边缘计算场景下的可观察性挑战

20/22边缘计算场景下的可观察性挑战第一部分边缘计算可观察性需求 2第二部分边缘设备资源有限的约束 4第三部分边缘环境脆弱性和攻击风险 6第四部分边缘计算数据收集和传输挑战 8第五部分边缘计算可视化与分析挑战 11第六部分边缘计算可观察性标准与规范 14第七部分边缘计算可观察性开源项目与解决方案 17第八部分边缘计算可观察性未来发展趋势 20

第一部分边缘计算可观察性需求关键词关键要点【可观测性面临的挑战】：

1.边缘节点分布分散，监控难度大：边缘计算节点往往分布在不同的物理位置，因此监控这些节点的性能和行为非常困难。

2.边缘节点资源有限，监控消耗大：边缘计算节点通常具有有限的资源，如处理器、内存和存储。因此，在这些节点上部署监控解决方案可能会消耗大量资源，从而影响节点的正常运行。

3.边缘节点网络连接不稳定，数据传输困难：边缘计算节点通常连接到不稳定的网络，如移动网络或无线网络。因此，从这些节点传输监控数据可能会遇到丢包、延迟等问题。

【多元化监控数据】：

边缘计算可观察性需求

边缘计算场景下，可观察性需求主要体现在以下几个方面：

1.分布式和异构性：边缘计算系统通常由大量分布式和异构的设备组成，这些设备可能位于不同的地理位置，并使用不同的操作系统和应用程序。这使得可观察性变得更加复杂，因为需要收集和分析来自不同设备的数据。

2.实时性：边缘计算系统通常需要实时处理数据，这使得可观察性系统也需要具备实时性。需要能够在第一时间发现和解决问题，以确保系统能够正常运行。

3.安全性：边缘计算系统通常需要处理敏感数据，这使得可观察性系统也需要具备安全性。需要能够保护这些数据免受未经授权的访问和使用。

4.扩展性：边缘计算系统通常需要支持大量设备和应用程序，这使得可观察性系统也需要具备扩展性。能够随着系统规模的增长而扩展，以满足系统不断增长的可观察性需求。

5.易用性：边缘计算系统通常由非技术人员维护，这使得可观察性系统需要具备易用性。需要提供友好的用户界面和直观的分析工具，以帮助用户轻松地发现和解决问题。

6.成本效益：边缘计算系统通常需要在成本和性能之间取得平衡，这使得可观察性系统也需要具备成本效益。需要能够以合理的价格提供必要的可观察性功能，以帮助用户以最小的成本实现最大的可观察性收益。

为了满足这些需求，边缘计算可观察性系统通常需要具备以下功能：

1.数据收集：边缘计算可观察性系统需要能够从分布式和异构的设备中收集数据。这些数据包括系统日志、指标、跟踪数据和事件。

2.数据分析：边缘计算可观察性系统需要能够分析收集到的数据，以发现系统中的问题。这些问题包括性能瓶颈、安全漏洞和应用程序错误。

3.数据可视化：边缘计算可观察性系统需要能够将分析结果可视化，以帮助用户轻松地理解系统运行情况。这些可视化工具包括仪表板、图表和报告。

4.告警和通知：边缘计算可观察性系统需要能够在发现问题时发出告警和通知。这些告警和通知可以帮助用户快速地定位和解决问题，以防止问题造成更大的影响。

5.根因分析：边缘计算可观察性系统需要能够帮助用户进行根因分析，以找出问题发生的根本原因。这有助于用户针对性地解决问题，以防止问题再次发生。第二部分边缘设备资源有限的约束关键词关键要点边缘设备资源有限的约束，内存限制

1.边缘设备通常具有有限的内存，无法存储大量数据。这使得在边缘设备上部署可观察性解决方案变得困难。

2.有限的内存限制了可观察性解决方案的复杂性。边缘设备上可部署的解决方案必须足够简单，才能在有限的内存中运行。

3.内存限制也限制了可观察性解决方案收集数据的频率和数量。边缘设备上的解决方案必须在不影响设备性能的情况下收集数据。

边缘设备资源有限的约束，计算能力限制

1.边缘设备通常具有有限的计算能力，无法处理大量数据。这使得在边缘设备上部署可观察性解决方案变得困难。

2.有限的计算能力限制了可观察性解决方案的复杂性。边缘设备上可部署的解决方案必须足够简单，才能在有限的计算能力下运行。

3.计算能力限制也限制了可观察性解决方案收集数据的频率和数量。边缘设备上的解决方案必须在不影响设备性能的情况下收集数据。边缘设备资源有限的约束

边缘设备通常具有资源有限的约束，包括计算能力、内存、存储和网络带宽。这些约束对可观察性提出了挑战，因为它们限制了可收集和存储的数据量，并增加了数据传输到云端或其他中心位置的难度。

