上周六 8 月 24 日，GreptimeDB 携手 DeepFlow “云上全链路可观测技术沙龙”主题 meetup 在广州成功举办。

随着对整合分析不同类型的可观测数据以获得更全面业务洞察的需求不断增加，各类可观测数据的存储需求也在不断演变。本次活动聚焦可观测领域，来自 DeepFlow，Greptime，腾讯云等多位可观测领域行业专家一起深入探讨了可观测领域的创新技术解决方案，带来了多场技术议题及一个圆桌主题交流，包括分布式数据库的零侵扰可观测性，Prometheus 可扩展方法等。

活动现场氛围热烈，吸引了众多技术爱好者积极参与，下面让我们一起回顾本次活动的精彩看点。

现场回顾

本次活动包括了 5 场演讲和 1 个圆桌交流，多位专家和大家分享了关于可观测领域的技术方案，观众也频频发问，现场互动氛围良好。

01 实现分布式数据库的零侵扰可观测性

讲师：李倩，云杉网络 DeepFlow高级产品经理

分布式数据库为业务提供弹性的同时，复杂度也显著增大，日常运维保障和功能迭代都需要依赖良好的可观测性建设。传统的插桩方案对数据库这类基础设施存在着性能影响大、难以热加载等缺点。DeepFlow 基于 eBPF 的零侵扰可观测性能实现分布式数据库的全链路追踪和全栈性能剖析，为运维和开发提供强有力的可观测性能力支撑。本次分享以 TiDB 和 GreptimeDB 为例，介绍了 DeepFlow 对分布式 OLTP、OLAP 数据库的零侵扰可观测性实践。

演讲亮点：

分布式数据库的可观测性痛点
DeepFlow 基于 eBPF 的三大核心特性
分布式 OLTP 的零侵扰可观测性实践 —— TiDB
分布式 OLAP 的零侵扰可观测性实践 —— GreptimeDB

02 GreptimeDB 日志引擎设计原理揭秘

讲师：钟镇炽，Greptime 高级研发工程师

GreptimeDB 是一款完全分布式的云原生时序数据库，最新版本新增了对日志数据的转换、存储和检索功能，进一步提升了其可观测性能力。本次主题分享了 GreptimeDB 最新日志引擎的设计、实现及其实际应用。

演讲亮点：

GreptimeDB 监控领域的统一解决方案
日志存储和查询性能表现
日志接口和使用方法
日志存储原理解析

03 使用 eBPF 实现开箱即用的持续剖析能力

讲师：向阳，云杉网络技术 VP／DeepFlow 社区负责人

使用 eBPF 可以实现零侵扰的持续剖析，并能够与分布式追踪数据自动关联。本次分享介绍了 DeepFlow v6.6.3 正式开源的 AutoProfiling 能力，讲解了从 C/C++/Rust/Golang 等编译语言，到 Java 虚拟机语言，到 Python 等解释型语言的实现挑战，同时也分享了 DeepFlow 开源社区早鸟用户的使用案例。

演讲亮点：

为什么使用 eBPF 实现持续剖析
新特性：AutoProfiling Grafana Plugin
应对符号表缺失、多语言、JVM 等挑战
DeepFlow 社区用户的实践案例

04 Prometheus 的可扩展之道

讲师：夏锐航，Greptime 高级研发工程师

Prometheus 及相关生态是当今云原生监控领域的实施标准，GreptimeDB 作为兼容 Prometheus 的持久化存储系统，提供了近乎无限的拓展能力和低成本的数据保存代价。同时，GreptimeDB 使用 Rust 重新实现了 PromQL，并成为三方实现中兼容率最高的实现。本次分享介绍了 GreptimeDB 是如何实现这些内容，以及如何通过 GreptimeDB 来更好地使用 Prometheus。

演讲亮点：