从 Prometheus 到 ARMS：我们如何在阿里云上简化多层应用的可观测性

Source: Dev.to

如果你曾因调试跨微服务的延迟峰值而失眠，你就会知道可观测性不仅仅是指标——它关乎上下文。

几个月来，我的团队在阿里云上使用 ACK（Alibaba Cloud Container Service for Kubernetes）上的 Prometheus 运行一个多层 SaaS 应用。它一直运行良好——直到扩展需求、工具碎片化以及告警疲劳逐渐显现。

我们最近迁移到了 Application Real‑Time Monitoring Service (ARMS)，阿里云的托管可观测性平台。结果如何？事件解决速度提升 40 %，运维开销大幅降低，并且能够在整个技术栈上获得统一视图。

为什么我们触碰到 Prometheus 的限制

Prometheus 在指标方面非常出色——但在生产级、多环境的部署中，我们不断碰壁：

• 运维负担 – 在各集群间管理高可用 Prometheus、存储、保留策略以及抓取配置占用了大量工程师时间。
• 缺乏端到端可视化 – 指标在 Prometheus，日志在另一个系统，追踪在再另一个系统。将前端响应变慢与数据库查询慢关联起来需要手动侦查。
• 扩展不可预测 – 在流量高峰时我们要么过度配置（浪费资金），要么面临指标缺失的风险。
• 噪声大、上下文缺失的告警 – “CPU 高”或“API 错误率上升”，却不知道 哪个服务 或 哪个依赖 是根本原因。

我们需要一种能够在同一位置提供 指标 + 追踪 + 日志，且维护工作最小化的方案。

为什么选择 ARMS

ARMS 不仅仅是 “Prometheus‑as‑a‑service”。它是一个 统一的可观测性平台，支持：

• 完整的 Prometheus 远程写入/拉取兼容性
• 自动发现云资源（Kubernetes 工作负载、负载均衡器、托管数据库等）
• 内置分布式追踪（支持 Java、Python、Go 等语言的自动注入）
• 与阿里云服务深度集成——无需额外代理或复杂网络配置

最重要的是：我们不必放弃已有的投入。ARMS 在摄取我们现有的 Prometheus 指标的同时，还加入了底层云基础设施的更深层次上下文。

我们的迁移策略：安全且渐进

我们没有“一键切换”。可观测性对业务至关重要。以下是我们的分阶段方法：

1. Parallel ingestion – 配置 ARMS 通过 Prometheus remote write 接收指标——相同的 exporter、相同的指标。
2. Validation period – 同时运行两个系统两周，比较仪表盘、告警准确性和数据完整性。
3. Gradual cutover – 将 Grafana 仪表盘切换为使用 ARMS 作为数据源，然后迁移告警规则。
4. Decommission – 确信后，缩减自管的 Prometheus 集群并回收资源。

零停机。风险最小。

💡 Pro tip: 小技巧：先使用 ARMS 的 Prometheus Monitoring 模式——如果你已经在使用 Prometheus，这是最温和的上手方式。

Observability Across All Tiers—Finally

我们的技术栈涵盖：

• 前端（CDN + OSS 上的静态资源）
• API 网关（通过应用负载均衡器）
• 无状态微服务（在 ACK 上）
• 缓存层（托管 Redis）
• 持久存储（托管 PostgreSQL）

在使用 ARMS 之前，回答 “为什么结账慢？” 需要在三个以上的工具之间切换。

现在，在 单一的 ARMS 仪表盘 中，我们可以看到：

• 前端性能（真实用户指标）
• API 延迟和错误率
• 带有实时追踪的服务依赖图
• 自动关联到调用服务的慢查询数据库

这已经不再是“收集数据”，而是 理解行为。

重要成果

• 40 % 的平均解决时间（MTTR）降低
• 减少 60 % 用于管理可观测性基础设施的时间
• 警报更少但 信号更强（带有服务级别上下文）
• 更快的入职——新工程师通过 ARMS 探索系统，而不是部落知识

如果您正在考虑类似的迁移

• 使用 ARMS 的 Prometheus‑compatible endpoint，避免配置重写。
• 启用 Application Monitoring 进行自动探针——只需添加少量 JVM 参数或 SDK 调用。
• 设置 RAM roles（Alibaba Cloud 的 IAM），实现安全、免凭证访问。
• 仍然需要推送自定义指标吗？ARMS 支持 OpenTelemetry 和 Prometheus 客户端库。

最终思考

这不仅仅是一次工具更换——它标志着从 被动监控 到 主动洞察 的转变。通过采用托管的、云原生的可观测性平台，我们重新拥有了周末，并且把 SLO 控制在可管理的范围内。

如果你在 Kubernetes 上运行 Prometheus 并且感受到扩展的痛点，也许是时候探索统一可观测性平台能为你的团队带来什么——无论你使用哪家云提供商。