认识达内从这里开始

随着互联网的不断发展，越来越多的人都在学习云原生编程等互联网技术，而本文我们就通过案例分析来简单了解一下，云原生网关应用基础知识分享。

埋点不够精确，统计消耗大

点位不够准。埋点不难，难的是如何判断哪些数据是符合使用场景的。这就需要设计者有丰富的从业经验，或者在上线的过程中，不断迭代打磨。

统计采集代价高。可观测性的实现，很多时候往往是时间、空间、颗粒度三者之间的权衡。统计的时间粒度太密会造成存储容量的膨胀，统计的时间粒度太粗则不利于定位问题。这都为可观测性的实现带来了难题。

网络环境复杂,问题排查难度大

在流量网关场景下，由于公网网络环境复杂，网关流量巨大，偶发问题排查难度巨大。

云原生网关可观测性实践

当前业界在可观测性能力建设方面通用的三大支柱：日志事件(Logging)，分布式链路追踪(Tracing)以及指标监控(Metrics)。

指标(Metrics)，是一段时间内记录的各个维度的量化信息，用来观察系统的某些状态和趋势

日志(Logs)，是对程序运行过程中产生的一些离散事件的记录

链路追踪(Traces)，是对一次请求从接收到处理完毕整个生命周期内的调用链路的记录

云原生网关基于此三大支柱建设了云原生网关基础的可观测性能力。

确定网关核心指标，构建可观测性基础

核心指标即能准确描述系统内部运行状况的指标，在云原生网关场景，核心指标即为qps，rt，成功率等能够准确描述网关此时运行状况的指标。云原生网关同时集成了prometheus与sls，用户既可以通过网关的访问日志的etl处理获取更加精细准确的数据，也可以通过prometheus获取网关的实时监控。

基于访问日志进行etl处理后的仪表盘

针对统计采集消耗大的问题，云原生网关将部分采集消耗大的指标使用etl处理访问日志来减少采集消耗，将更需要实时性的统计指标采用程序内埋点的方式来保证实时性。

云原生网关的Grafana大盘

针对不同角色对网关可观测性的不同需求，云原生网关提供了不同维度的数据表现，对于需要进一步精细分析的企业用户，也可以通过sls进一步进行数据加工。

划分系统边界，快速定位问题

网关通常请求量庞大，同时在微服务场景下，调用链路错综复杂，在这样的条件下想确认某一条请求的失败原因是一件困难的事情，针对这一场景，云原生网关对接了开箱即用的ARMS分布式链路追踪服务，同时也支持将trace数据投递到用户自建的skywalking，避免云产品锁定。

对于未接入链路追踪的用户，云原生网关提供日志明细的详细解释，将请求失败的原因可视化为具体的图表，帮助用户确认问题边界，减少问题排查时的时间。

失败请求错误原因明细

风险管理定时巡查风险

云原生网关综合用户实例，规格，性能等数据，会给出目前实例存在的风险，并给出改善建议，极大程度上提高了允原生网关实例维护的自动化程度，降低客户使用成本。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei456学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。