共计 4673 个字符，预计需要花费 12 分钟才能阅读完成。
简介： 随着核桃编程业务的快速增长，外围利用的零碎规模和零碎复杂度也在经验天翻地覆的变动。核桃技术团队一直通过新兴的技术手段保护整套零碎架构的技术先进性。在 3 年工夫里，技术团队至多对整体零碎架构进行了 6 次以上的重大重构，波及微服务化、容器化、分布式数据库等重要的技术，并尝试通过 Serverless 技术晋升零碎的弹性伸缩能力。在疫情期间，当零碎负荷出现数倍突增的状况下，核桃编程的零碎架构仍然禁受住了考验。
作者|山猎
依据《中国少儿编程行业钻研报告》及《2017-2023 年中国少儿编程市场剖析预测钻研报告》预测得出，少儿编程无望在 3-5 年内，达到少儿英语市场规模的一半，即 500 亿左右，发展前景广大。
在信息化时代的明天，人工智能给人们带来了巨大变化，新时代的家长处于互联网时代，与上一代的家长思维产生较大的变动，可能重视孩子的素质教育，重视造就孩子人工智能方向的能力。少儿编程教育就是在这样的背景下疾速倒退起来。
核桃编程是少儿编程教育行业的领导者，致力于以科技伎俩促成编程教育，通过人工智能、自适应学习等先进技术和迷信的教育办法，启发中国孩子的学习能力。自 2017 年 8 月成立以来，核桃编程的业务量飞速发展，仅仅 3 年工夫付费学员人数就冲破了 200 万，并实现了单月营收过亿。
随着核桃编程业务的快速增长，外围利用的零碎规模和零碎复杂度也在经验天翻地覆的变动。核桃技术团队一直通过新兴的技术手段保护整套零碎架构的技术先进性。在 3 年工夫里，技术团队至多对整体零碎架构进行了 6 次以上的重大重构，波及微服务化、容器化、分布式数据库等重要的技术，并尝试通过 Serverless 技术晋升零碎的弹性伸缩能力。在疫情期间，当零碎负荷出现数倍突增的状况下，核桃编程的零碎架构仍然禁受住了考验。
随着零碎架构从简略变得复杂，有一个在互联网畛域老大难的问题也逐渐在核桃编程中体现进去：如何晋升分布式系统的可观测性？在线上编程教学场景外面，用户一个简略的操作，就有可能波及到前后端系统的屡次交互，以及多个服务端微服务利用之间的互相调用，甚至还会受到第三方服务接口的影响。任何一个环节呈现故障或者性能瓶颈，都会导致用户体验的断崖式上涨，而用户体验又是决定品牌形象的外围因素，所以对于核桃技术团队而言，保障优良的用户体验须要在零碎可观测性建设上做到这几个方面：
- 全面而且实时的理解零碎每一个对外接口的性能品质。
- 通过数据把握最终用户与零碎交互时感触到的零碎衰弱水平。
- 当零碎衰弱水平存在问题时，技术团队能第一工夫发现问题，并及时处理。
- 解决问题时，能迅速定位到零碎瓶颈和故障源。
任何一个技术团队要想围绕着这几个方面，从零开始建设分布式可观测体系，都是一项十分艰巨的工作，好在业界对于分布式可观测性的建设，曾经有了不少成熟的方法论以及开源我的项目能够参考。
业界宽泛认可的可观测性（observability）蕴含三个外围因素：Logging（离散的日志信息）、Metrics（聚合的指标）、Distributed Tracing（分布式追踪）。围绕这三个外围因素，有不少开源我的项目能够进行抉择，帮忙开发者疾速建设分布式可观测体系。
通过引入 Skywalking，Prometheus 等开源技术，核桃技术团队建设了残缺的分布式可观测体系，可能对服务端简单的微服务利用实现全链路追踪，并通过对立的日志服务体系收集剖析业务日志。这样的致力对于零碎稳定性以及用户体验的晋升是空谷传声的：当零碎服务端的任何一个环节呈现故障或性能瓶颈的时候，技术团队都能第一工夫失去告诉，并疾速定位问题，进行针对性解决。
