丰富的数据源：汽车外围遍布多个激光/图像雷达，能够实现高帧率、360°实时观测周围的物体及其状态；内部则能够实时知道当前的车速、车轮角度、胎压等信息，做到知彼知己。
统一Agent：使用一个Agent即可完成所有可观察性数据的采集和传输，不需要为每个系统都部署各种各样的Agent，大大降低了系统的资源占用，使整体可观察性系统的架构也变的更加简单
事件驱动架构是一种构建松耦合的微服务系统的架构方式，微服务之间通过异步事件通信来进行交互。
基于上云解决方案，建立了多种场景化解决方案，包括智能实时数仓解决方案、实时监控大屏解决方案、数据湖解决方案，其中比较典型的智能实时数仓解决方案，适用于电商、游戏、社交等互联网行业大规模数据实时查询场景：
基于ELK的低成本实时日志监控分析
我们的实时数据除了存储在大数据引擎中，还有很多非结构化的日志数据，通过阿里云的Elasticsearch，用全托管的方式提供低成本的冷热存储方案，轻松助力企业搭建统一的云上全观测运维监控平台，实现海量数据的实时监控分析，提高自动化运维管理效率。
企业大数据IT运维经历了从单纯的运维工具到运维平台，再到自动化运维和故障预防式运维，到现在朝着智能化运维的方向进化。但现有的大数据运维分析手段依旧存在着原子工具繁多，上手成本高、工具之间的衔接困难，Monitoring(监控)、Logging(日志)、Tracing(定位追踪)无法互相依存发挥更大价值、真实业务中收益完全取决于使用者的架构能力等明显问题。
5）数据工程师和数据分析师有各自的环境，难以共享，协同工作。
而企业对应的解决方案基本是：购买专家服务/直接添加计算资源、使用全托管的云计算服务、多引擎协同，一个处理流，一个处理批等方式，而这些方案通常需要多个产品来联合完成。
企业希望能通过一个产品来完成这样地数据分析诉求。拿到数据湖或者Kafka事件数据后，在流式分析分析和BI报表前，希望这中间能有一个引擎。这个引擎有支持存算分离的数据湖架构、又能同时处理流式数据和批量数据、还能支持数据增量写入。
传感器：随着后来汽车开始正式进入市场，人们需要更好的知道汽车是不是没油了、没水了，因此基础的传感器仪表盘被发明出来。
云原生下的可观察性
云原生带来的不仅仅是应用部署能够部署云上而已，其整个的定义是一套新的IT系统架构升级，包括开发模式、系统架构、部署模式、基础设施全套的演进和迭代。