计算能力有限

边缘设备通常具有有限的计算能力，这限制了它们执行复杂计算任务的能力。这可能会对可观察性产生重大影响，因为收集和分析数据通常需要大量的计算资源。例如，边缘设备可能无法实时分析数据，或者可能无法处理来自多个来源的数据。

内存有限

边缘设备通常具有有限的内存，这限制了它们存储数据的能力。这可能会对可观察性产生重大影响，因为存储数据对于故障排除和性能分析至关重要。例如，边缘设备可能无法存储足够的数据来诊断问题，或者可能无法存储足够的数据来跟踪性能指标。

存储有限

边缘设备通常具有有限的存储空间，这限制了它们存储数据的能力。这可能会对可观察性产生重大影响，因为存储数据对于故障排除和性能分析至关重要。例如，边缘设备可能无法存储足够的数据来诊断问题，或者可能无法存储足够的数据来跟踪性能指标。

网络带宽有限

边缘设备通常具有有限的网络带宽，这限制了它们传输数据到云端或其他中心位置的能力。这可能会对可观察性产生重大影响，因为数据传输对于故障排除和性能分析至关重要。例如，边缘设备可能无法实时传输数据，或者可能无法传输足够的数据来进行详细分析。

解决边缘设备资源有限约束的策略

为了解决边缘设备资源有限的约束，可以采用以下策略：

*选择合适的边缘设备。在选择边缘设备时，应考虑其计算能力、内存、存储和网络带宽等资源限制。应选择能够满足可观察性需求的边缘设备。

*优化数据收集和分析。应优化数据收集和分析过程，以减少对边缘设备资源的消耗。例如，可以减少收集的数据量，或者可以将数据分析任务卸载到云端或其他中心位置。

*使用轻量级可观察性工具。应使用轻量级可观察性工具，以减少对边缘设备资源的消耗。例如，可以使用基于代理的可观察性工具，或者可以使用无代理的可观察性工具。

*利用边缘计算平台。可以利用边缘计算平台来提供可观察性服务。边缘计算平台通常具有丰富的资源，可以满足可观察性的需求。例如，边缘计算平台可以提供数据收集、数据分析和数据存储等服务。第三部分边缘环境脆弱性和攻击风险关键词关键要点【边缘环境脆弱性和攻击风险】：

1.边缘环境物理安全：边缘设备通常部署在偏远或无人区域，缺乏必要的物理安全措施，如监控摄像头、门禁系统和安全人员，这使得它们容易受到未经授权的访问、破坏和盗窃。

2.边缘设备安全漏洞：边缘设备通常运行定制化的操作系统和软件，这些系统和软件可能存在安全漏洞，攻击者可以利用这些漏洞远程访问和控制边缘设备，从而获取敏感数据或破坏系统。

3.边缘网络连接风险：边缘设备通常通过无线网络或移动网络连接到互联网，这些网络可能存在安全隐患，如中间人攻击、数据窃听和拒绝服务攻击，攻击者可以利用这些隐患拦截或篡改边缘设备传输的数据，或者直接攻击边缘设备。

【边缘计算设备多样性和异构性】：

边缘环境脆弱性和攻击风险

边缘计算环境通常存在着比传统数据中心更脆弱和容易遭受攻击的固有风险，这主要体现在以下几个方面：

1.分布式和资源受限的性质

边缘计算环境通常由许多分布式节点组成，这些节点通常具有资源受限的特点，如计算能力、存储容量和网络带宽。这种分布式和资源受限的性质使得边缘计算环境更易受到攻击，因为攻击者可以利用这些弱点来发起攻击。例如，攻击者可以利用分布式节点之间的通信延迟来发起拒绝服务攻击，或者利用资源受限的特性来发起分布式拒绝服务攻击。

2.物理安全风险

边缘计算节点通常部署在各种各样的物理环境中，如零售商店、工厂和医院。这些环境通常缺乏适当的安全措施，如物理访问控制和视频监控，从而使攻击者能够更容易地物理访问边缘计算设备并发起攻击。例如，攻击者可以窃取边缘计算设备或破坏其硬件，从而导致边缘计算系统出现故障或泄露数据。

