淘大集新核心系统采用微服务架构后,Trace、Metric、Log 三类观测数据呈指数级增长,自建 SkyWalking + ES 方案暴露出三大瓶颈:一是集群维护负担重,需要持续投入 ES 索引优化、分片与副本调整、JVM 调优和版本升级;二是高并发写入下稳定性风险高,大促高峰时 ES 集群存储与查询能力容易触顶,观测数据本身可能丢失或查询超时;三是维护和救火工作占用了大量核心研发资源。团队经过两条路线对比后,最终选择 ARMS + SLS + 云监控 2.0 + STAROps 作为统一观测底座,把精力从维护观测系统转回打磨业务系统。




