根据第二次年度Grafana Labs 可观测性调查,无论从事哪个行业或雇用多少员工,拥有成熟可观测性实践的企业都可以更快地响应事件,并在此过程中节省时间和金钱。
在应对现代应用程序的复杂性时,组织正在将可观察性作为其软件开发生命周期的关键部分。然而,今年的调查清楚地表明,并非每个人都处于同一采用阶段,落后的团队正在努力满足当今用户始终在线的需求。
超过300名可观察性从业者参与了此次调查。他们就广泛的主题分享了自己的想法,包括不同的成熟度、使用的工具的绝对数量、对费用挥之不去的担忧,以及开源工具在这个新兴市场中的普遍性。
您可以阅读完整的调查,了解受访者对这些主题等的看法,但为了快速评估可观察性的状态,以下是调查的五个关键要点。
我们通过询问受访者如何实现可观察性来衡量他们的旅程所处的位置。略多于一半的人表示,他们的组织已采取积极主动的方法,这表明该领域正在增长。然而,组织仍然更有可能是被动的而不是系统的,这意味着他们经常从客户那里听到问题,而不是在用户发现之前建立系统来解决问题。
(查看我们的可观察性旅程成熟度模型,了解有关这些名称的更多信息。)
不同的方法可能会导致截然不同的结果, 65% 采用系统方法的人通过集中可观察性节省了时间或金钱,而采用被动方法的人中只有 35% 的人节省了时间或金钱。
超过三分之二的团队至少使用四种可观察性技术,受访者总共引用了 60 多种目前正在使用的技术。此外,一半的 Grafana 用户表示,他们在 Grafana 中配置了至少六个不同的数据源并正在积极使用。
这可能会带来相当大的复杂性和开销,而且公司越大,拥有的工具和数据源就越多。难怪在拥有集中可观察性的团队中,79% 的人表示这节省了他们的时间或金钱。
我们在 Grafana Labs 服务于充满活力的开源社区。虽然这可能会扭曲我们的调查结果,但不可否认 OSS 的影响。我们的调查中提到的 10 种最受欢迎的技术中有 8 种是开源的,而绝大多数受访者都投资于 Prometheus (89%) 或 OpenTelemetry (85%) 。
有趣的是, Prometheus和OpenTelemetry社区之间存在相当大的重叠。近 40% 的受访者在其运营中同时使用这两种项目,并且超过 50% 的受访者在过去一年中增加了对每个项目的使用。
如今,人工智能受到了广泛关注,但它在可观察性方面的作用在很大程度上是当今人们所渴望的。尽管如此,可观测性从业者仍然对其加速事件响应和简化可观测性采用的潜力感到兴奋。
异常检测是受访者表示最希望看到的人工智能功能,超过四分之三的人表示支持这一功能。人工智能的其他热门愿望清单项目包括预测分析和仪表板生成。
超过一半的受访者表示,成本是他们对可观察性最关心的问题,同时还提到了其他相关主题——基数、不可预测的账单和供应商锁定。