一、解决方案简介

云杉DeepFlow 业务交易全栈全链路可观测性解决方案，以 eBPF 技术为零侵扰采集引擎，围绕金融机构“业务交易”这一核心视角，构建“一轴四维”的全方位可观测体系：即以交易全链路可观测为中心轴线，以“应用、网络、系统、代码”四个维度的精细化可观测为辐射，实现从业务请求入口到底层执行代码的完整闭环。

核心能力遵循“监控 ➔ 追踪 ➔ 诊断”的三层递进逻辑：

监控：即业务交易监控，以业务场景为单元，实时量化核心交易（如手机银行转账、ATM 存款等）的请求量、响应率、成功率与响应时延。直接监控业务健康状态，而非依赖底层基础设施指标进行间接推断；

追踪：即业务交易全栈全链路追踪，自动构建从业务入口到最终数据库的完整调用拓扑。支持对每一笔交易请求进行端到端分布式追踪，将故障排查从“跨系统推断”转变为可视化的循迹溯源；

诊断：即全栈可观测诊断，在追踪锁定故障节点后，围绕应用、系统、网络、代码四大维度进行纵向诊断剖析，准确定位问题深层根因。

在此基础上，方案结合 AI 原生智能体（涵盖诊断、巡检、对话），助力金融企业达成“1 分钟告警、3 分钟定位、5 分钟恢复”的运维目标。

该方案基于无需插桩的轻量级采集方式，无需修改任何业务代码、无须重启任何服务，部署后分钟级即可自动生成业务交易拓扑。在架构覆盖上，OneAgent 横向覆盖传统数据中心到云上环境的全链路流量，纵向穿透交易、应用、容器、云主机、物理机与网络设备。同时，方案兼容 Java、Go、Python、C/C++ 等主流开发语言，全面适配鲲鹏、麒麟等信创软硬件体系。通过私有化部署满足金融行业数据合规与安全要求，为金融机构构筑自主可控的智能运维底座。

二、应用场景痛点简介

1.背景

金融机构的核心系统是国民经济的数字化命脉，关键系统的一次故障，轻则触发客户投诉、监管通报，重则造成直接经济损失与不可挽回的声誉损害，而随着云原生架构改造的深入推进，微服务拆分使系统间调用关系呈指数级增长，任何一个节点的抖动都可能以级联方式扩散为全局故障。如何在故障发生的最短时间内精准定位根因，已成为金融科技团队面临的最严峻挑战之一。

2.核心痛点

痛点一：交易链路是”黑盒”，故障定位靠经验

一笔银行网银转账，从 APP 发起，经过 API 网关→应用服务→中间件→数据库→外联系统，涉及十余个系统、数十台服务器。过去，这条完整链路对运维人员来说是一个黑盒：出现故障时，各系统负责团队相互推诿，只能靠经验逐系统排查，平均故障定位时间超过 2 小时，严重影响业务连续性。

痛点二：“告警风暴”淹没真实故障信号

IT 运维的主流做法是为每个基础设施指标配置告警阈值，汇聚海量告警后交由 AI 分析。然而一次故障往往触发数百乃至数千条级联告警，AI 面对噪音无从分辨主次，运维团队仍需人工从”告警海洋”中打捞真正的根因。某银行曾发生核心交易系统故障，系统瞬间涌出 3000+ 条告警，定位耗时超过 2 小时。

痛点三：云原生改造与传统监控工具的双重盲区

传统 APM 工具依赖代码插桩，仅能覆盖支持的主流开发语言框架；而传统旁路流量采集类 BPM 工具在云原生改造后同样面临严峻挑战：云内容器间的东西向流量无法通过物理旁路采集；流量从云上向云下分发依赖隧道封装（如 VxLAN/ERSPAN），隧道丢包、乱序、抖动会导致频繁的误告警与漏告警；在信创改造过渡期，新旧架构混跑，监控工具需要维护两套体系，管理成本极高。每个业务系统的调用关系需要人工梳理，至少耗时 1 个月，且遗漏率高达 10%。

痛点四：AI 智能运维缺乏高质量数据底座

AI 智能运维的能力上限，由数据底座的质量决定。AI 处理根因分析，需要的是高质量、相互关联、富含业务语义上下文、覆盖全链路与全技术栈的可观测数据，在数据底座残缺、割裂的情况下，AI 能力越强，基于错误数据给出错误结论的风险就越高，甚至比没有 AI 的人工判断更具误导性。

