借助 Elastic、Google 云 和 Kyndryl 实现端到端 SAP Observability：深入探讨
内容提要
Elastic、Google Cloud与Kyndryl合作推出端到端SAP可观测方案，通过Kibana统一监控云与混合基础设施、SAP机器层、应用层及业务分析四层。方案整合Elastic Agent、Google Cloud SAP代理和Kyndryl自定义连接器，采集日志、指标与追踪数据，支持AI驱动根因分析、性能瓶颈定位及业务数据关联，助力企业快速排障并优化决策。
延伸解读
四层可观测性架构的协同价值
该方案将SAP监控划分为云与混合基础设施、机器层、应用层和业务分析四个层级，每层由不同组件负责：Elastic Agent采集基础设施数据，Google Cloud的Agent for SAP收集机器层指标，Kyndryl自定义连接器获取应用层数据，业务分析则通过BigQuery等实现。这种分层设计使问题定位可以跨层关联，例如从基础设施瓶颈追溯到业务影响，避免了传统工具的数据孤岛。
AI驱动根因分析的实现路径
文章通过一个响应时间异常的示例，展示了如何利用Kibana仪表板发现上午8:30左右约5秒的响应时间异常，并进一步分解出滚动等待时间超过3.5秒是主因，这通常指向网络问题。Elastic的AI驱动工具能够关联事件、识别异常模式，帮助SRE快速定位根本原因。这种能力依赖于各层采集的日志、指标和追踪数据的统一存储与搜索。
业务数据与IT监控的关联分析
方案强调将业务分析纳入可观测性，通过Google Cloud Cortex框架和LT Replication Server将SAP数据近实时复制到BigQuery，再通过Dataflow模板导入Elasticsearch。这使得IT性能问题可以与生产进度、交付时间、销售数据波动等业务指标关联，例如识别应用程序性能问题与业务波动的相关性，从而支持数据驱动的决策，而不仅仅是技术排障。
实施复杂性与替代方案
文章指出构建全面SAP监控方案并非易事，需要多个组件协同：SAP实例上安装Filebeat代理，Kyndryl的Java应用程序通过SAP Java连接器获取性能指标并生成CSV文件，再由Filebeat发送至Elasticsearch。同时，也提供了替代方案，如使用Elasticsearch Java API直接发送指标，或通过Confluent Kafka connector等将业务数据流式传输到Elasticsearch，以适应不同的数据仓库策略或架构。
Q&A
Elastic、Google Cloud 和 Kyndryl 合作推出的 SAP 可观测方案覆盖了哪四个层级？
该方案通过 Kibana 提供 SAP 生态系统的全面视图，涵盖四个层级：1. 云和混合基础架构；2. SAP 工作负载的机器层；3. SAP 工作负载的应用层；4. 业务分析层。
Elastic Agent 在 SAP 可观测方案中扮演什么角色？
Elastic Agent 是数据收集和解析的核心组件，它简化了数据收集，并在 Kibana 中提供预构建仪表板。它支持从各种 Google Cloud 服务（如存储、VM、Kubernetes、VPC、防火墙、DNS、函数和 Pub/Sub）摄取日志、指标和追踪数据。此外，它还可作为端点保护工具，利用机器学习进行实时恶意软件检测、漏洞扫描和安全策略执行。通过 Fleet 集中管理 UI，可以轻松监管分布式代理。
Google Cloud 的 Agent for SAP 有什么作用？
Google Cloud 的 Agent for SAP 是一款多功能工具，用于增强对运行在 Compute Engine 和裸机实例（Linux 或 Windows）上的 SAP 工作负载的监控和管理。它收集 SAP Host Agent 指标（如 CPU、内存、磁盘、网络等），支持进程监测指标和工作负载管理器验证指标，并将数据发送至 SAP Host Agent 和 Google Cloud Monitoring。
Kyndryl 为 SAP 应用层可观测性提供了什么解决方案？
Kyndryl 构建了一个自定义连接器，用于将 SAP 应用程序数据摄取到 Elastic 中。它能够生成关于应用程序健康状况和用户体验的见解，包括用户活动、审计日志、后台作业性能和 SAP 流程执行指标。通过可视化、仪表板和机器学习任务，可以将原始数据转化为可操作的情报，帮助诊断问题、识别性能瓶颈。
如何将 SAP 业务数据集成到 Google BigQuery 进行分析？
通过 Google Cloud Cortex 框架，利用 Landscape Transformation Replication Server (LT Replication Server) 中的 BigQuery SAP 连接器，可以实现 SAP 数据到 BigQuery 的近实时复制。BigQuery 提供无服务器架构和可扩展的分布式分析引擎，并带有针对 SAP 的预构建数据模型，便于对海量 SAP 数据运行查询并与其他来源集成。
该方案如何帮助进行根因分析和性能瓶颈定位？
该方案通过 AI 驱动的工具分析中断，查找根本原因、关联事件并识别异常模式。例如，通过 SAP 响应时间仪表板可以发现异常响应时间，并分解出滚动等待时间过高，从而指示网络问题，进而利用 Elastic 更广泛的可观测性解决方案继续调查并快速解决。
