用积木讲运维，这样的IT人太会了

积木的拼搭，是件细致工作。用不同的积木，进行组合变换，小孩子可能会用积木搭高楼、搭汽车、搭公路，而IT人则选择通过搭建小积木，讲解可观测的大乾坤。

大家所熟知的日志服务SLS不只是“日志存储”，更是一个一站式智能运维方案、可观测平台。它提供数据采集、加工、分析、告警可视化与投递功能，为AIOps、大数据分析、运营服务、大数据安全等场景提供支撑，并能以搭积木的方式适配各类运维场景，辅助企业的IT决策。

近日，日志服务SLS新增了两项重磅功能，有助于进一步提升研发、运维等场景数字化能力。

一、日志服务架构的五大层级

相关报告指出，可观测性应用使企业机构能够利用其数据特征来获得竞争优势。如果能够在战略中予以规划并成功执行，可观测性应用将成为数据驱动型决策的最强大来源。

从架构上来看，日志服务SLS作为一站式的云原生可观测分析平台，按功能可划分为5大层级。最底层是数据采集与管道，再上一层是统一的可观测存储平台；然后是灵活的高性能计算引擎、智能化的Ops平台工具；最上层为各种开箱即用的功能。

1、数据采集与管道

业内公认，Log、Metric、Trace是全观测的三大支柱，通过搭建统一的观测系统，帮助运维人员在「事前」了解系统运行状态，「事中」快速定位故障，「事后」根因分析，做到进退有方，心中不慌。

SLS作为阿里巴巴、蚂蚁等日志中台产品，可以承载流量管道作用，为Log/Metric/Trace等数据提供大规模、低成本、实时平台化服务。

2、可观测存储平台

针对不同类型的数据，SLS提供了统一的存储能力，日志中枢（LogHub）支持与各种实时计算及服务对接，不但可以提供完整的进度监控，报警等功能，还能根据SDK/API实现自定义消费。此外，SLS具备强大的数据加工能力，广泛适用于数据的规整、富化、分发、汇总、重建索引等场景。

为了降低用户长周期存储的成本，SLS提供了冷存储功能。冷存储数据的存储费用很低，冷热数据转换也不会产生费用。

3、高性能计算引擎

SLS有不少互联网及企业客户，他们的业务系统会实时生成大量的埋点日志数据，这些数据往往需要长期保存，并且有离线计算或者实时计算的需求。

为了更好地服务这些客户， SLS提供了基于索引的高性能查询/分析能力，10亿级数据能够实现秒级返回。在语法上，SLS完全兼容SQL92标准，同时无缝对接主流(Flink、Spark、Storm等）流计算产品。

4、智能化的 Ops 平台工具

SLS支持完整AIOps能力，能将可观测性数据全部接入一个平台中，再结合高性能数据查询引擎、关联分析能力，构建出一套云原生可观测平台。

用户可以基于此平台，便捷高效地构建ITOps、SecOps、FinOps上层应用。再结合智能告警与响应中枢、基于AI的数据分析与异常巡检模块，企业IT系统神经中枢就大功告成了。

5、开箱即用的应用

SLS具备全托管、免运维，开箱即用的特性，提供DSL编排能力，内置200+函数，内置算子，能够快速实现二次开发。

Cloud Lens 复用了SLS 的存储分析平台，可以跨账号、跨区域统一采集访问日志、用量数据、监控指标等可观测数据，继而创建一个统一的场景化洞察大盘，帮助用户低门槛实现对云产品的可观测。

二、日志服务新增查询型规格以及Scan扫描模式

SLS现有的标准型规格（Standard Logstore），包含了SLS的完整功能集合，用户可以在标准型规格上实现对于数据的高性能查询与分析，进而用来适应各类业务场景。但实际上部分用户的业务场景并不倚重于分析能力，更多的还是依赖查询解决问题。

哲学家老子曾说大道至简，同样地，产品也需要因事制宜做“减法”。因此，SLS新推出了查询型规格（Query Logstore），据统计，查询型规格索引流量费用相比标准型规格减少约72%，综合成本预计降低30% ，支持高性能查询，不支持分析统计。适合于debugging、问题诊断和审计溯源等重查询轻（或无）分析的场景

在同一个project下，可以同时保有标准型及查询型规格Logstore，用户可根据不同业务需求灵活组合。SLS Query规格还支持存储冷热分层，在兼容查询功能的同时进一步降低成本。

在查询型规格之外，SLS今年在计算引擎上也实现了重大突破。索引查询/分析模式是一种schema-on-write的模式，更注重稳定和效率，相对应的需要提前建立索引，没有索引的字段就无法用于做查询分析，适用于明确有业务需求的日志字段。但是对于需求相对模糊的部分，往往会让用户陷入是应该注重业务需求提前建索引，还是应该平衡成本的纠结中。