3.软件安全风险

边缘计算设备通常运行各种各样的软件，包括操作系统、中间件和应用程序。这些软件通常存在着漏洞，攻击者可以利用这些漏洞来发起攻击。例如，攻击者可以利用操作系统中的漏洞来获得系统权限，或者利用中间件中的漏洞来发起中间件攻击。此外，攻击者还可以利用应用程序中的漏洞来发起应用程序攻击。

4.网络安全风险

边缘计算设备通常连接到公共互联网，这使得它们更容易受到网络攻击。例如，攻击者可以利用互联网上的恶意软件来感染边缘计算设备，或者利用互联网上的网络钓鱼攻击来窃取边缘计算设备上的数据。此外，攻击者还可以利用互联网上的分布式拒绝服务攻击来使边缘计算设备瘫痪。

5.云服务安全风险

边缘计算通常与云计算相结合，以便将数据从边缘设备传输到云端进行存储和处理。因此，边缘计算环境也面临着与云计算环境相同的安全风险。例如，攻击者可以利用云计算平台的漏洞来发起攻击，或者利用云计算平台上的恶意软件来感染边缘计算设备。此外，攻击者还可以利用云计算平台上的网络钓鱼攻击来窃取边缘计算设备上的数据。

6.人为安全风险

边缘计算环境中的人为安全风险也是不容忽视的。例如，边缘计算设备的管理员可能存在安全意识薄弱的问题，导致他们做出不安全的决策，从而使边缘计算环境更容易受到攻击。此外，边缘计算设备的用户也可能存在安全意识薄弱的问题，导致他们容易上当受骗，从而使攻击者能够利用他们来发起攻击。第四部分边缘计算数据收集和传输挑战关键词关键要点【边缘计算数据收集和传输挑战】：

