云原生可观测

使用Prometheus进行监控是Istio提供的监控能力之一，通过集成TSDB有效地解决持久化存储的问题。

本文探讨生成式AI带来的新型成本挑战，如cost-per-token计费、GPU资源稀缺与波动定价。提出通过FinOps实践实现AI支出管控：建立成本基线、优化资源分配、实施配额与标记、加强跨团队协作，并将财务监控与业务成果对齐，推动AI成本管理从“爬”到“跑”的渐进式成熟。

GenAI和智能体技术的爆发，为IT运维打开了一扇新的大门，一个更具主动性、自治性和协作性的新时代已经来临，这就是AgenticOps（基于智能体的IT运维）。

探讨了 SLS 中增强数据安全的几种方式：权限精细化管控有效减少了潜在安全风险；接入层脱敏技术阻止敏感数据落库，提升了隐私保护；StoreView 字段集控制通过限制查询数据范围，降低数据泄露损害。智能监控系统提供实时监测，快速识别并阻断异常拖库行为，为企业提供了迅速响应和抵御威胁的能力。

OpenClaw 是一款个人 AI 助理平台，其原生记忆系统通过系统提示词、会话历史和本地 Markdown 记忆文件三层结构，为 Agent 提供基础的跨会话记忆能力。然而，原生系统在记忆提取维度、更新机制、检索精度和运维成本等方面存在明显局限，难以满足企业级场景的高质量个性化需求。 本文介绍如何将 OpenClaw 与阿里云 AgentLoop MemoryStore 集成，以获得更强大的长期记忆能力。AgentLoop MemoryStore 是一款完全托管的企业级 Agent 记忆管理产品，具备多维度记忆提取、智能记忆更新、异步流水线架构和分层检索等特性。

本文将聊聊如何用一行命令，给你的 OpenClaw 装上一台 X 光机——让每一次 LLM 调用、每一步工具执行、每一个 Token 的消耗，都从水下浮出水面。

以 AI 世界的“USB-C”标准接口——MCP（Model Context Protocol）为例，演示如何通过 MCP Server 实现大模型与阿里云 Grafana 服务的无缝对接，让智能交互更加高效、直观。

SLS 全新推出的「SQL 完全精确」模式，通过“限”与“换”的策略切换，在快速分析与精确计算之间实现平衡，满足用户对于超大数据规模分析结果精确的刚性需求。标志着其在超大规模日志数据分析领域再次迈出了重要的一步。

阿里云容器服务Kubernetes（简称ACK）支持一键部署Istio，可以参考[文档](https://help.aliyun.com/document_detail/89805.html)在ACK上部署使用Isito。Istio on ACK提供了丰富的监控能力，为网格中的服务收集遥测数据，其中Mixer是负责提供策略控制和遥测收集的Istio组件。使用Prometheus进行监控是Istio

[阿里云SLS可观测团队发布] 本文通过图文解析深入讲解PromQL的计算原理，涵盖其与SQL的差异、时间线模型、选点机制、聚合函数、窗口函数及常见非预期场景，帮助用户掌握PromQL的核心语法与执行逻辑。

本文将着重介绍 Gin 框架官方推荐的几种可观测性方案并进行对比，从而得出 Gin 框架可观测性的最佳实践。

告别数据库“膨胀”！借助SLS打造高可用生产级的Dify日志场景，通过将工作流日志从PostgreSQL迁移至SLS，实现存储压力降低95%+、成本下降近10倍，并支持实时分析、监控告警与数据闭环，彻底解决高并发下的连接池打满、慢查询频发等痛点，助力AI应用高效稳定运行！

我们开发了 MetricStore 2.0 版本，从存储到计算进行了全面升级，致力于成为阿里云下一代可观测时序引擎。

非常有幸参加了QCon上海站的可观测分会场，并和大家分享阿里在可观测性数据引擎的一些思考和技术实践，本文主要是对于分享的文字整理。

本文以构建系统可观测（重点为指标监控体系）为切入点，对比 OpenTelemetry 与 Prometheus 的相同与差异，后重点介绍如何将应用的 OpenTelemetry 指标接入 Prometheus 及背后原理，最后介绍阿里云可观测监控 Prometheus 版拥抱 OpenTelemetry 及相关落地实践案例，希望能更好的帮助读者更好的理解 OpenTelemetry 及与 Prometheus 的生态融合。

