- 综合排序
- 最热优先
- 最新优先
- 来自专栏阶梯计划
Deepflow Agent代码阅读杂记
本文章是前端时间读代码时的随手记录，没有做系统整理，估计也不会填坑了，大家随便看看就好。
63410编辑于 2024-06-28 - 来自专栏阶梯计划
DeepFlow本地构建1——Agent
启动构建环境本地先准备先下载好代码（请注意一定用git clone下载，构建过程中会检查.git文件）git clone -b v6.2.6 https://github.com/deepflowio/deepflow.git e:/deeflow基于构建镜像启动容器docker run --name=dfbuild --network=host -v e:/deeflow:/deepflow -itd ghcr.io/deepflowio usr/local/cargo/configRUSTFLAGS="-D warnings" && cargo build --release && cargo build --release --bin deepflow-agent-ctl 由于DeepFlow的Agent是采用Rust编写的，所以最终生成的文件中不会包含eBPF内核态的elf文件，因为字节码已经编译链接到Agent的二进制文件中，这也是Rust的优势。
91130编辑于 2023-04-21 - 来自专栏点云PCL
DeepFlow高效的光流匹配算法（下）
第一篇DeepFlow高效的光流匹配算法（上）主要介绍光流算法的基础知识,以及理论推导。 第二篇将介绍改进的稠密光流算法匹配算法DeepFlow，并展示Demo效果。 DeepFlow可以说是DeepMatching算法的改进算法，将匹配算法与变分方法相结合，应用于光流的计算，是一种适应光流问题的描述子匹配算法，可以提高光流法在快速运动的表现。 这部分内容可以细细阅读上一篇文章DeepFlow高效的光流匹配算法（上）。 ? 结论 deepflow使用ldof方法将深度匹配集成到变分方法中。 在经典的数据项和平滑项的基础上，增加了一个匹配项，对输入匹配项和光流估计项之间的差异进行了计算。 DeepFlow拓展算法 以上主要是介绍匹配的方法，能够处理大位移以及块区域中像素不满足光流一致性的前提条件。
6.1K42发布于 2019-09-24 - 来自专栏SDNLAB
DeepFlow®与云网络监控的发展
那么，云杉DeepFlow®赋予自身的使命是什么呢？就是要“为客户补齐云架构中保障侧的那块拼图”。 简单回顾一下DeepFlow®的实践发展。 DeepFlow®流量采集分发：解决东西向流量采集难题以及流量引出 ? 2016年起我们就开始了客户落地。 DeepFlow®清晰地将每一步的指标呈现出来，快速高效地定位问题点。这就是云杉为客户提供的全栈跟踪能力。 DeepFlow全栈混合云监控 ? 经过这些年的积累演进，云杉DeepFlow®产品实现了随云扩展的网络监控架构。 对于以上方案的实践，涉及到各个行业的领先客户群，DeepFlow®的演进离不开客户的信任、帮助以及支持。
99830发布于 2021-01-12 - 来自专栏点云PCL
DeepFlow高效的光流匹配算法（上）
第二篇将介绍改进的稠密光流算法匹配算法DeepFlow，并展示windows下OpenCV中集成代码和在linux下源码的运行效果。 光流分为稠密光流法和稀疏光流法,稀疏光流主要是跟踪特征点，稠密光流是跟踪图像中的每个像素，由这篇文章延伸出来的下篇文章DeepFlow就是稠密光流中目前为止最为高效的稠密光流算法。
3.9K41发布于 2019-09-09 腾讯云某业务基于 DeepFlow 的可观测性实践
本文分享了腾讯云某业务基于 DeepFlow 的可观测性实践。面对复杂的业务服务（800+）和多样的编程语言，腾讯云某业务团队选择了 DeepFlow 作为跨语言、无侵入的可观测技术。 02技术选型在最初的技术选型阶段，我们考虑了以下几种方案：Hubble、Pixie 以及 DeepFlow。我们分别从软件架构及产品能力两个维度对比了组件，我们最终选择了 DeepFlow。 然而，DeepFlow 默认不提供 /metrics API。为了解决这一问题，我们对 DeepFlow 进行了改造，使其能够通过 /metrics 接口保留和暴露数据。 为了适配这种拉取模型，我们需要在 DeepFlow 中进行一些调整。 GitHub 地址：https://github.com/deepflowio/deepflow访问 DeepFlow Demo，体验零插桩、全覆盖、全关联的可观测性。
87110编辑于 2024-06-05腾讯游戏基于 DeepFlow 的零侵扰可观测性进阶实战