1.数据量大：边缘设备数量众多，产生大量数据，对数据收集和传输带来巨大挑战。

2.数据传输带宽有限：边缘设备通常位于偏远或网络条件较差的地区，数据传输带宽有限，导致数据传输延迟高、丢包率高。

3.数据传输可靠性差：边缘设备所在环境复杂，网络环境不稳定，容易出现数据传输中断或数据丢失的情况。

【边缘计算数据安全挑战】：

边缘计算数据收集和传输挑战

边缘计算环境中的数据收集和传输面临着许多独特的挑战，这些挑战主要包括：

1.网络连接不稳定

边缘设备通常位于偏远或恶劣的环境中，网络连接可能不稳定或不可靠。这可能会导致数据丢失或延迟，从而影响可观察性的准确性和及时性。

2.数据量大

边缘设备通常会产生大量数据，例如传感器数据、日志文件和应用程序指标。这些数据需要被收集和传输到集中式系统进行分析和处理，这可能会给网络带宽带来很大的压力。

3.数据多样性

边缘设备通常会产生各种类型的数据，例如结构化数据、非结构化数据和二进制数据。这些数据需要被统一收集和处理，这可能会给数据处理系统带来挑战。

4.安全性

边缘设备通常位于网络的边缘，更容易受到安全威胁的攻击。因此，需要采取适当的安全措施来保护数据免遭未经授权的访问、使用、披露、破坏、修改或销毁。

5.功耗和成本

边缘设备通常是电池供电的，因此需要考虑数据收集和传输对功耗的影响。此外，数据收集和传输也需要一定的成本，需要在成本和数据质量之间取得平衡。

解决边缘计算数据收集和传输挑战的措施

为了解决边缘计算数据收集和传输面临的挑战，可以采取以下措施：

1.使用可靠的网络连接

尽量使用有线网络连接，如果只能使用无线网络连接，应选择信号强度较强的网络。

2.优化数据收集和传输策略

合理设置数据收集和传输的频率和时间间隔，避免在网络高峰期传输数据。

3.使用数据压缩和过滤技术

对数据进行压缩和过滤，以减少数据传输量。

4.使用分布式数据存储和处理系统

将数据存储和处理任务分布到多个节点上，以减少对网络带宽的压力。

5.加强安全性

采取适当的安全措施，例如加密、身份验证和授权，以保护数据免遭未经授权的访问、使用、披露、破坏、修改或销毁。

6.权衡功耗和成本

在功耗和数据质量之间取得平衡，合理配置数据收集和传输参数。第五部分边缘计算可视化与分析挑战关键词关键要点缺乏统一的边缘计算可观察性平台

1.边缘计算设备和应用分散在不同的物理位置，缺乏统一的平台来收集、聚合和分析数据，导致可观察性困难。

2.现有的可观察性工具和平台主要针对云计算环境，难以满足边缘计算的独特需求，如异构设备、分布式架构、资源受限等。

3.边缘计算设备往往缺乏足够的存储和计算资源，使得在设备上进行数据分析和可视化变得困难。

数据收集和传输挑战

1.边缘计算设备和应用产生的数据量巨大，在带宽有限和网络不稳定等条件下，如何高效地收集和传输数据是一个挑战。

2.边缘计算设备往往位于偏远或恶劣的环境中，网络连接不稳定或中断时，如何保证数据收集和传输的可靠性是一个难题。

3.边缘计算设备的安全性和隐私性至关重要，如何保护数据在传输过程中的安全，防止数据泄露和篡改是一个需要解决的问题。

数据存储和管理挑战

1.边缘计算设备的存储空间有限，如何有效地存储和管理大量的数据是一个挑战。

2.边缘计算设备的存储设备往往存在故障和损毁的风险，如何保证数据的持久性和可靠性是一个需要解决的问题。

3.边缘计算设备产生的数据往往是结构化和非结构化的混合，如何有效地管理和处理异构数据是一个挑战。

数据分析和可视化挑战

1.边缘计算设备的计算资源有限，如何高效地分析和处理大量的数据是一个挑战。

2.边缘计算设备上可用的分析工具和平台有限，如何选择和部署合适的工具来满足不同的分析需求是一个问题。

3.边缘计算设备上产生的数据往往是实时性和动态性的，如何及时地分析和可视化数据，以便及时采取行动是一个挑战。

安全性和隐私性挑战

1.边缘计算设备往往位于偏远或恶劣的环境中，容易受到物理攻击和恶意软件的威胁，如何保证设备和数据的安全是一个挑战。

2.边缘计算设备产生的数据往往包含敏感信息，如何保护数据的隐私性和防止数据泄露是一个需要解决的问题。

3.边缘计算设备与云端之间的数据传输需要经过公共网络，如何保证数据的传输安全是一个需要解决的问题。一、数据规模与复杂性

边缘计算设备数量众多，分布广泛，且通常具有有限的计算和存储资源。这导致边缘计算可视化与分析面临巨大的数据规模与复杂性挑战。首先，边缘设备产生的数据量非常庞大，且数据类型多样，包括传感器数据、日志数据、监控数据等。其次，边缘设备往往分布在不同的地理位置，这使得数据的收集和传输过程变得更加复杂。最后，边缘计算设备通常具有有限的计算和存储资源，这使得在边缘设备上进行实时数据分析变得十分困难。

二、网络延迟与不稳定性

边缘计算设备通常通过无线网络连接到核心网络。无线网络具有固有的延迟和不稳定性，这使得边缘计算可视化与分析面临很大的网络挑战。首先，网络延迟会导致数据传输延迟，这会影响数据分析的实时性。其次，网络不稳定性会导致数据丢失或损坏，这会影响数据分析的准确性。最后，网络延迟和不稳定性还会影响边缘计算设备与核心网络之间的通信，这会影响边缘计算可视化与分析系统的整体性能。

三、安全与隐私挑战

边缘计算设备通常部署在不受保护的环境中，这使得边缘计算可视化与分析面临很大的安全与隐私挑战。首先，边缘设备容易受到网络攻击，这可能会导致数据泄露或篡改。其次，边缘设备通常缺乏必要的安全措施，这使得数据容易被非法访问或窃取。最后，边缘计算可视化与分析系统本身也可能存在安全漏洞，这可能会导致数据泄露或篡改。

四、标准与互操作性挑战

目前，边缘计算领域还没有统一的标准，这使得边缘计算可视化与分析面临很大的标准与互操作性挑战。首先，不同的边缘计算设备可能使用不同的数据格式，这使得数据收集和分析变得更加困难。其次，不同的边缘计算可视化与分析系统可能使用不同的协议和接口，这使得系统之间的互操作性变得更加困难。最后，缺乏统一的标准还使得边缘计算可视化与分析系统难以与其他系统集成，这会影响系统的整体性能。

