CNCF: 46.7%的云原生团队仍在运行2-3个并行可观测性技术栈
CNCF发布了针对407名云原生专家的2月调查,显示46.7%的组织仍在并行运行两到三个可观测性工具,只有7.4%实现了统一。仪表盘和告警配置是最大挑战,OpenTelemetry以集成枢纽地位领先。
本文由人工智能基于一手来源生成。
团队实际运行多少个技术栈?
CNCF(云原生计算基金会)于2026年5月6日在CNCF博客上发布的、针对407名云原生专家的2月调查显示,46.7%的组织并行运行两到三个可观测性工具。只有7.4%实现了统一可观测性——用于所有遥测信号的单一平台。
可观测性是通过日志、指标和追踪(微服务请求流的记录)组合来监控分布式系统状态的实践。
统一化的障碍是什么?
主要障碍不是工具缺失,而是操作摩擦。调查识别出三个峰值:
- 54%的受访者将仪表盘和告警配置列为首要挑战。
- **46.4%**在工具集成方面存在问题。
- **33.2%**在设置数据管道方面存在困难——即收集、转换和存储遥测数据的流程。
OpenTelemetry是供应商中立的开源可观测性数据收集标准,被认定为”组合和互操作可观测性最强的枢纽”。配合它领先的有Prometheus(指标)、Jaeger和Tempo(追踪)以及Fluentd和Loki(日志)。
AI采用情况如何?
尽管59.5%的受访者希望AI驱动的异常检测——自动识别遥测中的异常——但高达48.3%要求在任何自主修复行动之前需要人工批准。这一发现反映了业界对生产环境中完全自主操作的普遍谨慎态度。
尽管81%报告对当前工具满意,63%对更换持开放态度;集成质量(55.5%)是超越个别功能的决定性因素。
常见问题
- 哪些工具在结果中占主导地位?
- OpenTelemetry被强调为互操作可观测性的最强枢纽,配合Prometheus用于指标、Jaeger和Tempo用于追踪,以及Fluentd和Loki用于日志。
- 团队希望自主AI修复吗?
- 59.5%的受访者希望AI驱动的异常检测,但48.3%要求在任何自主修复行动之前需要人工批准。