导读：本文主要分为三个部分：首先在概述中介绍可观测性的基础概念，重点涵盖 Logging、Metrics、Tracing 三大核心能力；接着详细说明函数计算中的 Logging、Metrics、Tracing 实践方法；最后结合几个常见业务场景，讲解如何在函数计算中快速定位问题、排查故障并高效解决问题。
概述
可观测性是什么？维基百科中给出的定义是：可观测性是通过外部表现来判断系统内部状态的一种衡量方式。
在应用开发与系统运维中，可观测性能够帮助我们了解系统内部的健康状态。当系统发生异常时，它可以协助开发者快速定位问题、排查故障、分析根因；当系统平稳运行时，它又可以帮助我们评估潜在风险，提前预测可能出现的问题。这个过程有些类似天气预报：如果预测明天会下雨，那么出门前就需要准备雨伞。在函数计算场景下，如果持续观察到函数并发度不断升高，往往意味着业务增长迅速，可能是市场推广带来的流量提升。为了避免并发度达到上限后触发流控，开发者就需要提前进行并发能力扩容与资源规划。
可观测性通常包括三个方面：Logging、Metrics、Tracing
- Logging 是日志，日志会记录函数运行过程中的关键事件与详细信息，这些信息通常是离散且具体的。结合错误日志与函数代码，开发者往往可以更快定位故障原因。
- Metrics 是指标，指标属于聚合后的数据，通常通过监控图表进行展示。图表中的 TPS、错误率、延迟等核心监控指标，能够直观反映函数的运行状态与系统健康度。
- Tracing 是链路追踪，属于请求级别的追踪能力。在分布式系统中，可以清晰看到请求经过各个模块的耗时情况，从而分析调用链路中的性能瓶颈。
函数计算中的 Logging/Metrics/Tracing
1. 日志
在函数计算中如何查看函数日志？在传统服务器开发模式下，通常会把日志写入磁盘文件，再通过日志采集工具统一收集；而在函数计算架构中，开发者无需维护底层服务器，那么代码中输出的日志又该如何采集和查看呢？
1）配置日志
函数计算与日志服务可以实现无缝集成，能够将函数运行日志准确写入开发者指定的日志仓库（Logstore）中。日志配置是服务配置中的重要组成部分，因此需要为服务提前配置好 LogProject 和 Logstore。完成配置后，同一服务下所有函数通过 stdout 输出的日志，都会被自动采集并写入对应的 Logstore。
2）记录日志
那么日志应该如何打印？在代码中直接使用 console.log/print 输出的内容能否被收集？答案是可以的。各类主流开发语言提供的日志输出方式，通常都会把内容打印到 stdout，例如 node.js 的 console.log()、python 的 print()、golang 的 fmt.Println() 等。函数计算会自动收集所有输出到 stdout 的日志，并统一上传到 Logstore 中。
函数计算的调用是基于请求维度的，每一次调用都对应一个独立请求，也对应一个唯一的 requestID。当请求量较大时，日志数量会迅速增长，如何判断哪些日志属于同一个请求？这时就需要把 requestID 一并记录到日志内容中。函数计算提供了内置日志语句，打印出的每条日志前都会自动附带请求 ID，方便开发者按请求进行日志筛选与问题排查。
3）查看日志
当函数日志被采集到日志服务的 Logstore 后，开发者可以登录日志服务控制台进行查看和检索。
同时，函数计算控制台也已经集成日志服务，因此也可以直接在函数计算控制台中查看日志。函数计算控制台目前提供两种常见查询方式：
- 简单查询：简单查询会按 requestID 展示对应日志，开发者可以基于 requestID 快速筛选相关日志内容；
- 高级查询：高级查询内嵌了日志服务能力，支持通过 SQL 语句进行更灵活、更精准的日志查询与分析。
点击链接观看 Demo 演示：https://developer.aliyun.com/lesson_2024_18996
2. 指标
查看指标的方式：
- **函数详情查看监控指标：**FC 提供了丰富的系统监控指标，通常无需额外配置，开发者即可直接在函数计算控制台中查看相关指标数据。
- **配置日志大盘：**日志大盘不仅能够展示函数计算内置的监控指标，还可以结合开发者自定义日志进行关联分析，进一步生成自定义监控指标与可视化报表。
3. 链路追踪
（请求在各个链路的延时瀑布图）
链路追踪是分布式系统问题排查中的重要能力之一，它可以帮助开发者分析请求在不同链路节点上的时延表现。常见情况包括以下几种：
- 函数计算作为整个调用链中的一个环节时，可以观察请求在函数计算中的时延情况，这部分时延既包括系统启动时间，也包括请求实际执行时间，从而帮助用户分析性能瓶颈与延迟来源。
- 在函数计算中调用 FC SDK 时，默认可以看到 SDK API 的调用时延，便于分析接口访问耗时。
- 当开发者在函数代码中访问数据库等云产品或外部服务时，也可以通过手动埋点的方式，对这部分调用时延进行链路分析。
问题排查
函数计算提供了丰富的可观测性能力，那么在实际生产环境中，究竟该如何快速定位问题？下面结合几个典型场景进行说明。
场景一：新版本发布后，函数错误率升高
版本发布完成后，首先要持续观察函数的各项监控指标。一旦发现错误率明显升高，应立即执行回滚以避免故障扩大；随后再结合函数日志进行分析，定位报错原因，修复问题后再重新上线。
场景二：函数性能较差，总是执行时间过长，甚至出现超时
可以开启 tracing 功能，并在函数内部可能耗时的关键位置进行埋点，通过查看请求的链路瀑布图，分析执行时间过长的具体原因，进而有针对性地优化性能并修复问题。
场景三：业务量快速增长，并发度即将接近并发限制
可以通过 metrics 查看当前并发度变化趋势，当观察到并发度持续上升时，应及时联系函数计算相关同学，提前提升并发度上限，保障业务稳定运行。
Serverless 公众号持续发布 Serverless 技术最新资讯，汇集全面的 Serverless 技术内容，关注 Serverless 发展趋势，也关注你在实际落地与实践过程中遇到的困惑与问题。
