可观测性进入新阶段，老问题没解决

OpenTelemetry 已经把数据采集的埋点方式标准化，可观测性也随之进入一个新阶段。但行业里仍然缺少一种成本可控的办法，来存储、保留、检索和分析全保真的遥测数据。结果就是可观测性存在盲区，很多团队并没有获得完整的运营可见性。

打开网易新闻 查看精彩图片

AI 系统正在产生越来越多的日志、链路追踪和指标数据，这会让盲区问题变得更糟。总部位于爱尔兰都柏林的 Bronto 公司，提供智能数据可观测性平台。他们的判断是，下一场可观测性平台之争会发生在数据层，而不是仪表盘层。

边缘优化救不了根本问题

Bronto 联合创始人兼联席 CEO Trevor Parsons 对 The New Stack 表示，行业一直在边缘做优化，而不是重建遥测存储的经济性和架构。行业里出现了大量“补丁”和“能力”，目的就是绕开这个核心问题，最终保护自己的利润空间。

Parsons 说，如果只是便宜几倍或者便宜 50%，根本不够。因为数据量增长太快，尤其是 AI 遥测数据，而可观测性预算本来就已经吃紧，数据存储的效率也不高。

“可观测性一直有数据问题”

Parsons 进一步解释，可观测性一直存在数据问题，而且现在仍然如此。可观测性给出的永恒承诺，是让团队更清楚地看到系统内部正在发生什么。但现实里，这个视图往往是不完整的、昂贵的，而且保存时间很短。

对太多团队来说，可观测性已经不再是提出更好问题的工具，而是变成了和存储成本、复杂度搏斗的负担。Parsons 提到，有人会把这个问题说成成本问题，说可观测性可能占到基础设施支出的 20% 到 30%。但他认为这反而低估了问题的严重性。

团队实际支付了基础设施支出的 10%、20% 甚至 30%，却只能访问到自己数据的一小部分。

厂商没有跟上软件加速的节奏

Bronto 另一位联合创始人兼联席 CEO Noel Ruane 也向 The New Stack 描述了组织面临的挑战。他说，智能体和应用每天都在产生更多的日志、链路追踪和指标。软件生态已经加速，但可观测性厂商跟上节奏了吗？答案是没有。

Ruane 认为，厂商提供的是变通方案、外挂功能，并且要求团队接受盲区。简单说，他们没有解决数据问题。

旧的可观测性模式正在被抛弃

Parsons 说，客户并没有获得自己全部的可观测性数据。他们不得不把数据保留时间从三天砍到七天，或者接受更短的窗口。这种做法直接限制了团队排查问题的能力，也让可观测性本身的价值打了折扣。

当 AI 应用继续放大遥测数据规模，继续靠外挂和边缘优化只会让盲区更大。Bronto 押注的方向是，把存储、保留、检索和分析的成本结构彻底重做，让团队不再为访问完整数据付出过高代价。