Unified SLO Driven Observability across AWS and GCP using CloudWatch and Stack driver and ELK and Splunk with Error Budgets
本文提出并评估了一种统一的 SLO 驱动型可观测性框架，该框架通过与供应商无关的元模型以及错误预算治理，将 AWS CloudWatch、GCP Cloud Monitoring、ELK 和 Splunk 集成在一起，证明了在多云环境中能显著提升检测时间、恢复速度、SLO 稳定性并降低运营成本。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代数字世界中，大型机构通常会在多个云计算平台（如亚马逊网络服务 AWS 和谷歌云平台 GCP）上同时运行其软件。这种策略提供了灵活性和安全性，但也创造了一个复杂的问题：当系统分布在不同的供应商之间时，你如何知道整个系统是否运行正常？为了回答这个问题，工程师们依赖于一个被称为“服务水平目标”（Service Level Objective, SLO）的概念，这简单来说就是关于服务表现应达到的承诺，例如保持 99.9% 的可用性。当系统未能实现这一承诺时，它会消耗掉被称为“错误预算”（error budget）的有限可接受错误储备。如果预算耗尽，系统必须停止进行新的变更，以防止进一步的损害。挑战在于，每个云供应商都使用自己独特的语言和工具来衡量性能，这使得难以看到全貌或有效地管理那个共享预算。
美国大学的研究员 Ehtesham Junaid 着手通过构建一个将这些不同的云视为单一实体的统一系统，来解决这种碎片化问题。该研究重点在于创建一个中央层，能够将来自亚马逊 CloudWatch 和谷歌 Cloud Monitoring 的不同监控信号转化为一种通用的语言。该层还连接了像 ELK 和 Splunk 这样强大的数据分析工具，这些工具被用于筛选海量的日志和性能记录。目标不仅是收集更多的数据，而是创建一个一致的可靠性视图，以便在错误预算消耗过快时自动触发安全措施。
为了测试这个想法，研究人员构建了一个受控环境，其中完全相同的软件应用程序同时运行在 AWS 和谷歌云上。他们模拟了现实世界中的问题，例如流量突然激增、网络故障和部分系统停机，以观察系统的反应。首先，他们使用传统方法观察设置，即每个云供应商的监控工具独立运行。然后，他们开启了新的统一框架，该框架对所有传入的数据进行标准化处理，并为整个多云系统计算出一个单一的、共享的错误预算。这使得系统能够更快地检测到问题，并基于整个网络的健康状况而非仅仅是其中一部分来做出决策。
结果显示了统一方法的明显优势。当引入故障时，新系统平均在 3.1 分钟内检测到问题，相比于使用独立的、孤立工具所需的 7.8 分钟有了显著改进。这 60% 的检测时间缩减意味着工程师可以更早地应对问题。此外，恢复并返回正常运行所需的时间下降了近 40%。统一系统也表现得更加稳定，减少了系统不同部分在报告状态时的不一致性。虽然由于中心化导致收集和处理数据的成本略有增加，但运行系统的总成本下降了 18%。这种节省来自于与系统停机相关的损失大幅减少了 36%，证明了通过提升可见性进行的投资通过预防昂贵的停机故障获得了回报。
研究结论指出，管理跨多个云的可靠性的困难不在于缺乏好的工具，而在于缺乏统一的治理结构。通过创建一种单一的、独立于供应商的方式来定义目标并管理错误预算，组织可以实现以前无法实现的控制水平。研究表明，当可靠性被作为统一的概念而非一系列单独的任务来管理时，系统会变得修复更快、更稳定且更具经济效益。这种方法为那些需要在复杂的多元云未来中维持高标准性能的公司提供了一个实用的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。