大家好，我是袁庭新。
没有不出问题的系统，出问题了能否避免业务不受影响是关键。那么系统的可观测性，对企业而言，是至关重要的。随着AI模型的深入发展，导致数据处理方式与技术架构发生了深刻的变化，相关应用产生的日志、链路等可观测数据规模呈指数级增长，数据结构复杂度也与日俱增。这个时候，一套AI 原生全栈可观测平台就显得非常重要。
应用程序上云后，运维工作也逐渐从监控演进到可观测。什么是系统的可观测呢？类比理解下，汽车行驶中的仪表盘，建筑师的设计图纸，这就是可观测的一种体现。而我们这里的可观测指的是应用程序运行中的全链路实时观测、告警与诊断，构建一套可观测体系，更高效地管理与观测IT资源与服务。
云原生可观测工具在AI的加持下，正引领着可观测加速迈向智能化。企业用户可以像“搭积木”一样轻松、灵活地构建可观测体系。
我们来看在企业中，一个典型云原生架构应用的可观测性诉求。多语言、前后端分离，一套可观测体系如何覆盖全？应用复杂度高，如何快速定界定因？AI浪潮下，如何借助智能化提升运维效率？这是企业真实所面临的一些问题。
全栈智能可观测平台，有哪些核心功能？第一个是可观测平台能力，具有数据接入、数据处理、AI引擎、智能告警和可视化大盘等能力。第二个是可观测数据存储，日志、时序指标、事件和观测对象，都可以进行相应的存储。
2024年9月份，阿里云宣布日志服务 SLS、云监控 CMS、应用实时监控服务 ARMS 等可观测产品家族重磅更新，面向模型训练、推理及应用提供全链路的可观测服务。
阿里云的这套AI Stack可观测解决方案，可以做到AI应用的全方位可观测。一个AI应用程序通常可划分为5层架构，从底层到上层分别是：智算服务PAI-灵骏(IaaS)、容器服务Kubernetes版(CaaS)、人工智能平台PAI(PaaS)、大模型服务平台百炼(MaaS)、AI应用。阿里云AI Stack可观测解决方案可以做到，云资源监控、容器可观测、模型推理可观测、模型训练可观测。
2024年巴黎奥运会，阿里云为奥运会14个场馆提供AI增强的多镜头回放系统MUCAR。把多个镜头采集到的图像发送到云端，由构建在“ACK Pro集群+GPU节点”的AI算力，作实时空间重建和3D渲染，只需数秒即可在云端生成，并无缝融入赛事直播，分发至全世界。保障奥运会多个业务系统稳定运行，保障超大流量访问顺滑。
以一个在线业务线上故障的排查路径为例，ACK可观测体系提供链路各层观测能力覆盖，并最终定位问题。业务异常诊断大致可分为6个步骤：收到报警、网关业务流量监控、多维指标分析、业务日志、分布式追踪&Profiling（定位根因与诊断）、Fix（终态修复异常）。
还提供有容器场景的GPU观测的能力。提供有：开箱即用的容器GPU监控能力、成本套件对Pod的GPU资源成本分析、GPU坏卡状态检测&任务自愈、GPU资源使用Profiling等。
可观测的应用场景是非常丰富多样，比如，基础设施可观测、容器可观测、云产品可观测、应用可观测和用户体验可观测等。总之，未来可观测与智能化紧密结合是大势所趋。
