随着微服务架构的逐渐普及，服务的可观测性越来越被重视。Metric、Logging、Tracing 作为可观测性的三大组成部分，在腾讯各个业务场景以及合作伙伴的业务中都有非常广泛的应用。本次演讲将分享万亿甚至十万亿级的数据量级下，腾讯在云原生可观测领域的思考与实践。

演讲提纲：

1. 鉴古知今：10 年前的 QQ 是如何实现可观测的？

• QQ 后台监控体系
  • 即时通信软件后台整体架构
  • 消息的可靠性如何监控？
  • 多终端消息一致性如何监控？
  • 群消息 Pull Or Push？监控系统来出招
  • 跨地域，跨机房，跨运营商的自动化收发消息探测
• Monitor 系统架构解析

2. 腾讯可观测系统发展史

• 变与不变：从单体系统监控到微服务可观测，变化在哪里
  • 数据量爆发式增长：从 Schema On Read 到 Schema On Write
  • 计算与存储分离：从 Map-Reduce 到实时流处理
  • 协议标准化：从私有协议(模调)到开源分布式追踪协议
• 拥抱云原生：协议对齐开源 OpenTelemetry，后台架构升级

3. 海量监控数据实时处理

• 背景：云上监控数据的爆发式增长
• 接入层高可用：日均 10 万亿+数据接入层架构设计
• 快慢分离：延时数据处理
• 采样的艺术：SDK 延时采样与Flink尾部采样
• Schema On Write：级联计算性能优化

4. 可观测系统存储层架构设计

• 背景：越来越多元化的查询场景需要异构存储，单一存储无法满足功能和性能
• 统一查询协议：Query Engine 架构介绍
• 追求极致：ElasticSearch 在时序数据场景的优化
• 异构存储：Metric、Logging、Tracing多场景下的存储优化方案 

5. 总结与展望

• 案例分享
• 未来的技术挑战
  • 告警规则更灵活，告警检测性能要求更高
  • 更大的数据规模，更高的流处理实时性要求
  • 更灵活的数据查询性能（内存级时序数据库）

你将获得：

• 了解腾讯可观测系统发展历史以及未来的发展趋势
• 了解腾讯在可观测领域的技术实践
• 了解腾讯监控数据实时处理架构设计
• 了解腾讯可观测系统存储引擎架构设计