五、工具与技术挑战

边缘计算可视化与分析领域还处于起步阶段，这使得边缘计算可视化与分析面临很大的工具与技术挑战。首先，缺乏专门的边缘计算可视化与分析工具，这使得数据收集和分析变得更加困难。其次，缺乏成熟的边缘计算可视化与分析技术，这使得数据分析的准确性和实时性难以保证。最后，缺乏专业的边缘计算可视化与分析人才，这使得边缘计算可视化与分析系统的开发和部署变得更加困难。第六部分边缘计算可观察性标准与规范关键词关键要点开放边缘计算标准

1.开放标准的重要性：

-制定开放标准有助于在边缘计算领域建立通用框架，提高不同边缘计算平台之间的兼容性和互操作性。

-促进技术创新和协同开发，为不同厂商和解决方案提供商提供统一的接口和规范，从而带来更广泛的市场竞争和创新动力。

2.标准制定与进展：

-多个标准制定组织，如OASIS、GSMA、ITU-T、IEEE等，都在积极參與边缘计算标准的制定工作。

-正在定义的关键标准包括边缘计算参考架构、API规范、安全标准、数据管理和处理标准等。

3.行业影响：

-开放标准的建立将有利于边缘计算产业的健康发展，为企业和组织部署边缘计算系统提供更广泛的选择和灵活性。

-推动边缘计算生态系统的发展，使不同厂商和解决方案提供商能够更容易地整合他们的产品和服务。

安全与隐私标准

1.安全性要求：

-边缘计算环境中存在独特的安全挑战，包括设备多样性、资源有限、以及设备分散性等。

-标准需要定义边缘设备和边缘平台的安全要求，包括身份验证、数据加密、访问控制、安全漏洞修复等方面。

2.隐私保护：

-边缘计算处理大量个人数据，如何保护数据的隐私和安全十分重要。

-标准需要定义数据收集、存储、传输和处理的隐私保护要求，以确保个人数据得到妥善保护，防止未经授权的访问或使用。

3.法律与法规遵从：

-标准需要考虑不同地区和国家的法律法规要求，确保边缘计算系统的部署和运行符合相关法规，如数据保护法和隐私法等。

性能与可靠性标准

1.性能要求：

-边缘计算系统需要满足特定性能要求，包括响应速度、吞吐量、延迟等。

-标准需要定义明确的性能指标和测试方法，以便评估和比较不同边缘计算系统的性能。

2.可靠性要求：

-边缘设备和边缘平台需要具有较高的可靠性，能够在严苛的环境条件下稳定运行。

-标准需要定义可靠性要求，包括故障率、可用性和平均无故障时间(MTBF)等指标。

3.扩展性和可管理性：

-标准需要考虑边缘计算系统的扩展性和可管理性，以确保系统能够随着业务需求的增长而扩展，并能够方便地进行管理和维护。

数据管理与分析标准

1.数据管理：

-边缘计算处理大量数据，需要对这些数据进行有效的管理和处理，包括数据收集、存储、传输、查询、分析等。

-标准需要定义数据管理规范，包括数据格式、存储结构、访问权限、数据安全等方面。

2.数据分析：

-边缘计算可支持实时数据分析，标准需要定义数据分析规范，包括数据分析方法、算法、工具等。

-支持对结构化和非结构化数据进行分析，以及支持机器学习和人工智能技术在边缘计算中的应用。

互操作性与兼容性标准

1.互操作性要求：

-边缘计算系统需要具有良好的互操作性，以便能够与不同的设备、平台和服务进行通信和集成。

-标准需要定义互操作性要求，包括通信协议、数据格式、接口定义等，以确保不同系统能够顺利对接和协同工作。

2.兼容性要求：

-边缘计算系统需要兼容不同的硬件、软件、云平台和网络，以满足不同场景和应用的需求。

-标准需要定义兼容性要求，包括硬件兼容性、软件兼容性、云平台兼容性、网络兼容性等，以帮助开发人员和系统集成商快速集成和部署边缘计算系统。边缘计算可观察性标准与规范：

边缘计算可观察性标准与规范正在成为一个日益重要的领域。随着边缘计算的兴起，越来越多的应用程序和服务需要在边缘设备上运行。这些设备往往分布分散、资源有限，并且难以管理。这使得在边缘环境中实现可观察性变得尤为重要。

