在IT系统的可观察性上，也可以类似划分6级：
等级0：手工分析，依靠基础的Dashboard、告警、日志查询、分布式链路追踪等方式进行手动告警、分析，也是目前绝大部分公司使用的场景
首先来说说DNS解析，我们知道任何一个网站的访问都是需要通过DNS服务器的解析，用户才能经过搜索访问到的。但如果运营人员的网站域名使用了一些非知名的DNS服务商，对方技术不过关就可能会造成访问延迟或访问断断续续的现象，继而触发百度搜索风控机制并出现风险提示。
相信经过上述的讲解，大家已经了解了搜索引擎出现类似提示的原理，整体来说，出现类似的提示意味着网站出现稳定性的问题，造成访问出现障碍，我在很多搜索引擎上都看到过这样的提示，可以说是行业的通用做法。
第一级，功能嵌入：通过iframe等实现成本最低的手段，将平台的某个功能模块嵌入到自己的系统当中。
第二级，API调用：直接调用平台提供的成熟API，比如调用sf证、驾驶证之类的OCR识别的API。
在大数据上云解决方案中，通过数据集成将离线和实时的数据分别通过离线引擎（EMR、MaxCompute）和实时引擎（MaxCompute交互式分析（Hologres）、Flink）去做数据处理，然后汇聚到DataWorks中做数据开发和数据服务，包括机器学习PAI平台去做模型开发等，最后开放给数据应用去使用，包括QuickBI、DataV、Tableau等。
随着数字化转型的快速推进，数据量呈现爆发式的增长，而对数据计算的要求越来越高，低延时、低资源消耗、高效率、高精准度等。 如何从这些海量的历史数据和每日实时增量数据中快速汇总分析、挖掘出业务价值已成为业务最基本的需求。
Hologres在全链路实时数仓建设场景，与Flink做了深度的融合，同时支持Flink的sink表、source表、维表。业务上可以基于Flink进行实时ETL清洗、转换，将明细数据、轻度汇总数据以及业务汇总数据存储在Hologres，再通过Hologres实时查询并输出数据至第三方分析工具进行实时分析。
全观测场景下运维监控的痛点都是趋同的，比如日志/指标获取手段不一，获取成本高、日志/指标格式化挑战大、运维伸缩能力，峰值稳定性、海量数据长周期存储成本高、时序系统异常分析困难，日志分析工具检索性能瓶颈、可扩展性需求高等。
在此开源生态矩阵之上构建的ELK可以实现日志、指标、APM、业务数据在一个平台统一分析，建立统一的可视化视图、对齐时间、过滤条件、统一的基于规则的监控和告警、统一的机器学习的智能监控和告警。
阿里云将于2021年1月推出阿里云Elasticsearch时序写入Serverless版，可大幅降低时序/日志场景使用成本。用户将无须关注ES集群写入资源与写入压力，业务请求发生变化时，由云端Serverless调配物理资源，按需使用，按量付费，超强弹性扩容能力，提供低成本的本地型计算和存储节点，降低数据存储成本。
