2024年4月25日,博睿数据 Bonree ONE 2024 春季正式版焕新发布,以全息观测、体验至上、轻锐交付三项特性开启智能运维新篇章。点此立即申请免费试用。
作者|博睿数据数智能力中心负责人-太道
随着数字化转型的深入,企业对于IT系统的可观测性提出了更高的要求。可观测性不仅关乎系统的稳定性和安全性,更是企业决策和运营效率的重要保障。Bonree ONE作为国内领先的一体化智能可观测平台,本次春季版的发布,在新一代技术变革中为生产力升级保驾护航,后台三板斧(高效能架构、高技术引擎、高质量数据)让可观测更“新质”。
高效能架构
架构是IT系统的骨架,决定了系统的稳定性和扩展性。高效能架构需要具备轻量化、高可用和易维护性,以适应不断变化的业务需求和技术环境。Bonree ONE在本次春季版中从以下几个方面做了技术上的提升
1.多地多中心
Bonree ONE平台支持异地多活的高可用架构。一般在金融或其他重要业务领域中,客户业务数据分布在多城市多数据中心(DC),同时对可观测性平台也是一样的能力要求。具体需要可观测平台具备数据本地存储(避免过多占用跨地带宽),多数据中心资源可以全局统一管理但权限又可以灵活,并且调用链要包含完整的跨数据中心的调用过程和详情。这对万亿级以上数据平台的技术挑战极大。Bonree ONE技术底座实现了数据本地化存储,在ClickHouse集群存储层实现分布式表,本地先计算一次后再聚合数据分析结果(当然,里面有很多技术细节的考虑),并通过OneService的统一联邦数据服务建立全局数据地图和动态路由,做到了跨地跨中心计算,既做到了数据分开存,也做到了可以全局分析,还做到了任一节点的服务高可用和数据高可用。例如我们的四地八中心底层架构:
2.存储瘦身
早期时候,调用链、会话、日志的数据存到了Elasticsearch。我们历史架构如下图,大数据团队需要维护多种存储。比如,告警业务A说要做AI训练,就得自己加工一份时序数据到HDFS,指标中心业务B说加工指标,就自己加工一条链路到ClickHouse,DEM业务C想做会话分析,APM业务D又想做调用链分析,日志业务E还想做日志分析,那么业务C、D、E就分别加工各自数据到ES,这就导致完全各自业务各自加工存储。这样烟囱式的发展到一定程度后,数据不好管理,资源浪费严重,并且各业务之间数据很难做关联式的统计和分析(比如用户的网络请求和后端调用链关联的多端打通场景),产品迭代越来越重。
在IT架构中,只要组件多、存储重,很多问题就会暴露。为了彻底解决数据底层割裂、资源成本、性能、稳定性等问题,本次Bonree ONE春季版将所有信号数据全部迁移到了ClickHouse中,彻底下线了ES。
经过本次 Bonree ONE架构瘦身治理和全面技术优化,博睿数据公有云千亿数据量的集群,下线了所有ES机器24台(16C32G配置),扩容了10台CK,节省了58%机器成本。如果从资源占用比例看,收益更大:
3.ZooKeeper瘦身
众所周知,大数据很多开源引擎都用ZooKeeper做分布式协调和数据同步。作为ClickHouse大数据底座,我们原先架构也是用默认的用ZooKeeper去做数据管理。但随着数据量和数据种类不断扩充的情况下,ClickHouse集群对于ZooKeeper的压力越来越大。例如在基于实时性要求高的告警数据入库查询时,数据查询的实时性要求秒级返回,ZooKeeper会出现性能瓶颈(比如一套ZK集群最多支持5个shard),资源占用和维护成本非常高,还经常出现fullgc和zxid溢出的故障发生。显然,我们把调用链数据和日志数据迁移到ClickHouse后,原有ZK方案明显支持不住,如下图,看层次就非常复杂,20个shard需要5套ZK集群,每套ZK又有三个实例,在扩容和安装升级过程中,一步都不能错,否则就容易出问题。