本文旨在探讨腾讯互娱如何利用 DeepFlow 的 eBPF 技术实现无侵入式的可观测性，这一策略不仅确保了游戏渐进式发布过程中的流畅用户体验，还加快了问题的诊断与解决，有效预防了潜在的性能问题。 除此之外，蓝鲸团队与 DeepFlow 社区联合在新版支持了自定义获取 gRPC Header 字段，我们已经将表示客户端版本号的 metadata 提取至调用日志中，进一步避免未来再发生类似问题。 通过引入 DeepFlow 基于 eBPF 的零侵扰可观测性能力，我们不仅加速了问题的排查和解决过程，还显著提升了游戏的稳定性和用户体验。
32110编辑于 2024-03-27- 来自专栏架构驿站
DeepFlow 是如何通过 Wasm Plugin 实现业务可观测性？
— 01 — 如何定义 DeepFlow Wasm Plugin ？ DeepFlow 的 Wasm Plugin 机制是整个 DeepFlow Pipeline 机制中的重要组成部分，它为用户提供了一个可编程的、安全的和资源消耗可控的运行沙箱环境。 Wasm Plugin 开发完后，我们需要将其部署至 DeepFlow 中，针对 Wasm Plugin 的部署主要涉及如下步骤： 1、将编译好的插件上传至 Deepflow-Server deepflow-ctl 上述 API 行为描述的实际上是 DeepFlow 企业版中的 statistics 服务，下面演示将此 Wasm 插件注入到 DeepFlow Agent 以后，对 DeepFlow 企业版服务的自我观测效果 我们能在 DeepFlow 页面正确的看到客户端异常指标（本例中插件注入在 cloud.deepflow K8s 集群的 deepflow-agent 中）： 在 DeepFlow 调用日志页面
1.5K103编辑于 2023-11-08 - 来自专栏深度学习与python
腾讯蓝鲸 x DeepFlow 基于 eBPF 的可观测性实践
最后就是 DeepFlow，这是一个高度自动化的可观测性平台。 首先是 DeepFlow 数据跟我们观测平台的数据怎么去打通的一个问题。 首先，我们需要解决的是如何将 DeepFlow 的数据和我们的观测平台的数据打通。 首先，我们要 打通数据， 有两个选择：或是观测平台将 OTel 数据提供给 DeepFlow，或是 DeepFlow 将数据导出到我们的接收端。 我们提出了此需求，希望 DeepFlow 能将数据导入我们的平台，DeepFlow 社区非常给力，很快就在 Server 上支持了数据导出的方式，且导出的数据仍为 OTel 格式。 在与 DeepFlow 一起探讨了这个需求之后，DeepFlow 很快就支持了这一部分数据的抓取，并将这些信息导出到我们接收端的数据中。
1.1K50编辑于 2023-08-09 - 来自专栏云原生应用工坊
IT咖啡馆：边缘采集与网关的抉择
方案选用 Vector 作为统一的边缘采集与汇聚出口，理由如下： 边缘汇聚：在主机上部署 Vector Agent，统一拉/收 node_exporter、process-exporter、DeepFlow DeepFlow Agent 继续担任网络可观测探针，通过 file/journald/JSON 与 Vector 解耦上游与下游，避免直连 Collector 丢包。 include: ["/var/log/deepflow/*.json", "/var/log/deepflow/*.log"] read_from: beginning ignore_older_secs 与 DeepFlow 解耦：DeepFlow Agent 专注网络探针，产出（最好 JSON 行或 journald）→ Vector 可靠转运，避免直连 Collector 造成环形队列丢包。 DeepFlow Agent 不适合承担“边缘汇聚/转发”，保留其 探针角色，输出对接 Vector，需要代码改造。
11110编辑于 2025-08-23 - 来自专栏媒矿工厂
ACM SIGCOMM 2023 | 使用 DeepFlow 以网络为中心的分布式跟踪：以零代码排除微服务故障
DeepFlow 通过以下设计促进即时的跟踪和快速性能问题定位： 1：基于微服务是由网络通信触发的洞察，DeepFlow 设计了一个以网络为中心的跟踪平面。 DeepFlow 的检测、传输和处理开销必须可以忽略不计，以便在不降低应用程序性能的情况下提供实时分布式跟踪。 DeepFlow 的架构概述 图2 DeepFlow 由两个高级组件组成：代理和服务器。 在第二阶段，DeepFlow执行消息协议推理，并使用相关网络信息解析消息及其原始语义。最后DeepFlow 将尝试将同一流中的一个请求和一个响应聚合到会话中。 DeepFlow 通过利用检测过程中保存的不同网络层的信息来确定跨度span之间的关系。DeepFlow以用户查询的span为起点，合并关联的span。 图12 启发 DeepFlow，一个面向微服务场景的以网络为中心的分布式追踪架,DeepFlow在内核中使用eBPF建立了一个以网络为中心的跟踪平面。 1.
