熱線電話：400-882-3320
微信掃碼
加入官方交流羣
方案簡介
當日志分散在應用、容器、主機、雲服務、安全系統和業務平台中，團隊很難在故障發生時還原完整上下文。觀測雲日誌管理與日誌分析解決方案將日誌採集、Pipeline 解析、字段檢索、告警、脱敏、鏈路關聯和成本治理放在一個平台中，幫助研發、運維和安全團隊用同一份證據定位問題。
場景挑戰
日誌分散，定位鏈路斷裂：應用日誌、容器日誌、雲服務日誌和安全日誌各在一處，排障時需要反覆切換工具，問題上下文容易丟失。
原始日誌不可直接分析：字段格式不一致、結構化不足、噪聲數據多，導致檢索慢、統計難、告警規則難維護。
敏感信息和成本壓力並存：日誌中可能包含用戶信息、密鑰或交易字段，同時海量日誌也會帶來存儲、檢索和保留週期成本。
告警很多，但真正的問題不清楚：重複告警、無上下文告警和低價值日誌會淹沒關鍵異常，影響故障響應效率。
觀測雲方案
統一採集、日誌查詢與日誌告警：接入應用、主機、容器、雲服務和業務日誌，通過字段篩選、日誌查詢、全文檢索和可視化分析快速縮小問題範圍，並把高價值條件沉澱為日誌告警。
Pipeline 解析與日誌治理：對原始日誌做解析、清洗、字段提取、脱敏和路由，讓日誌從“可存儲”變成“可分析、可告警”。
日誌與鏈路、指標關聯：從一條錯誤日誌跳轉到 Trace、服務、主機、Pod 和訪問會話，減少人工拼接上下文的時間。
告警降噪與協作閉環：基於關鍵字段、異常模式和影響範圍配置告警，把問題分派、排查和覆盤沉澱到同一上下文。
方案亮點
日誌查詢、檢索與 Trace 關聯分析
- 高效查詢與篩選：提供強大的日誌檢索分析功能，支持快速的數據查詢、篩選和深度分析，幫助您迅速定位問題。
- 結構化數據處理：支持將各種來源的原始日誌數據轉換為結構化格式，簡化數據分析流程，提升分析效率。
- 可視化儀表盤：利用日誌數據構建多樣化的可視化儀表盤，直觀展示業務運行狀況，挖掘日誌的業務價值。
- 全方位關聯分析：支持日誌與其他可觀測性數據的關聯，實現全方位分析，快速定位並排除故障。
預約演示
日誌解析、脱敏與低成本留存
- 實時結構化處理：提供Pipeline功能，實時對日誌進行結構化處理，支持50多種主流文本處理模板，滿足多樣化需求。
- 黑名單過濾：支持黑名單功能，過濾無效日誌，解決日誌治理難題，確保數據質量。
- 靈活的存儲策略：根據不同需求，制定日誌數據的存儲策略，降低數據存儲成本，提高資源利用率。
- 數據轉發能力：將收集的日誌數據靈活轉發至大數據平台，支持多平台數據協同，增強數據價值。
- 數據脱敏與合規：通過統一的數據脱敏功能，確保敏感信息的安全，提升整體數據合規性。
預約演示
高效的團隊協作與故障排查
- 多維度數據關聯：支持將日誌與前端、APM、容器、主機、業務等相關數據關聯，快速實現數據聯動分析，全面瞭解系統狀態。
- 快照與異常追蹤：利用快照和異常追蹤功能，記錄關鍵時刻的日誌，幫助團隊快速同步信息，定位並解決問題。
- 共享與協作：支持快照外鏈功能，將特定範圍內的日誌共享給第三方，促進跨團隊協作與問題解決。
預約演示
智能化的日誌處理與告警
- 自動編寫Pipeline：利用大模型的自然語言處理能力，自動解析日誌內容，輔助開發人員高效、精準地編寫Pipeline腳本，簡化數據處理流程，降低人工成本。
- AI日誌錯誤分析：利用Obsy AI智能體，自動提取日誌中的關鍵信息，並結合在線搜索引擎和運維知識庫，快速分析可能的故障原因並提供初步解決方案。
預約演示
更多內容
常見問題
日誌管理與日誌分析解決方案適合解決哪些問題？
適合日誌分散、日誌查詢效率低、原始日誌難結構化、日誌告警噪聲高、日誌成本上漲和故障上下文缺失的團隊，尤其是微服務、容器和多雲環境。
觀測雲如何把日誌和鏈路、指標關聯起來？
觀測雲會通過服務、主機、容器、TraceId、訪問會話等上下文字段，把日誌與 APM、基礎設施、RUM 和告警事件關聯起來。
日誌數據如何做脱敏和成本控制？
可以在採集與 Pipeline 階段做字段脱敏、過濾、路由和保留策略設置，讓高價值日誌進入檢索分析，降低無效數據帶來的成本。