绝对于成熟的服务端监控技术，整个业界在客户端监控畛域的技术计划始终比拟欠缺。在互联网上，海量的用户应用不同厂家、不同操作系统、不同屏幕分辨率的终端设备，散布在不同的地区，又通过不同的网络运营商进行接入，甚至存在简单的第三方依赖，包含 CDN、第三方统计脚本、页面嵌套等方面。当用户体验遇到问题的时候，如果仅仅领有服务端监控伎俩，很难第一工夫确认问题的本源到底在于前端还是后端。即使可能排除服务端的问题，前端用户体验也受到页面渲染、JavaScript 执行、网络品质、第三方接口服务质量等方面的影响，为进一步排查问题留下了十分多的挑战。
一个简略的思路是通过前端 JavaScript 做自定义的埋点，将最终用户的各种行为实时上报给服务端进行统计，以第一工夫理解到用户体验。这个思路自身是正当的，但业务埋点、数据采集、聚合剖析、视图展示等层面都有十分多的工作须要做，是一个盛大的工程。绝大多数技术团队而言，投入如此多的精力来建设这样一套前端监控计划都是不事实的。
建设前端可观测体系，最好的捷径是参考互联网畛域头部企业的案例，抉择云计算厂商提供的残缺计划。阿里巴巴多年实战积攒了一套全团体对立的前端监控计划，并凋谢给各个事业部接入。对于以 HTML 页面模式出现的前端利用，不论是 PC 端 / 挪动端网站，嵌入到挪动端 App 的 HTML5 页面，都能够通过无侵入的形式接入到这套前端监控计划中。
这套监控计划也同时通过阿里云对外输入，成为阿里云可观测性整体计划的重要组成部分，服务于宽广的内部用户。
在客户端监控畛域，包含 ARMS 前端监控和 APP 监控两个产品，其中 ARMS 前端监控专一于 Web 端体验数据监控，从页面关上速度、页面稳定性和内部服务调用成功率这三个方面监测 Web 页面的衰弱度，帮忙使用者升高页面加载工夫、缩小 JS 谬误，无效晋升用户体验。
这套计划正好能补齐核桃编程在客户端监控畛域的能力缺失，所以核桃技术团队尝试在一些业务线接入阿里云 ARMS 前端监控。很快，他们就感触到了这套计划对于晋升用户体验所带来的价值。
ARMS 前端监控计划之所以能被核桃编程驳回，有一个很重要的起因是计划的接入是非常简单的，惟一要做的事件是在客户端 HTML 页面的 Body 元素中退出一段由 ARMS 提供的统计接入脚本（一段 Java Script 代码），就能实现监控数据的主动上报。这其中不波及到任何跟业务层被动埋点的工作，在核桃编程的多条业务线之间推广起来是十分顺利的。基于之前的教训，但凡须要在业务层被动埋点的监控计划，都须要通过行政伎俩来保障多个研发团队在编写代码的时候恪守既定的规定，这样的形式从长期来看都是很难落地的。包含在服务端全链路监控方面，核桃编程也始终遵循业务无侵入的思路，防止被动埋点行为。
接下来，研发人员就能从前端监控控制台全面理解利用端到端的衰弱水平，包含 PV/UV 状况统计、页面加载速度状况、JavaScript 执行状况，API 申请成功率等多个方面。以页面加载速度为例，ARMS 能够基于客户端主动上报的监控数据，实时展现每一个页面的加载状况。
其中，首次渲染工夫、首屏工夫、Dom Ready 等指标都是 HTML 页面独有的性能指标，遵循业务规范的指标定义。这些指标数据和前端页面衰弱水平非亲非故，影响着最终用户每一次交互行为的理论体验。
通过页面加载瀑布图，可能依照页面加载的程序，直观地展现各阶段的耗时状况。这些指标参数涵盖了网络层面的性能指标，当网络层面呈现性能瓶颈，比方利用零碎的接入带宽不能撑持用户拜访流量的时候，仅仅通过服务端的监控伎俩，是无奈洞察到的，必须依赖于客户端的实时监控数据上报。通过 ARMS 前端监控，核桃编程能从页面生产时（服务器端状态）、页面加载时和页面运行时这三个方面，全面理解到每一个利用零碎端到端的衰弱水平。
特地重要的是，ARMS 前端监控可能从地理位置、浏览器、操作系统、分辨率、网络运营商、利用版本等多个保护，对性能指标进行聚合剖析，从而帮忙核桃编程更好地定位性能瓶颈。
