函数计算与此前的传统开发模式有着很大的区别。函数计 算可观测也面临哪些挑战？

第一，数据收集难。 • 实例生命周期更短，实例规格更丰富、更小。传统的部署 agent 可观测 技术无法施展；

• 函数的执行引擎为多租户共享，执行引擎里可能有多个用户的函数实例， 传统的部署 agent 方式也不支持多租户形式。函数的生命周期是由系统控制，用户无法判断开始与结束时间，导致很多可观测数据无法成功 发送。

第二，数据分析难。 数据量大，而且会随着用户数的增长而呈指数级的增长。对数据链路的稳定性、数据的查询速度和存储成本都带来了非常大的挑战，也给数据分析带了不少难度。

第三，问题定位难。 • 分布式的组件使得监控数据散落在各处，问题定位流程繁琐。以事件源触发为例，请求会先通过事件源，然后到函数计算执行用户代码，再由 执行引擎里处理消息，并将处理结果存储到用户另外的数据库里。上述 流程中，请求经历了好几个云产品。如果用户发现请求端到端延时很长，需要先查看上游是否有问题，再看函数计算调度是否有问题，再看下游 数据库连接是否满了，流程异常繁琐；

• 调度黑盒化，执行环境黑盒化。因为执行环境都属于用户，用户无法进行管理，唯有要求云产品侧暴露更多指标，使原本黑盒的链路稍微白盒化；

• 函数调用与资源调度都是以请求为粒度的，实例粒度监控已经不足以帮用户快速定位问题，需要提供更细粒度的排查与定位问题的能力。

以上内容摘自 《2021 阿里云可观测技术峰会演讲实录合辑（上）》 电子书，点击https://developer.aliyun.com/ebook/download/7789 可下载完整版