本页面介绍共享云成本管理，涵盖其重要性、分配方法及各方职责。通过公平、透明的成本分摊，提升财务责任与预算准确性，推动组织优化云支出。

在云计算蓬勃发展的今天，企业面临的安全挑战愈发复杂。传统安全方案已力不逮，CNAPP（云原生应用保护平台）应运而生，革新云安全领域。CNAPP专为云环境设计，提供全生命周期安全保护，具备微隔离、访问控制、数据保护等功能，并利用自动化与AI技术简化管理、智能响应威胁，适用于多云、DevOps等多种场景。尽管存在技术复杂性和成本等挑战，CNAPP仍将持续进化，变得更加智能、自动且易于集成，助力企业构建稳健的云安全体系。

监控系统的四个黄金指标是：延迟（Latency）、流量（Traffic）、错误（Errors）、饱和度（Saturation）

本文系统阐述了FinOps（云财务运营）的四阶段采用路径：研究、提出、准备与启动。通过数据收集、利益相关者沟通、战略提案和团队协作，助力组织实现云成本透明化、优化支出并推动业务价值。适用于希望落地FinOps的个人与团队，提供实用框架与执行指南。

阿里云可观测 2025 年 4 月产品动态

本文总结了日志管理中的六大反模式及优化建议，涵盖日志轮转、存储选择、并发写入等常见问题，帮助提升日志采集的完整性与系统可观测性，适用于运维及开发人员优化日志管理策略。

本文介绍了GOAT（Golang Application Tracing）工具的使用方法，通过一个Echo问答服务实例，详细展示了代码埋点与追踪技术的应用。内容涵盖初始化配置、自动埋点、手动调整埋点、数据监控及清理埋点等核心功能。GOAT适用于灰度发布、功能验证、性能分析、Bug排查和代码重构等场景，助力Go项目质量保障与平稳发布。工具以轻量高效的特点，为开发团队提供数据支持，优化决策流程。

唯有通过全行业的协同努力，加强整体、完善的网络安全可观测建设，才能为 AI 技术的创新和发展构建一个安全而稳固的环境。我们期盼并相信，在攻克这些网络安全难题之后，AI 创新将迎来更加安全、灿烂的未来。

本文介绍了云原生时代保障业务系统可靠性的方法和挑战，重点探讨了阿里云ECS在提升业务稳定性、性能监控及自动化恢复方面的能力。文章分为以下几个部分：首先，阐述了业务可靠性的三个阶段（事前预防、事中处理、事后跟进）；其次，分析了云上业务系统面临的困难与挑战，并提出了通过更实时的监测和自动化工具有效规避风险；接着，详细描述了ECS实例稳定性和性能问题的解决方案；然后，介绍了即将发布的ECS Lens产品，它将全面提升云上业务的洞察能力和异常感知能力；最后，通过具体案例展示了如何利用OS自动重启和公网带宽自适应调节等功能确保业务连续性。总结部分强调了ECS致力于增强性能和稳定性的目标。

本文介绍了AI Ops的概念及其在提升系统运维效率、洞察力和可观测性方面的作用。主要内容分为三个部分：一是监控、观测与洞察的区别及挑战，强调了数据整合和语义对齐的重要性；二是AI与计算如何重塑可观测性，通过UModel数字图谱和多模态存储分析架构实现数据联通；三是最佳实践与未来展望，展示了阿里云AI Stack可观测解决方案的应用案例，并总结了可观测性的四个发展阶段，最终愿景是借助AI力量让每个人成为多领域的专家。

阿里巴巴是 GraalVM 全球顾问委员会的唯一中国代表，阿里云程序语言与编译器团队和可观测团队合作实现了 GraalVM 应用的无侵入可观测能力，并在 ARMS 平台上线了该功能。目前在 GraalVM 24 中发布的是支持 Java agent 的第一步，其余能力将在 GraalVM 的后续版本中陆续发布。

MES系统是数字化车间的核心。MES通过数字化生产过程控制，借助自动化和智能化技术手段，实现车间制造控制智能化、生产过程透明化、制造装备数控化和生产信息集成化。生产管理MES系统主要包括车间管理系统、质量管理系统、资源管理系统及数据采集和分析系统等，由技术平台层、网络层以及设备层实现。

首次引入！用因果推理做部分可观测强化学习｜AAAI 2023