SolarWinds可观测性统一和扩展整个技术堆栈的可见性，支持您的现代和自定义web应用程序，以帮助确保关键业务服务满足服务级别目标并提供最佳用户体验。

应用程序可观测性

全面的应用可观察性超越了基本的度量、跟踪和日志。它将应用程序性能指标与分布式跟踪结合起来，利用日志监视功能以及aiops驱动的通知，并支持云原生开源框架和第三方集成。应用程序可观察性有助于确保云原生自定义应用程序和微服务的可用性和性能。通过应用可观察性，您可以:

• 消除工具扩展通过一个单一的、完全集成的、全堆栈的可观察性，提供跨度量、跟踪和日志，为云应用程序的每一层提供一个单一接口。
• 减轻警觉性疲劳通过aiops增强警报，以及ml支持的基线和定制指标，通过超过阈值的单一视图自动确定优先级并显示实际问题，以及与主要通知提供商的警报集成。

基础设施的可观测性

基础设施可观察性有助于确保基于云的资源(包括虚拟机、存储、主机、容器以及无服务器和云服务提供商)的运行状况和性能。与人工智能支持的分析和应用程序以及日志可观察性相结合，提供丰富的上下文智能，帮助您主动识别和解决性能问题。有了基础设施的可观察性，你可以:

• 提供数据驱动的见解。AI主动监控跨云资源(包括主机、容器、无服务器环境和基础设施即服务提供的资源)的运行状况和性能，以实现主动的性能调优和问题解决。
• 打破数据孤岛。跨云堆栈聚合性能和运行状况数据、实体分组以及与日志和度量数据的深度集成提供了性能数据的上下文，并简化了问题识别和解决。
• 无缝。对云原生和开放框架的广泛支持，以及第三方集成提供了简单的检测。自动发现和ai支持的基线和指标提供动态基础设施可观察性。

日志可观测性

日志可观察性提供可扩展的、全堆栈的、多源日志管理，结合了广泛的支持、强大的搜索、人工智能驱动的分析，以及与应用程序和基础设施可观察性的内置集成，以提供丰富的上下文智能，帮助团队更智能、更快地排除故障。

• 为事件数据提供上下文。通过事件聚合和ml对整个云应用程序、服务和基础设施堆栈的日志数据进行分析，提供人工智能驱动的洞察。
• 减少故障排除时间。实时日志跟踪和对所有日志数据的直观搜索有助于加速根本原因识别并减少故障排除所花费的时间，因此团队有更多时间进行创新。
• 利用云原生框架。易于设置，广泛支持云原生和开源框架，以及第三方集成，让团队使用熟悉的工具，以更快的时间实现价值。

数据库可观测性

数据库可观察性提供了深入的性能监视，使用复杂的根本原因分析来诊断和分析问题。获得数据库实例的全面可见性，以帮助提高系统性能和团队效率，同时帮助确保节省基础设施成本。

基于ml的AIOps和基于黄金指标的运行状况评分很快就会突出问题。通过将数据库指标与应用程序性能、分布式跟踪和SolarWinds可观察性的日志监控功能相关联，获得全堆栈可观察性。

数据库可观察性通过提供对数据库的支持，如MySQL, PostgreSQL, Microsoft SQL Server, AWS Aurora (PostgreSQL, MySQL)， AWS RDS (PostgreSQL, MySQL)， MongoDB, MongoDB Atlas和Redis，简化了管理多供应商环境的复杂性，因此您可以:

• 发布更好的代码。参见部署事件前后的查询响应。检查查询细节和性能，包括示例和执行计划。比较热门查询在一段时间内的性能。
• 排除故障并诊断故障。将查询响应或行为与系统度量相关联，以了解影响。在数据库中隔离异常行为和潜在的影响因素。
• 了解数据库运行状况。通过数据库和系统的运行状况摘要跟踪指标并观察趋势。获得基于最佳实践的建议。探索和检查性能异常值。

数字体验的可观察性

数字体验可观察性使DevOps团队能够优化web应用程序的客户体验。细粒度的实时性能数据，结合人工智能分析，可以深入了解应用程序性能对最终用户体验的影响。有了这种智能，DevOps团队可以以客户的方式体验应用程序，并做出更好的设计和实现选择。

• 优化性能。用实时指标识别新出现的性能问题，包括页面速度、加载时间和响应速度。
• 验证改进。使用合成事务查询测试和优化web元素，以优化关键的web流程。
• 现货使用趋势。使用全局传感器跟踪性能并按地理位置、设备和浏览器筛选性能数据。

网络可观测性

网络可观察性有助于通过收集和分析各种网络指标和日志，对本地网络的可用性、运行状况和性能以及到公共云网络的端到端连接进行故障排除。利用网络可观察性，组织可以更容易地理解和可视化网络如何影响依赖于它的服务和体验的整体情况。利用网络可观察性，你可以:

• 获得一个完整的端到端视图网络路径，包括内部网络和到云提供商基础设施的连接。这有助于提供支持服务的网络资源的完整可见性，从而减少与传统网络工具相关的盲点，并实现更准确和更快的故障排除。
• 消除工具扩展。网络可观察性通过将一组全面的指标聚合到单一窗格的网络视图中，提供跨多供应商和多云网络的广泛可见性，并能够洞察对最终用户和业务服务的任何影响如何与历史或实时的网络问题相关联。这种整体方法还有助于降低低效和风险，这些低效和风险通常与来自多个不同工具的信息拼凑在一起有关。
• 提高效率。网络可观察性有助于降低与静态阈值相关的开销和不准确性，通过aiops支持的模式识别和异常检测，使网络运营团队更加高效。它还提供了对相关警报和事件的洞察，以加速根本原因分析。这种方法还应该有助于通过更精简的管理团队来扩展网络。