FAQ汇总
1. 部署
我对部署及环境有特殊要求该怎么办?
对于部署上的任何问题及要求,都可以直接联系我们,会有相关的工程师为你提供所需帮助。
Kindling-OriginX 是否支持非容器环境部署
支持,但需要根据您的环境情况做简单适配,如有此方面要求可以直接联系我们。
安装太麻烦,说明文档看不懂怎么办?
安装文档可参考:All-in-One安装
Kindling-OriginX 在架构设计以轻量化、无侵入、易部署为基本原则,默认安装方式非常简单,不会对您目前环境及应用带来任何风险,当然我们仍旧强烈推荐应先在测试环境进行相关验证。如您在部署、验证、环境适配过程中遇到问题,也可直接与我们联系,我们将会为您提供必要的技术支持。
是否一定需要安装 Skywalking?
目标环境中至少需要一种 Trace 工具,Kindling-OriginX 需要有 Trace 数据作为支持,目前已支持接入当前主流的 Trace 方案,其中包括 Skywalking、OpenTelemetry、ARMS等,同时以提供SDK的方式支持其他自研 Trace 方案接入。如您目前已有 Trace 产品在使用,选择目前使用的 Trace 产品接入即可。
2. 产品
如何能快速体验 Kindling-OriginX 功能
可以通过在线Demo立即进行故障注入验证 Kindling-OriginX 功能,相关说明及入口参见:Kindling-OriginX 在线Demo使用说明。
在线Demo中:
- 复旦大学SELab开源Train-Ticket作为业务系统
- 通过故障注入进行真实故障模拟
- Kindling-OriginX 进行故障检测及故障根因分析
Kindling-OriginX 和 Kindling 的关系
-
Kindling 是一款基于 eBPF 的可观测性工具。
-
Kindling-OriginX 是杭州云观秋毫科技有限公司基于Kindling社区版TraceProfiling理念构建的一款故障根因推导产品。
区别
- 性能
相比社区版TraceProfiling,Kindling-OriginX的eBPF探针拥有更好的性能,占用更低的资源,也更稳定。
- 功能
Kindling-Originx商业版与Kindling社区版在产品理念上有所不同。Kindling 社区版遵循的监控思路,是呈现更多的 数据,其前提是用户拥有专家经验,可以充分理解数据,并自行根据数据推导故障根因。
在实际调研过程中,往往存在专家太忙,太多重要的事情要做等现实困境,所以 Kindling-OriginX 遵循的不是传统监控产品的思路,不再是一味地呈现过多的数据给用户,而是尽量减少数据的呈现,只揭示在故障推导过程中依据专家经验需要查看的数据,屏蔽其他与此次根因不相干的数据与指标,最终将所有需要查看的 trace、log、metrics 打包在一个报告中,并最终生成推导的根因结论。
Kindling-OriginX 和 DeepFlow 的区别
- DeepFlow 是基于 eBPF 的可观测性开源项目,旨在为复杂的云基础设施及云原生应用提供深度可观测性。
- Kindling-OriginX 是一款故障根因推导产品,目标是提供给用户一个可解释的故障根因报告,让用户能够直接了解故障根因,并附有根因的推理过程以便验证根因的准确性。
Kindling-OriginX 与 DeepFlow 都使用了 eBPF 技术,但二者有不同的产品定位和场景。DeepFlow 能提供非常完备的全链路网络基础数据;Kindling-OriginX 聚焦在 Trace-Profiling,利用 eBPF 与自动化 Tracing 分析将业务层的 Trace 数据与系统底层调用相关联,消除程序执行的盲区,实现完整的可观测性。例如在 Kindling-OriginX 识别出故障原因是网络侧的问题时,就会自动去关联 DeepFlow 中的网络相关指标数据。可参考案例Kindling-OriginX 集成 DeepFlow 的数据增强网络故障的解释力
Kindling-OriginX 与 Trace 数据的关系
Kindling-OriginX 并没有直接生成任何 Trace 数据,即 Kindling-OriginX 本身没有任何生成 Trace 的功能,而是通过接入成熟的 Trace 方案(例如Skywalking)的方式集成 Trace 数据,同时也以SDK方式支持多种 Trace 数据接入。Kindling-OriginX 核心关注在通过 eBPF 能力将 Trace 数据和系统事件关联起来。
Kindling-OriginX 与传统 AIOps 产品的区别
Kindling-OriginX 与其他 AIOps 产品在处理故障根因结论的思路和方法上完全不同,传统 AIOps 工具对于故障根因往往给出的是概率性的结论,一般不具有可解释性。Kindling-OriginX 通过内核视角持续剖析的方式来解决 AIOps 的故障根因结论与可观测性的割裂问题,让故障结论能够可执行、可解释,有关联数据能够为推导的结论作证明。更多可参考AIOps实践中常见的挑战:故障根因与可观测性数据的割裂
Kindling-OriginX 是否有产品案例或具体的使用场景分享?
可在官方网站排障实战系列博客与使用指南系列中看到产品案例与场景分享,同时也可以通过我们的微信订阅号「云观秋毫」中查阅到相关分享。
Kindling-OriginX 是不是主要针对复杂的系统故障,应用级故障就不擅长?
从产品特性上讲 Kindling-OriginX 并没有刻意针对系统级故障或应用级故障中的某一类,同时 TSA 方法论不管是针对系统级故障,亦或是应用级故障都能够发挥其作用,很好的解决问题。Kindling-OriginX 在定位业务代码性能问题、优化代码质量、GC问题上都能发挥巨大作用,同时在解决各类系统级疑难杂症上也能提供深入的诊断信息和有效的解决方案。更多案例可参考使用指南系列与排障实战系列博客。
我觉得有些故障场景没有覆盖,想给你们提建议,有什么方式?
我们欢迎各种形式和内容的建议,也期待能够使故障场景的覆盖更加完善,可以通过邮箱(help@kindlingx.com)、微信公众号留言(云观秋毫)、微信(help_kindlingx)等任意方式与我们联系。如你已有成熟的想法和场景,但缺少验证的环境,我们可以提供必要的故障注入测试验证环境和故障推理平台。
Kindling-OriginX 是否开源
Kindling-OriginX 是商业产品,SaaS版本永久免费使用。
如果您对开源等方面有特殊需求,可以直接联系我们,目前我们对各种形式的项目共建都持开放态度。
我想更多了解 Kindling-OriginX 的实现原理与产品设计理念
- The TSA Method - Brendan Gregg
- KubeCon 2023 中国 :Trace-Profiling: A New Way About How to Track Application Behavior - Cheng Chang
- KCD 杭州 :基于 eBPF 采集的排障北极星指标构建故障根因推导流程
- Log | Metrics | Trace的联动方式探讨
- AIOps实践中常见的挑战:故障根因与可观测性数据的割裂
- 内核视角下持续剖析 VS 代码视角下的持续剖析
- 云原生团队如何实现加量不加价
- Kindling-OriginX 工作原理
我也想用Demo里的故障注入和 Train-Ticket 系统进行验证和测试
目前故障注入平台已在龙蜥社区开源soma-chaos,Train-Ticket是由复旦大学SELab开源的业务模拟系统。可以根据soma-chaos安装文档进行安装。亦可联系我们,我们将会提供必要的技术支持。
哪里可以找到 Kindling-OriginX 的最新信息?
可以关注我们的公众号「云观秋毫」,我们会同步更新产品动态及相关案例。
3. 联系我们
- 微信:help_kindlingx
- 邮箱:help@kindlingx.com
- 公众号:云观秋毫