可观测本质上是对各类观测数据进行采集、存储、分析，其中对数据的分析能力决定了上层问题发现、故障定位的及时性和准确度。而使用多套系统的组合方案无论从使用便捷性、数据关联互通、跨数据源分析、维护代价等方面都有极大挑战。在此背景下，我们开发了一个统一的可观测数据平台，支持对PB级各类可观测数据的统一存储和融合分析，打破观测数据孤岛，极大提升了对可观测数据的价值挖掘能力。

本次分享将主要介绍阿里云在可观测数据融合分析方面的思考、设计与实践经验。

演进提纲：

1. 背景与挑战
2. 阿里云可观测融合分析平台设计
3. 工程与应用实践
4. 总结与展望

你将获得：

• 可观测数据分析的发展趋势与应对策略
• 阿里云可观测融合分析平台构建实践
• 可观测数据融合分析应用场景与实践
• 可观测技术与方案的发展方向

小红书在业务快速发展期间，流量快速上涨、业务快速迭代等问题，带来了显著的资源消耗和成本压力。在降本增效的大背景下，如何对海量的存量资源进行优化，同时发现并快速定位业务迭代带来的性能退化，对各公司都是很大的挑战。

在小红书内部，我们基于持续优化的思想，设计实现了一套性能持续优化平台来系统性辅助业务团队解决性能问题：通过对存量资源进行深度诊断和分析，进行深度的优化；同时在业务系统日常的迭代过程中，持续分析、发现、追踪系统的性能退化并推动优化。目前已覆盖小红书搜索、推荐、广告的服务，运行以来辅助业务团队优化了数万核的资源。

演进提纲：

1. 背景
   • 有限的资源，支持频繁的业务迭代
   • 持续优化的思考
2. 解决思路
   • 系统性的解决性能问题
   • 零侵入、零开销、低延时、持续性的性能分析
   • 挖掘数据价值
3. 工程实践
   • 架构设计
   • 大数据分析
   • 持续优化
   • 产品形态
4. 总结与展望：
   • 方案落地的实践分享
   • 未来的技术路线

你将获得：

• 持续优化的思想、实践、经验分享
• 小红书在性能深度分析的技术实践经验

字节在多年的业务发展过程中，逐渐形成了一套十分复杂的超大规模微服务体系。为了实现对这些复杂微服务的观测，我们构建了能够实时处理PB级别数据的可观测性基础设施，为公司整体业务的稳定性、性能优化、服务治理等方向保驾护航。为了降低整体资源消耗、提升性能，我们在数据采集链路上进行了一系列的架构升级和优化，目前已支撑公司数万微服务、数百万微服务实例、每秒数千亿级别的数据埋点。

本次分享主要介绍我们对可观测性数据采集技术内核和成本优化的实践经验。

演进提纲：

1. 问题背景
   • 字节可观测性平台的演进
   • 超大规模数据采集的技术挑战
2. 可观测数据采集架构
   • 数据采集架构演进
   • 整体可观测架构介绍
   • 数据采集核心链路
3. 工程实践优化
   • SDK 内核
   • Agent 内核
4. 未来展望
   • 统一的数据采集器 OneAgent
   • ToB 场景的探索

你将获得：

• 了解字节在超大规模微服务场景下，可观测性数据采集的各类挑战
• 了解超大规模下，可观测数据的采集技术内核以及成本优化实践

系统可观测性随着产业数字化进程，成为运维/运营的重要能力，如何保障软件的高可用，如何快速恢复故障，成为云基础设施保证质量的重要方法，华为云在面向复杂海量云资源场景，构筑可观测平台 CloudScope，重点解决“未病”发现和“病中”快速定界问题，保障客户系统在华为云稳定运行。

演讲提纲：

1. 可观测性的定义与挑战
2. 华为云故障可观测平台设计
3. 华为云快速故障定界实践
4. 可观测性未来与展望

你将获得：

• 面向不同场景控的监测宏观设计理念
• 华为云快速故障定界实践