2. 多维度查询：通常的解决思路

• 二级索引：在以 HBase, Cassandra 为基础的方案中比较常见
• 引入倒排索引，在二级索引方案无法满足全部查询请求时，可能会引入 Elasticsearch 辅助索引，提升查询灵活性

Events

同样是一个难以定义，但是很容易描述的术语。我们把，一次部署，一次配置变更，一次dns 切换，诸如此类的变更，称为事件。

它们通常意味着生产环境的变更。而故障，通常因为不恰当的变更引起。

对 events 的处理主要包括

• 集中存储：事件种类很多，较难归纳共同的查询纬度，所以倒排索引在这种无法事先确定查询纬度的场景下，是非常合适的存储结构
• Dashboard：以恰当的方式，把事件查询 /展示出来。上文提到 Etsy 的博客中，展示了很好的实践方法，使得工程师能够通过 dashboard ，非常轻松确认网站登陆失败，与登录模块部署事件之间的关系。

总结

现代的监控，或者可观测性工程，通常是对不同类型数据的采集/存储/分析。这些数据各有特点，因而存储也不存在银弹。通常是根据各自特点，独立设计存储方案，上层提供一个统一、综合的存储系统。

（编辑：新余站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!