擎创技术流 | 深入浅出运维可观测工具（三）：eBPF如何兼容多架构模式性能管理

嗨~又见面了大家！

之前给大家分享过2篇eBPF技术干货，后台收到的反馈还挺好的，以至于总有朋友过来催更这一系列，这不第3篇在大家的千呼万唤下终于出来了。

新来的朋友点这里，键回看eBPF精彩技术贴，别忘了随手关注一下，感谢~

擎创技术流 | 深入浅出运维可观测工具（一）：聊聊eBPF的前世今生

擎创技术流 | 深入浅出运维可观测工具（二）：eBPF应用中常见问题

一、为什么云原生越来越火了

今年技术界最火的关键词除了ChatGPT外，云原生，大模型，AIGC也激起了不少讨论，所以本次分享主要是围绕云原生转型之路上，APM 底层如何通过 eBPF + Agent 兼容多架构应用性能管理。

在说明 eBPF 和 Agent 兼容之前，我们先简单回顾下云原生概念以及为什么要用云原生转型：云原生是分布式部署和统一运管的分布式云，以容器、微服务、DevOps等技术建立的一套云技术产品体系。

传统行业由于线上业务的飙升、衍生了快速响应业务、进行云原生转型等需求。对于云原生设计体系中应用剥离了非业务代码部分（如：弹性调度、快速迁移、安全）则需要让应用更聚焦于业务本身，实现高效的持续交付、弹性伸缩、降低资源成本、提升系统可用性等优势。

二、云原生背景下的企业运维模式

云原生转型之后，企业会出现多架构模式的中间态。针对多种架构模式下的系统如何统一运维？以及针对以下共性运维需求时，要如何保障系统灵活顺畅运行呢？

• 如何快速感知故障的发生？

• 如何快速定位故障？

• 如何深度剖析故障原因？

• 如何了解对业务影响范围，进行紧急处置？

1.传统架构下的系统运维VS云原生架构下的系统运维

企业在云原生转型的过程中，部分业务改造代价比较高，同样需要依赖的上下游进行适配改造，基于这些原因，部分系统保留了传统模式，导致企业内出现了多种架构模式的中间态。

• 传统架构下的系统

◆一般是面向传统应用、中间件、服务器进行运维

◆横向扩展性低，依赖大量的机器投入和灾备建设

◆更关注系统环境部署、升级、变更、发布、硬件指标等信息

• 云原生架构下的系统

◆面向网格化的服务、中间件、运行态指标、K8s 下的基础设施进行运维；

◆由于云原生可借助高可用、弹性伸缩等能力实现业务的高性能和持续性，技术的复杂性也在增高。

◆在运维层面：微服务指数型上升、依赖复杂排障困难，技术栈深，弹性伸缩支撑业务突发流量，也加快了云上对象的动态变化频率，需要及时捕获这些动态变更和异常的发生。

敲重点！！！不同的架构，系统运维模式即使不同，但也存在相互调用的情况。常见的是通过 Agent 探针实现应用性能分析，但有些存量应用无法接入探针。另外，在企业内跨团队推广 Trace Agent 也是一个漫长的过程。

三、如何兼容多架构、多协议模式，并获得更好的应用性能分析？

1.eBPF技术引入

eBPF 是一种直接面向操作系统内核层添加黑盒代码的革命性技术，无需入侵应用代码，由于内核在网络处理的路径上预置了很多挂载点，eBPF 程序可以加载到这些挂载点（函数）上，从操作系统层面实现可观测。

2.Agent技术引入

Agent 是通过埋点的技术，通过声明式的 API 捕获请求传输的数据。当前擎创支持集成部分开源工具，例如市场主流的分布式应用性能监控 Skywalking。

3.API技术接入

擎创 APM 支持不同的业务系统使用不同的采集方式，可以将无法接入 Agent 或不关注链路的系统接入 eBPF 实现性能管理，针对链路调用复杂的系统接入 Agent 实现全链路监控，帮助全局排错。

四、eBPF 和 Agent技术如何应用

1.统一融合处理

系统接入 eBPF 和 Agent，采集上报的数据源不同，需进行统一的融合处理，建设 “对象、指标、Trace” 等模型，APM 平台按照统一模型进行数据处理。

• 数据源：支持按照 “系统” 维度选择采集方式，每个系统可以选择不同采集方式，上报的原始数据格式不同；

• 建设统一对象模型：按照 系统、服务、Endpoint、实例等对象，对所有来源数据进行统一的模型解析；

• 数据丰富：主要分为两种：1）对象：识别调用来源、或被调用方的 IP 信息，进行对象关联；2）指标：针对跨接入方式的对象，按照调用方作为 Client 端的数据丰富被调用方的 数据，被调用方同理；

2.多系统建议接入可观测运维

应用性能监控（AIMeter • APM）为擎创自研平台，兼容多种采集方式，联动基础设施、网络等多维数据，全链路根因定位，深度有效运维。

• 数据模型：兼容多种采集的数据来源，例如：eBPF、Skywalking、对接第三方，平台按照统一的对象模型，进行数据解析、数据处理；

• 数据丰富：丰富源端调用远端的数据，弥补数据缺失问题，丰富基础设施对象与服务层的关联，注入 Kubernetes、云下等标签信息，实现应用多维数据联动、深度下钻基础设施等监控；

• 统一查询：提供 UQ 统一查询能力，适配所有类型的快速查询；

• 性能分析：针对不同数据源，平台提供统一观测对象模型，为系统、应用、服务、Endpoint、Instance 提供性能、错误分析、场景分析、根因推荐等能力；

五、总结

不同系统可选择性使用 eBPF 和 Agent 数据采集能力，无论是 eBPF 还是 Agent 均可实现应用性能管理能力，两者特性不同。对于同一条路径下的多系统调用，尽量保证统一接入 Agent，可实现根因推荐等能力，保证快速定障，后续我们将会新起篇章介绍擎创可观测场景分析、根因推荐、性能剖析等能力及常用的运维流程。

---

擎创科技，Gartner连续推荐的AIOps领域标杆供应商。公司专注于通过提升企业客户对运维数据的洞见能力，为运维降本增效，充分体现科技运维对业务运营的影响力。

 

行业龙头客户的共同选择

​了解更多运维干货与技术分享

可以右上角一键关注

我们是深耕智能运维领域近十年的

连续多年获Gartner推荐的AIOps标杆供应商

下期我们不见不散~