一、边缘计算可观察性标准

*开放标准：边缘计算可观察性标准应该遵循开放的标准，以便保证不同供应商的产品能够兼容和互操作。

*统一语义：边缘计算可观察性标准应该使用统一的语义，以便保证不同的产品能够理解和解释相同的数据。

*可扩展性：边缘计算可观察性标准应该具有可扩展性，以便能够适应不同规模的边缘环境。

*安全性：边缘计算可观察性标准应该保证数据的安全性，防止未经授权的访问和窃取。

二、边缘计算可观察性规范

*数据收集：边缘计算可观察性规范应该定义数据收集的标准，包括数据类型、数据格式、数据传输方式等。

*数据存储：边缘计算可观察性规范应该定义数据存储的标准，包括存储位置、存储格式、存储时间等。

*数据分析：边缘计算可观察性规范应该定义数据分析的标准，包括分析方法、分析工具、分析结果等。

*数据展示：边缘计算可观察性规范应该定义数据展示的标准，包括展示方式、展示工具、展示结果等。

三、边缘计算可观察性标准与规范的意义

边缘计算标准与规范可以帮助边缘计算产业健康快速发展,可以帮助用户更好地理解和使用边缘计算，也可以帮助供应商更好地设计和开发边缘计算产品和服务。

四、边缘计算可观察性标准与规范的未来发展

边缘计算可观察性标准与规范仍在不断发展和完善之中。随着边缘计算技术的进步，边缘计算可观察性标准与规范也将不断更新和迭代。

五、边缘计算可观察性标准与规范的典型案例

*OpenMetrics：OpenMetrics是一个开源的边缘计算可观察性标准，用于收集、存储和分析边缘设备的数据。

*Prometheus：Prometheus是一个开源的边缘计算可观察性工具，用于收集和存储边缘设备的数据。

*Grafana：Grafana是一个开源的边缘计算可观察性工具，用于展示和分析边缘设备的数据。第七部分边缘计算可观察性开源项目与解决方案关键词关键要点【Prometheus】：

1.Prometheus是一个开源的监控系统，它使用时间序列数据库来存储和检索指标数据。

2.Prometheus具有高性能、高可用性和可扩展性，可以满足边缘计算场景的监控需求。

3.Prometheus提供了丰富的指标收集机制，包括静态指标、动态指标和自定义指标，可以满足各种类型的边缘计算设备的监控需求。

【Grafana】：

边缘计算可观察性开源项目与解决方案

#1.开源项目

1.1OpenCensus

OpenCensus是一个开放源码的分布式跟踪、指标和日志记录系统，由谷歌开发。它允许您收集、聚合和可视化来自各种来源的数据，包括应用程序、服务和基础设施。OpenCensus是一个云原生项目，专为现代应用程序设计。

1.2Jaeger

Jaeger是一个开源的分布式跟踪系统，由Uber开发。它允许您跟踪请求在分布式系统中的流向，并识别性能瓶颈。Jaeger可以与OpenCensus一起使用，或者单独使用。

1.3Prometheus

Prometheus是一个开源的监控系统，由谷歌开发。它允许您收集、聚合和可视化时间序列数据，例如指标和日志。Prometheus是一个云原生项目，专为现代应用程序设计。

1.4Grafana

Grafana是一个开源的可视化平台，由GrafanaLabs开发。它允许您创建仪表板来可视化来自各种来源的数据，包括OpenCensus、Jaeger和Prometheus。Grafana是一个云原生项目，专为现代应用程序设计。

#2.商业解决方案

2.1Dynatrace

Dynatrace是一个商业的可观察性平台，由DynatraceLLC开发。它提供了一个统一的视图，以便您监控和管理整个IT环境，包括应用程序、服务和基础设施。Dynatrace是一个云原生平台，专为现代应用程序设计。

2.2NewRelic

NewRelic是一个商业的可观察性平台，由NewRelic,Inc.开发。它提供了一个统一的视图，以便您监控和管理整个IT环境，包括应用程序、服务和基础设施。NewRelic是一个云原生平台，专为现代应用程序设计。

2.3AppDynamics

AppDynamics是一个商业的可观察性平台，由AppDynamics,Inc.开发。它提供了一个统一的视图，以便您监控和管理整个IT环境，包括应用程序、服务和基础设施。AppDynamics是一个云原生平台，专为现代应用程序设计。

#3.比较

|项目/解决方案|开源/商业|特点|

||||

|OpenCensus|开源|分布式跟踪、指标和日志记录系统|

|Jaeger|开源|分布式跟踪系统|

|Prometheus|开源|监控系统|

|Grafana|开源|可视化平台|

|Dynatrace|商业|统一的可观察性平台|

|NewRelic|商业|统一的可观察性平台|

|AppDynamics|商业|统一的可观察性平台|

#4.结论

边缘计