F5对OpenTelemetry的贡献推动自适应应用愿景向前发展

F5生态系统 | 2023年9月12日

F5致力于构建更美好的数字世界，让客户能够专注于提升其客户体验并推动业务增长，而不必疲于应对安全和应用性能风险。遥测技术是实现这一愿景的关键。

如今，应用和API已成为数字化企业的关键资产。为优化这些应用的安全性、性能和价值，组织必须为应用及其支持服务和基础设施部署监测机制，以生成有意义的遥测数据，为采取行动提供依据。如今，许多组织已使用遥测数据来检测其环境中的问题。越来越多的组织还在投资可观测性和自动化解决方案，以预测可能发生的故障。这些工作的最终目标是精准确定适当的遥测数据、洞察和自动化机制，从而预防大多数类型的故障。

事实上，高质量的遥测数据是保障应用健康和安全的基础。要有效利用遥测数据，需要采用统一的方法，在多个系统和应用之间收集并传输海量数据，从而将其转化为可付诸行动的洞察。统一的遥测标准有助于解决数据整合难题，因为来自不同供应商和产品的数据往往采用互不兼容的格式。

今天，我们很高兴地宣布推出一种新的遥测协议。与现有的OpenTelemetry Protocol（OTLP）相比，该协议将压缩率提升约100%，可为正在采用（或考虑采用）高级遥测系统的组织显著节省成本并提升性能。新的OTel Arrow Protocol是我们持续支持云原生计算基金会开源项目OpenTelemetry的一部分。该项目为遥测数据的收集和导出提供了标准化格式。我们期待这一新协议为进一步优化铺平道路，从而加快数据处理本身的速度。

在F5杰出工程师Laurent Quérel的带领下，并与数字化工作流公司ServiceNow合作开发的新OTel Arrow Protocol可根据数据工作负载，将OTLP的平均可压缩性提高一倍，进而将网络带宽占用及相关网络成本降低约一半。在某些情况下，如果指标具有多变量特性（如F5产品的指标），观察到的压缩效果可能更为显著（见下图）。

新的OTel Arrow Protocol平均可将OTLP的可压缩性提高一倍；当指标具有多变量特征时，观察到的压缩效果更为显著

随着设备和传感器日益普及、对数据驱动和AI驱动技术的依赖不断加深，以及应用部署从单体架构转向容器和无服务器函数等更细粒度的形式，组织生成的遥测数据量正迅速增长，这一新设计的协议正是在此背景下应运而生。与此同时，遥测数据也日益分散，遍布数据中心、多云环境和边缘。上述趋势使优化遥测数据在互联网中的传输方式变得更加迫切。

遥测是实现自适应应用愿景的关键

OTel Arrow Protocol为未来增强遥测数据处理能力奠定了基础，也是F5自适应应用愿景不可或缺的一部分。F5致力于实现这样的未来：客户能够快速检测并消除安全威胁，提升应用性能和韧性，加快新应用部署，并轻松统一本地、公有云和边缘环境中的策略。最终目标是利用自动化和机器学习技术，高效地将海量实时遥测数据转化为可付诸行动的洞察，从而降低跨不同应用环境运营应用的成本和复杂性。

要提前应对安全和应用性能风险，客户需要全面了解其整个应用组合。他们还需要借助自动化预测分析，在风险演变为潜在问题之前快速识别风险。要实现预测分析自动化，需要使用大量数据来训练和优化机器学习模型，从而逐步提高遥测数据分析的精度。通过开源贡献改进遥测数据的传输、处理、存储和查询方式，是简化预测分析并降低其成本的关键。

大规模开展预测分析

为帮助客户实现自适应应用，我们一直在将OpenTelemetry可观测性框架应用于F5 BIG-IP、F5 NGINX和F5 Distributed Cloud Services。这些投入有助于我们更好地开展大规模数据分析，同时利用AI功能和持续改进的机器学习模型。

依托坚实的数据基础设施，我们正努力帮助客户全面了解其应用和API的运行状况与性能，不仅涵盖特定的F5产品，还覆盖其整个应用组合。这将有助于我们主动为组织提供所需的及时安全和应用性能洞察，帮助其快速识别并消除新风险。

实时遥测至关重要。F5之所以处于行业前沿，是因为我们的技术位于数千家客户的数据路径中。85%的《财富》美国500强企业和全球近一半的应用都由F5技术提供支持。我们能够洞察海量数据，因而可以即时了解风险，并构建自动化解决方案，帮助组织在新威胁出现时迅速加以防御。随着我们不断将遥测数据转化为可付诸行动的洞察，组织将能减少风险管理所需的时间，将更多精力投入数字创新，从而提高业务效率并改善客户体验。

从根本上说，我们的自适应应用愿景能否实现，取决于能否高效分析来自不同来源的海量遥测数据。我们持续为OpenTelemetry做出贡献，帮助优化实现这一愿景所需的数据聚合与分析。

要详细了解F5近期对遥测协议的贡献，请阅读我们的新闻稿。另请参阅Apache Arrow博客上的第1部分和第2部分文章。