三、解决方案亮点介绍

1.业务架构：一轴四维可观测

DeepFlow 方案以”交易全链路可观测”为中心轴线，以”应用、网络、系统、代码”四个维度的精细化可观测为辐射，构建覆盖金融核心业务的全方位可观测体系。方案内置实时业务语义注入引擎，将缺失上下文信息的机器指标转化为深度绑定金融业务语境的高质量数据资产，使底层技术指标与上层业务语义实现精准映射。标准化的 MCP 协议打通可观测底座与大模型之间的桥梁，为 AI Agent 提供高保真的全息语境。

2.技术架构：横纵全覆盖、全环境兼容

横向全链路覆盖：DeepFlow 采集 Agent 统一覆盖数据中心云下、云上全链路，无论流量如何流向，均可完整采集，消除监控盲区；

纵向全栈覆盖：DeepFlow 采集 Agent 无缝覆盖交易层、应用层、容器层、CVM（云主机）层、物理机层、网络设备层，实现从业务入口到底层硬件的端到端全栈可观测；

全环境兼容：无缝兼容 Java、Go、Python、C/C++ 等主流开发语言，以及主流中间件、数据库；内置 ISO 8583、IBM MQ 等金融行业特有协议的原生解码能力，无需任何代码改造；

全信创兼容：无缝兼容鲲鹏、麒麟等信创国产软硬件体系，在信创迁移过渡期实现新旧架构统一纳管，无需维护两套监控体系，大幅降低信创改造期的运维成本。

亮点一：零改造落地，自动生成交易拓扑地图

DeepFlow 基于 eBPF 技术，从操作系统内核层采集业务交易、应用、系统、网络全栈可观测数据，无需修改任何业务代码，无需重启任何服务。

部署完成后，系统自动识别服务间的调用关系，在十分钟内生成全量的业务交易拓扑——从 API 网关、核心交易系统，到数据库、外联前置，每一跳都清晰可见。某银行通过 DeepFlow 将原本需要 1 个月人工梳理的业务交易调用关系，压缩到部署后 24 小时内自动完成，遗漏率降至零。

亮点二：全链路追踪，秒级锁定故障节点

基于自动构建的交易拓扑，DeepFlow 为每一笔业务请求提供端到端的分布式追踪能力。当北极星告警触发时（请求量、成功率、响应时延异常），运维人员无需逐系统排查，只需沿着交易地图循迹溯源，30 秒内即可锁定故障节点，实现从”海捞式排查”到”靶向式定位”的跨越。配合 AI 诊断智能体，可在 3 分钟内自动输出根因报告与处置建议。

典型案例： 某银行核心交易系统故障。DeepFlow 在告警触发后，通过全链路追踪将故障节点从十余个候选系统中锁定至”账务系统调用数据库的特定 SQL”，总耗时不足 3 分钟，而传统方式同类故障平均耗时 2 小时以上。

亮点三：全栈穿透，直达代码级根因

锁定故障节点后，DeepFlow 支持纵向下钻：从服务间调用→操作系统→存储→网络→代码函数执行热点，层层穿透。支持 On-CPU/Off-CPU 性能剖析，可精确定位到导致慢响应的具体函数调用，为开发团队提供直接可操作的修复依据。某银行安全认证网关出现进程 Hang 故障，DeepFlow 通过 On-CPU 剖析，在 5 分钟内定位至正则表达式编译耗时过长引发 GC 的具体函数。

亮点四：AI 原生智能体

DeepFlow 构建了 AIOps 所需的高质量数据底座：每一条可观测数据均自动注入业务语义上下文标签（服务名、接口路径、客户端/服务端、协议类型等），各层数据（调用链、指标、日志、网络流）通过统一的关联机制相互打通，彻底消除数据孤岛。在此基础上，AI 智能体真正具备根因推理能力：

诊断智能体：告警触发后，自动执行调用链、指标、日志、性能剖析的多路并发分析，3 分钟输出根因报告

巡检智能体：7×24 小时主动扫描，以业务场景为单元，提前发现 CPU 趋势增长、活跃连接攀升、偶发日志报错、偶发丢包重传等各类潜在隐患

对话智能体：支持自然语言提问，自动生成查询，让每位运维工程师都能直接访问底层数据，无需依赖特定专家

量化成果： 应用 DeepFlow 的金融机构普遍实现故障平均定位时长从 120 分钟以上 降至 3 分钟以内，系统可用性提升至 99.99% 以上。

四、金融行业客户名单

光大银行、四川银行、国元证券等。

五、客户评价

四川银行 金融科技部

在我行新一代基础监控系统建设中，基于 eBPF 技术落地云上流量监控和全链路交易监控方案，为我行构建了统一、完整的业务全链路可观测性数据基础，形成面向 AI 的原生数据底座，为智能分析与智能体能力的快速落地奠定了坚实基础，充分释放了金融科技支撑业务发展的价值。