从“烟囱式监控”到观测云平台：2025 亚马逊云科技峰会专访

在 2025 年亚马逊云科技中国峰会上，观测云技术总监黄小龙带来了主题为《下一代智能可观测性平台技术实践》的重磅分享。会后，我们邀请他就平台背后的理念、技术演进路径及产品规划进行了深入交流。

Q1：您在演讲中提到“烟囱式”监控体系的问题，能具体谈谈行业目前面临的主要挑战吗？

黄小龙：在过去几年中，很多企业在构建监控体系时采取了“烟囱式”方法，也就是一个系统一个工具、一个团队一套方案。短期内看似灵活高效，长期却带来了巨大的协同成本和数据割裂问题。比如同一个告警事件可能要在多个平台之间跳转，日志、指标、链路、事件之间无法关联，定位问题效率极低。

我们认为，这种割裂式的技术体系已经无法支撑 AI 时代对实时性、智能性和协同能力的更高要求。于是我们提出了“智能一体化可观测性平台”的方向，用统一的数据基础、统一的查询语言、统一的分析入口，去替代冗余工具堆叠，让工程师关注问题本身，而不是工具之间的鸿沟。

Q2：这次演讲提到了很多“平台底层”的演进，比如 GuanceDB 3.0，能否展开说说背后的技术逻辑？

黄小龙：可观测性平台的核心其实是“数据系统”。为了支撑多源异构、超大规模的监控数据分析，我们打造了 GuanceDB 3.0，整个数据库底层基于 S3 架构，采用存储与计算分离的设计。这带来了更好的性能，也更适配公有云环境。

与此同时，我们也推出了“流式聚合引擎”，它可以在数据写入时根据用户历史查询行为自动预聚合数据，极大地加速仪表板与查询响应。你可以理解为：用户看到图表的时候，不是再从原始数据“现拉”，而是从系统提前准备好的“热数据仓”中直接读取。

Q3：AI 能力是大家非常关注的话题，观测云在这方面有哪些新进展？

黄小龙：AI 不应该只是“炫技”，而是深入产品的每个操作细节。我们构建了智能体 Obsy AI，有几大亮点：

· AI 智能助手：以自然语言交互的方式，帮助用户更轻松理解数据。

· AI 智能分析：用于仪表板中的趋势识别、异常推理。

· AI 告警分析：将告警背后的上下文（链路、日志、变更等）自动关联，给出定位建议。

我们的目标不是简单回答“发生了什么”，而是帮助用户回答“为什么发生”“影响了什么”“接下来该怎么处理”。

Q4：除了常规的监控能力，你们还提到了 SIEM 安全事件分析，这属于扩展方向吗？

黄小龙：对，但也是我们认为“可观测性平台的自然边界”。我们在平台中引入了安全事件分析能力，并构建了专用引擎 Arbiter，它具备三个特点：

· 可编程（用户可自定义规则）；

· 可引用全量观测数据（包括指标、日志、链路等）；

· 与常规监控解耦，不影响主业务性能。

我们的目标是让同一个平台，不仅能看清系统稳定性，也能快速洞察潜在的安全风险，实现监控与安全的融合。未来还将提供更多的内置检测模板与外部事件接入能力。

Q5：最后，能否简单总结一下观测云在亚马逊云科技生态里的技术定位？

黄小龙：我们从 Day One 就基于亚马逊云科技生态构建产品架构。包括：

· 存储层完全托管在 Amazon S3；

· 弹性计算资源调度基于 EKS；

· 智能体由 Amazon Bedrock 提供大模型能力；

· 全球客户可通过亚马逊云科技 Marketplace 快速使用观测云。

这意味着客户能在全球范围内更轻松使用我们的平台，同时享受云原生带来的高可用、低运维、强弹性等优势。未来我们也会继续与亚马逊云科技深度合作，构建智能时代的监控观测平台。

智能一体化、全栈可观测、安全分析能力，正在观测云平台上逐一落地。正如黄小龙所说，“让数据‘看见’，也让决策变得可见”，可观测性不仅是运维的工具，更是企业智能化的根基。