Cloud Native Computing Foundation
·
工具已经准备好。那么为什么大多数云原生团队仍在使用三个可观察性栈？
内容提要
2026年2月的调查显示，尽管云原生可观察性工具已成熟，46.7%的组织仍在使用多个工具，只有7.4%实现统一体验。主要挑战在于工具的配置和维护复杂性，而非功能缺失。59.5%的受访者希望AI辅助的异常检测，48.3%希望保持人工监督。集成质量是团队更换工具的主要原因。整体来看，云原生可观察性生态系统良好，但技术可能性与实际部署之间仍需缩小差距。
关键要点
-
2026年2月的调查显示，46.7%的组织仍在使用多个可观察性工具，只有7.4%实现统一体验。
-
工具的配置和维护复杂性是主要挑战，而非功能缺失。
-
54%的受访者认为仪表板和警报配置是最大的设置挑战，46.4%认为集成复杂性是主要问题。
-
59.5%的受访者希望AI辅助的异常检测，48.3%希望保持人工监督。
-
81%的团队对当前的可观察性设置感到满意，但63%仍然愿意更换工具，主要原因是集成质量。
-
社区应投资于改善默认配置和参考架构，以降低时间价值，帮助团队实现统一的可观察性体验。
延伸解读
工具碎片化的现状
尽管云原生可观察性工具已经成熟，46.7%的组织仍在使用多个工具。这表明，团队在工具选择上面临组织和操作上的挑战，而非功能缺失。为了实现统一的可观察性体验，团队需要更好地整合现有工具，减少碎片化带来的复杂性。
配置与维护的挑战
调查显示，54%的受访者认为仪表板和警报配置是最大的设置挑战。这表明，尽管工具功能强大，但实际使用中配置的复杂性仍然是主要障碍。社区应关注改善默认配置，以降低团队的时间成本和维护难度。
AI辅助可观察性的需求
59.5%的受访者希望引入AI辅助的异常检测，但48.3%的人仍希望保持人工监督。这反映出团队对AI的期望是希望提高效率，同时又不希望完全依赖自动化，强调了人机协作的重要性。
集成质量的重要性
尽管81%的团队对当前的可观察性设置感到满意，63%仍愿意更换工具，主要原因是集成质量。高质量的集成能够降低切换成本，增强工具的互操作性，团队在选择工具时应重视这一点，以确保长期的可持续性。
延伸问答
为什么许多云原生团队仍在使用多个可观察性工具？
46.7%的组织仍在使用多个可观察性工具，主要是由于工具配置和维护的复杂性，而非功能缺失。
调查中提到的主要设置挑战是什么？
54%的受访者认为仪表板和警报配置是最大的设置挑战，其次是集成复杂性和数据管道设置。
受访者对AI辅助的可观察性工具有什么需求？
59.5%的受访者希望AI辅助的异常检测，48.3%希望保持人工监督，以确保在自动化之前有人为干预。
团队更换可观察性工具的主要原因是什么？
63%的团队愿意更换工具，主要原因是集成质量不佳。
云原生可观察性生态系统的现状如何？
整体来看，云原生可观察性生态系统良好，但技术可能性与实际部署之间仍需缩小差距。
社区应如何改善可观察性工具的使用体验？
社区应投资于改善默认配置和参考架构，以降低时间价值，帮助团队实现统一的可观察性体验。