本次 Bonree ONE 春季版中做了架构升级,我们把ClickHouse的ZK替换成了固定一套ClickHouse-Keeper的方案,同时从技术解决了多套转一套、ZK加密鉴权的问题。如下图,从层次看就很精简了:
4.安装包瘦身
在私有化安装包瘦身方面,我们技术也一直追求极致,所谓“加能力不加体积!小u盘就代表实力!”。经过一年的努力,我们安装包在依赖包精简、dockerfile镜像合并压缩、程序包精简、基础镜像瘦身等方面都做了相关治理和改造,从早期的11GB降到了本次发布的5GB左右,里面已经装进了全部可观测性的技能包(数字体验、指标分析、调用链、日志、全局拓扑、仪表盘、AI、告警,等等)。
高技术引擎
本次Bonree ONE春季版发布,技术亮剑出三大核心引擎(AI、OneService、ClickHouse)。就比如汽车,AI更像方向盘,能感知全域信号上下文,通过关系挖掘、文本挖掘、因果挖掘辅助动态的决策;OneService作为联邦引擎屏蔽了底层存储,并且从查询统一了标准SQL,提供核心腰部力量,更像传动轴;ClickHouse作为信号一体化湖仓底座,让Bonree ONE真正成为融合式平台,这跟传统的拼凑型产品有着质的区别。
1.AI引擎 - SwiftAI
SwiftAI作为 Bonree ONE 的AI核心引擎,本次从算法层面优化了自适应异常检测,自动按日和周级别聚类并满足不同场景分而治之,f1-score提高到了0.88,并和自研的混沌工程平台打通做可解释性验证和分析。根因分析方面,发布了新一代的融合式AI能力,跟数据集成自动化打通,做到了集成即AI,不用再额外定制化配置流程或开发,能自动和zabbix/promethus/skywalking/pinpoint等多源数据融合自动做根因,为用户带来了“1+1>2”的卓越体验;另一方面,根因算法做了进一步优化,从空间和时间算法上都做了调整,提高了收敛和根因的准确性。
2.联邦引擎 - OneService
OneService作为Bonree ONE的联邦引擎,实现了多源异构数据联邦计算的能力,统一了标准SQL查询,比如同时联查MySQL和ClickHouse。同时底层能力先支持了实体属性和标签分析的能力,这个相比业内比较领先。有了OneService引擎后,业务团队不再担忧各种信创适配的排期成本,主要工作由一个团队轻量级完成即可,这样可以更好更快的支持业务新创需求。
3.存储底座 - ClickHouse
在ClickHouse引擎优化方面,从读写优化到内核二开,从高可用到运维管理自动化工具都做了大量工作。我们早期开始用社区版ClickHouse时,平台承载力大概在85探针/台,如今已经可以支持到200+探针/台了,得益于不畏挑战的技术精神。
高质量数据
Bonree ONE是可观测平台,能力不断迭代,功能不断增多,要想做到加码不加价,同时还需要持续做数据治理。我们会针对各种数据疑难问题做单独的技术优化和治理。比如在调用链业务场景,千亿级数据量做维度排序,我们用分位特征算法将数据量扫描缩小1000倍,查询性能从分钟级降到ms级。
再比如,网络请求首页优化,通过projection技术,优化后页面从5s访问耗时降到了ms级。
写在最后
技术经过不断迭代,目前Bonree ONE平台页面的访问耗时,历史上首次做到了P99在3s以内。从Bonree ONE经历了几个大版本的正式发布来看,组件和安装包瘦身不断降到一半,但性能提升数倍。Bonree ONE在技术方面的深耕,也得到了ClickHouse社区的认可,已收到邀请发表相关文章和meetup演讲。静水深流,技术永无止境为业务保驾护航。