JavaScript 谬误剖析和 API 申请剖析也是核桃编程在利用零碎的日常保护中十分关怀的页面衰弱度指标。前者能够展现 JavaScript 谬误的根本信息和散布状况，并具备回溯用户行为的能力。后者能够展现每个 API 的调用状况，包含调用成功率、返回信息、调用胜利或失败的均匀耗时等。以后端页面齐全载入后，用户的操作会波及到简单的 JavaScript 执行，并在页面触发多个 API 调用，其中还包含对第三方提供的接口调用。
ARMS 可能从最终用户的角度，实在还原前端代码执行的残缺现场，帮忙核桃编程疾速定位来自前端的故障源。和页面加载速度统计一样，JavaScript 谬误剖析和 API 申请剖析都可能通过地理位置、浏览器等多种维度进行聚合剖析。在线上编程教育的业务场景外面，客户端的实现蕴含着大量业务逻辑以及云端之间的双向交互，有一些问题只有在特定的浏览器和页面分辨率下才有可能裸露进去，这类问题就特地依赖多维度聚合剖析进行排查。
在熟练掌握 ARMS 提供的前端可观测性能力之后，核桃编程开始把前端页面衰弱度指标作为日常业务迭代的检测规范，这项工作是通过与所有业务线的灰度公布打算相互配合而进行的。对于生产环境的每一次版本升级，核桃编程都会通过灰度公布的形式实现，先将小规模的用户流量导入新版本进行功能性、稳定性、衰弱性验证，只有满足事后定义的各项指标后，才会逐渐减少导入新版本的用户流量，否则会立刻对版本进行回滚。前端衰弱度的各种指标都是十分重要的掂量维度，而这些指标仅仅通过版本公布前的惯例测试伎俩，是没有方法全面采集到的。核桃编程将前端衰弱度纳入业务迭代的衡量标准，体现着业务迭代过程中的可灰度、可观测、可回滚，这也是在阿里巴巴广为推崇的平安生产三板斧准则。
除了通过 ARMS 控制台被动的察看剖析，把握各项前端业务指标之外，更重要的事件是在遇到用户体验问题时，如何第一工夫失去告诉和告警，防患于未然。这个诉求通过 ARMS 欠缺的报警机制能够轻松实现。核桃基于本身对前端衰弱度的了解，以及业界通用的方法论，创立了多种维度的报警规定，比方“最近 5 分钟内均匀页面首次渲染耗时大于 1 秒”等。当规定被触发时，零碎会以预先指定的报警形式向报警联系人分组发送报警信息，以揭示技术团队及时解决。这些报警规定再配合上对生产故障的分级分类定义，可能帮忙核桃技术团队建设一整套生产故障应答机制，真正实现实线上问题 5 分钟内发现，10 分钟内隔离，30 分钟内解决。
核桃编程还积极探索前后端对立链路追踪技术，将 API 申请从前端收回到后端调用的链路串联起来，实在还原代码执行的残缺现场。这是通过对前端 API 申请主动注入 Trace 信息而实现，ARMS 前端监控可能在容许 API 主动上报的前提下，在 API 申请的 Request Header 中退出主动生成的 TraceID，作为串联前后端链路的标识。这样通过调用的时间轴，能够晓得是网络传输还是后端调用导致申请耗时工夫过长，进一步通过后端利用的线程分析性能，能够洞察每次申请后端的残缺调用链路，对于排查系统故障和性能瓶颈带来了十分大的帮忙。
欠缺的前端可观测体系在帮忙核桃编程缩小了 30% 以上的运维工作量的同时，还缩短了 60% 以上的故障定位均匀耗时，极大地晋升了用户体验，为业务继续倒退打下了松软的根底。核桃技术团队将基于本身的技术特点，持续摸索更多前沿的云原生技术，充沛享受云计算带来的红利。
版权申明： 本文内容由阿里云实名注册用户自发奉献，版权归原作者所有，阿里云开发者社区不领有其著作权，亦不承当相应法律责任。具体规定请查看《阿里云开发者社区用户服务协定》和《阿里云开发者社区知识产权爱护指引》。如果您发现本社区中有涉嫌剽窃的内容，填写侵权投诉表单进行举报，一经查实，本社区将立即删除涉嫌侵权内容。
