可观测性 Observability 3.0 是个啥
导读：今天分享的主题有点吓人，《可观测性 3.0 是个啥？》原文地址如下：
为啥说有点吓人呢？前段时间，行业内刚讨论可观测性 2.0，这还没几天就要探讨 3.0 了？无论如何，咱就喜欢前瞻的思想，下面一起看看作者说了个啥。
在过去十年中，可观测性发生了重大转变 。最初孤立的日志、指标和跟踪已经演变为可观察性 2.0，这是一种统一的方法，它利用上下文丰富的数据、通过 OpenTelemetry 实现的标准化遥测以及平台驱动的洞察力来提供全面的系统可见性。
虽然这种转型需要数年时间才能成熟，但创新的步伐已经大大加快。在许多组织完全实施可观测性 2.0 之前，业界已经对可观测性 3.0 热议不已，那么，3.0 是怎么个思想呢？
为什么要推出可观测性 3.0？
首先，快速回顾一下：可观察性1.0是传统的、基于支柱的方法（日志、指标和跟踪），而可观察性2.0是统一的、上下文丰富的方法（也就是单一事实来源模型）。
在 2025 年及未来几年，可观测性成本预计将急剧飙升。
Gartner 指出，36% 的企业现在每年在可观测性上的支出超过 100 万美元，有些甚至超过 1000 万美元。一家组织的支出从 2009 年的 50,000 美元增加到 2024 年的 1400 万美元，过去五年的年增长率为 40%，远超典型的业务增长。
巴辉特插一嘴：别怕，国内的数据不是这样的，国内很多公司的可观测性体系还相对前期，很多数据都还采集不全呢。
可观测性 3.0 的宏大理念是提高 ROI。以前的版本都没有很好地应对不断上涨的成本。
这一新转变不仅代表了可观测性的下一阶段，它还从根本上关注成本效率。让我们更详细地探讨一下：
O11y 中的这个成本问题需要两个关键转变：
- 精确遥测： 首先，您需要访问非常详细的遥测数据，以便快速解决客户问题并更深入地了解系统行为。
- 智能数据收集： 接下来，应尽量减少不必要的遥测数据的收集，这只会增加复杂性并增加成本。
目前的可观测性状态在这些领域是不够的，因为它需要用户预先发送所有可能相关的数据，这会导致工程和财务团队之间出现永久的分歧循环，而不会显著缩短事件解决时间。因此，需要一种更有效的解决方案 — 进入 Observability 3.0。
巴辉特插一嘴：哦…可观测性 3.0 是觉得 2.0 时代采集的数据太多，成本太高，所以希望在 3.0 中倡导提高 ROI… 之前不是倡导解决“未知的未知”吗？那 3.0 还能解决“未知的未知”吗？！
通往 O11y 3.0 的道路
可观测性成本是一个巨大的挑战。它们很高且不可预测，因此更难从可观测性工具中获得价值。跳过可观测性是不可能的;您需要它来保持系统平稳运行并让您的客户满意。因此，关键是有效管理这些成本。
运行许多不同的监控工具会增加复杂性、增加成本并产生安全风险。使用单一可观测性平台可简化操作、节省资金并确保系统安全。
巴辉特插一嘴：虽然我完全不同意你的看法，但我誓死捍卫你说话的权利！算了，后面的内容我觉得不值得翻译，感兴趣的看原文吧。
巴辉特观点
借助本文这个由头，说几个我的个人观点：
1. 数据治理很重要
不管是监控，还是可观测性，不管是 1.0、2.0 还是 3.0，作为企业，请重视自身的数据治理。AI 里有句话叫：Garbage in Garbage out，也很贴切可观测性。
比如：
- 数据埋点应该有统一的原则、统一的规范，不要各个团队乱来一气
- 日志打印也一样，不同级别日志乱打，格式不一，希望用 ETL 屎上雕花，脑子真灵活啊
- 数据维度信息要统一，比如指标里叫 job，日志里叫 app，tracing 里叫 service，那就很难受。公司要制定全局标签，比如 region、env、app、version、product… 这是各个团队对话的基础，降低沟通障碍，类似秦始皇统一度量衡
2. 存储未必要统一
可观测性 2.0 倡导把三支柱的数据统一，但是给出的理由都略微牵强。
古老的 UNIX 哲学认为，一个工具只干一个事，把这个事干好，不同的工具组合使用方为最佳。
存储领域有对象存储、块存储、文件存储，数据库有 OLTP、OLAP，甚至时序数据还有 TSDB，目前这个时代，我还不相信有全场景银弹。
3. 数据特征分析很关键
要想通过海量数据分析，迅速得到洞察，首先应该做的是：数据特征分析。
去年还是前年我分享过一张图，讲解可观测性数据的信息层级：
不管是可观测性 1.0、2.0 还是 3.0，只要方便我分析数据特征，就有了无限可能。
Facebook 的 SLICK、Flashcat 的灭火图产品，都是把所有服务的 SLI 数据放到一个地方，让你更快了解故障爆炸半径（影响范围），同时根据这些 SLI 的数据特征，找到故障的模块，进而找到故障原因。
故障定位的过程，我总结了一句顺口溜：
- 在全局找特征
- 在局部找原因
能支撑我做这个“找”的产品，就是好产品。
4. 不要忽视生态
理论在持续演进，挺好的，但是真正落地，是需要生态跟进的。
大名鼎鼎的 OpenTelemetry 发展的如火如荼，但也仅仅在 Tracing 领域应用较多，指标方面，大都还是在用 Prometheus，生态的力量不容小觑。
可观测性 2.0 的生态如果无法建立起来，那离风靡全球，还有很长很长很长的路要走。
