“DeepFlow®与云互联网监控的快速发展”

在云的原生环境中，公司顾客最面临的挑战主要是互联网分层和柔性业务充分体现了监控保障的难度，因此可以将课题归纳为三点:目标数量多、波动性强、关系多、复杂。 举两个例子，在soa、msa架构下应用，开始用ingress、service、pod表示，互联网ip正在动态变化。 如果单独进行以前流传下来的ip视点下的可视化和运维保障，显然是不够的，所以存在短板。 需要将互联网的观点与平台、事情、应用联系起来。 另一个典型的例子是端到端的拆除，在物理互联网段中，可以在有限的光谱镜点描述和展示路径，但在池中或云中的互联网段中被中断。 云中的互联网处于黑匣子状态，云中包括服务间的相互访问、东西到网关的访问、负载均衡、地址转换等各个环节，缺乏比较有效的保障手段，这对于生产环境来说是可以接受的

那么，吐哈deepflow赋予自己的使命是什么呢？ 是为用户补充齐云结构保障方面的谜题。 打开黑匣子将采集和解体解耦； 绘制互联网整体知识图谱，提高分布式业务系统的可观测性，实现与云对等的完全可扩展的监控体系结构。

简要回顾一下deepflow的实践得到了迅速的发展。

深度流量的收集逐个进行:处理物由流量收集的课题和流量所引起

从今年开始我们开始了顾客的落地。 当时，顾客的需求是直接的，就是看虚拟互联网的流量。 其中存在着防止侵入生产环境、保障性能、限制收集系统在资源中的采用、实现战略跟踪、支持隧道逐一的课题。 顾客的环境和现在有点不同。 资源池类型主要为esxi、xen和kvm，从理念上也关注整个软件包。 deepflow方案的要点是收集和发送，为用户处理虚拟机之间的东西，引出流量收集的课题和流量。 必须防止数据入侵，通过有限的资源来确保性能，并且在虚拟机迁移后，必须确保每个策略的统一和跟踪。 通过隧道封装，遵守时间将数据包一个个发送到各类分解工具。 在这个阶段，deepflow实现了面向各种资源池的互联网流量收集解决抽象层，统一提供收集、多维过滤、失重、压缩、裁剪等预解决功能。 抽象层中每种类型的收集器本身也是一个分布式系统，为大型、多类型云环境监测中的高性能数据解决提供了基础保证。

deepflow云的解体:处理分散在各地的资源池的互联网监视不足的问题

中期阶段，客户业务逐渐走上云端，云建设规模进一步加大，开始关注集装箱互联网和业务保障。 此时，顾客越来越多的关注多地区多资源池和underlay和overlay的统一管理，对经常阴天的异构环境有统一互联网全景图的诉求，对虚拟互联网的故障诊断诉求也浮出水面。 从顾客的理念上来看，云环境的互联网保障不再单纯地通过保存、拆解全包来处理。 此时面临的许多管理，如overlay互联网上的故障排除等问题也很突出。 deepflow方案侧重于面向顾客的大规模混合云互联网的整体监控，包括多个数据中心、多个分支机构、私有云和公共云的整体互联网全景图，以及专线的链接负载、公共云 在这个阶段，deepflow控制器集群不仅具备管理10万个采集点规模的能力，还与云平台、cmdb广泛对接，将互联网ip、流量分为vpc、虚拟机、pod、萨

deepflow分布式业务的可观测性:处理云的本机应用保障和集装箱平台的互联网监控

现阶段云杉看到客户容器环境发展迅速，云建设思路更清晰，更有规划。 另外，还系统考虑了监测保障方面的建设，统一规划和整合了应用、互联网和基础设施的公制、log、跟踪。 此时，顾客的诉求越来越面向业务方面，重点是实现随云扩展的架构，以及在此基础上提供高性能数据服务的能力。 一个典型的方案是建设支撑微服务平台的监控中心，通过deepflow的各个功能展示服务的依赖关系、访问指标、互联网性能等，基于互联网流日志进行业务跟踪id、集装箱id

容器、虚拟机、宿主机的组合也是常见的全栈场景，产品通过全景图不同维度的查询展示来描述各级关系。 图中的点可以是数据中心、可用空间、虚拟机、容器pod、vpc、网段、ip、服务、资源组等。 可以将点到点的连接设置为流量、调用吞吐量、延迟、tcp连接状态等指标。 当看到两个容器pod的连接延迟超过了阈值时，顾客遇到了一个复杂的全栈环境，从pod、bridge、vswitch到东西方的网关，途中进行了多次地址转换。 deepflow清晰地表示出各步骤的指标，迅速有效地确定问题所在。 这是云杉为用户提供的全栈跟踪能力。

deepflow全栈混合云监控

经过这几年的积累发展，云杉deepflow产品实现了随云扩展的互联网监控架构。 面向物理互联网、虚拟化、容器等多种监视对象，通过收集和解决抽象层，首先确保顾客顺利地从物理环境向虚拟环境进行监视扩展；二是根据收集器的特点，资源池的类型、企业品牌、规模及其 全部实现横向扩展，统一具备流量收集和解决能力第三，采集和分解结合，用一个功能实现一次采集、多处分解扩展分解工具的能力，覆盖顾客多种专业的分解场景； 第四，deepflow高性能分布式时序数据节点的横向扩展保障了metric、流日志以及pcap等数据的存储和解决； 最后，通过api、队列等方法为安全、业务等其他数据平台提供互联网数据服务。

针对以上方案的实践，涉及各领域的领先客户群，deepflow的发展离不开客户的信任、帮助和支持。 在实践过程中，云杉互联网也深深地与云、容器平台进行了合作探讨，体会到了技术人员对云母语的热爱和追求，并在此基础上感受到了团队之间的关怀。 云杉不断进步，保持先进性，让更多顾客在云框架的保障端放心。

本文：《“DeepFlow®与云互联网监控的快速发展”》