deepflowio/deepflow

eBPF Observability - Distributed Tracing and Profiling

它解决的问题

DeepFlow 为复杂的云原生和 AI 应用提供深度可观测性。它消除了开发者手动插桩代码的需求，减轻了 DevOps 和 SRE 团队持续手动监控设置的沉重负担。

它的工作原理

DeepFlow 使用 eBPF 和 Wasm 插件实现 "Zero Code" 的指标、分布式追踪、请求日志和函数剖析数据收集。它采用一种称为 SmartEncoding 的技术，预编码元标签，相比标准 ClickHouse 方法，存储开销降低了 10 倍，并且在不损失性能的情况下支持高维度数据查询。

适用对象

它专为管理云原生和 AI 应用的 DevOps 和 SRE 团队设计，同时也适用于需要在应用服务、AI 服务和基础设施之间获得全栈可观测性的开发者。

特色

  • Zero Code Instrumentation：使用 eBPF 自动收集指标和追踪数据，无需代码更改。
  • Full Stack Correlation：关联来自应用、运行时、内核以及基础设施（网关、数据库、消息队列）的数据。
  • Continuous Profiling：以低于 1% 的开销收集 OnCPU/OffCPU/GPU/Memory/Network 火焰图。
  • Broad Integration：作为 Prometheus、OpenTelemetry、SkyWalking 和 Pyroscope 的存储后端。
  • High Efficiency：使用 SmartEncoding 处理无限维度和基数，显著降低存储成本。