Prometheus 作为云原生时代最流行的监控组件，已然成为社区监控事实上的标准，但是在多集群，大集群等场景下，只使用 Prometheus 是远远不够的；单集群场景下我们一般主要关注指标采集、存储、告警、可视化等基础监控能力，随着集群规模的增大，监控系统的弹性以及可扩展性成为首要解决的痛点问题，为此社区诞生了 Thanos、Cortex、Prometheus 联邦等一系列成熟的解决方案，我们也通过自研的 Kvass 解决方案，通过将服务发现与采集过程分离，以及自研的任务分片算法，无侵入式的支持采集任务横向扩展，满足大规模集群场景下的采集和监控需求。在分布式云场景下，用户集群往往采用混合多云多集群的部署架构，集群的地理位置更加分散，网络环境更加复杂，为此我们也在寻找一种新的方案来统一解决此类问题。本文以腾讯云跨账号集群统一监控为例，介绍分布式云下的多集群监控方案的最佳实践。
Serverless 架构与 CI/CD 工具的结合 CI/CD 是一种通过在应用开发阶段引入自动化流程以频繁向客户交付应用的方法。如图所示，CI/CD 的核心概念是持续集成、持续交付和持续部署。 作为一个面向开发和运营团队的解决方案，CI/CD 主要针对集成新代码时所引发的问题。具体而言，CI/CD 可以让持续自动化和持续监控贯穿于应用的整个生命周期（从集成、测试阶段到交付和部署阶段）。这些关联的事务通常被统称为“CI/CD 管道”，由开发和运维团队以敏捷方式协同支持。
微服务架构的快速发展使得分布式链路追踪系统成为观测体系中越来越重要的组件。字节跳动的分布式链路追踪系统经历了数年的发展后，已覆盖了字节的绝大部分在线业务，完成了对数万微服务和数百万微服务实例的在线链路追踪。在经典的指标观测分析和单请求链路追踪的基础上，如何从浩瀚如海的分布式链路数据中进一步挖掘出更高层次的信息，为业务的架构优化、服务治理、成本优化等场景提供更高效的数据支持，成为了下一步亟待回答的问题。 本次分享主要介绍我们构建海量链路数据分析计算系统的实践经验，以及一些具体的落地场景。
在中国信通院、腾讯云、FinOps产业标准工作组联合发起的《原动力x云原生正发声 降本增效大讲堂》系列直播活动上，作业帮基础架构负责人董晓聪分享了作业帮的云原生降本增效实践。本文整理自董晓聪的分享。
Karmada作为开源的云原生多云容器编排项目，吸引了众多企业共同参与项目开发，并运行于生产环境中。同时多云也逐步成为数据中心建设的基础架构，多区域容灾与多活、大规模多集群管理、跨云弹性与迁移等场景推动云原生多云相关技术的快速发展。
IDC 预计到 2024 年，由于采用了微服务、容器、动态编排和 DevOps 等技术，新增的生产级云原生应用在新应用的占比将从 2020 年的 10% 增加到 60%，其中微服务的 workload 在企业内将超过 80% 。上面的四点是云原生时代所代表的四个核心技术。其中，我们的开发同学可能对于微服务比较热衷，从近几年的趋势来看，Java 领域的微服务框架日趋成熟，和云原生的结合也越来越紧密。从 EDAS 中的数据来看，Spring Cloud + Kubernetes 基本上已经成为了微服务架构形态下的主流配搭。但是另外一个数据让我产生了更多的好奇，就是目前在云原生场景下有过微服务生产经验的开发人员不足 8% 。为什么会是这个样子？我觉得主要原因有两个：