86910编辑于 2023-12-12 - 来自专栏可观测性
云杉网络DeepFlow帮助5G核心网和电信云构建可观测性
经过近十年的发展，云杉网络从SDN核心技术逐步走向网络自动化和可观测性，致力解决云原生应用诊断难的核心痛点，其中DeepFlow产品在各行各业积累了大量的实战经验，成功帮助数家企业构建多维度、一体化的可观测性平台 DeepFlow 帮助5G核心网和电信云构建可观测性DeepFlow是一款面向5G核心网，应对网络功能服务(NFS)解耦后的新挑战，进行网络流量采集、分发、可视化与监控保障的产品。 对5G核心网来说，可以通过DeepFlow的采集器技术，实现网络+应用的全面可观测性，不用再依赖5GC开发厂商的日志输出能力、指标输出能力、用户追踪数据输出能力。 同时借助DeepFlow强大的数据分析能力，可以对5G核心网网元、云平台，从宏观到微观、不同层次、不同维度的全景性能监控。 业务访问从应用到网络端到端追踪除了全栈链路追踪，DeepFlow对每一次业务访问的应用层实现了应用+网络的端到端追踪。运维人员可以通过系统检索、分析、追踪任意一次访问，快速洞察应用异常。
50020编辑于 2022-06-28 DeepFlow 智能体发布！开启业务连续性保障新时代
02 使用场景DeepFlow 智能体的设计目标，是使用 DeepFlow 提供的各类可观测性工具，自主完成保障业务连续性的工作。 DeepFlow 智能体（英文：DeepFlow AI Agent）由一系列 DeepFlow 产品组件构成。用户可根据实际业务需求，选择合适的组件，构建适合自己的DeepFlow 智能体。 DeepFlow 智能体产品架构如下DeepFlow 智能体包含如下几个层次的组件1. 交互层交互层实现用户与 DeepFlow 智能体的交互。交互层包含如下组件，每个组件均可为客户提供量身定制。 推理层性能主要受制于模型性能，DeepFlow 智能体可通过增加AI算力提供推理层性能扩展。4. 执行层DeepFlow 智能体通过执行层为业务提供执行建议或方案。 ，提供 DeepFlow 智能体落地实施的相关技术服务。
46110编辑于 2025-03-04- 来自专栏devops_k8s
使用全景拓扑持续跟踪 云原生应用的压测性能瓶颈
这一直是比较头痛的事情，本文将介绍如何利用 DeepFlow 的全景拓扑帮助小姐姐快速找到瓶颈点。 图片 DeepFlow 的 Sandbox 考虑到安全性的问题，仅支持了内网的访问方式，以下是 DeepFlow 的全景拓扑自动绘制的调用关系，接下来的整个过程都将基于此拓扑进行。 图片5 什么是 DeepFlow DeepFlow[2] 是一款开源的高度自动化的可观测性平台，是为云原生应用开发者建设可观测性能力而量身打造的全栈、全链路、高性能数据引擎。 GitHub 地址：https://github.com/deepflowio/deepflow访问 DeepFlow Demo[3]，体验高度自动化的可观测性新时代。 deepflowio/deepflow[3] DeepFlow Demo: https://deepflow.io/docs/zh/install/overview/https://deepflow.io
39500编辑于 2023-06-02 - 来自专栏nobody
eBPF + LLM：实现可观测性智能体的基础设施
下面我来分享一些 DeepFlow 在这方面的实践。 DeepFlow Tracing Agent DeepFlow Profiling Agent 另外，DeepFlow 社区版中今天也发布了 AI Agent 的能力，目前能够对当前 Grafana Panel 05、什么是 DeepFlow DeepFlow 是云杉网络开发的一款可观测性产品，旨在为复杂的云基础设施及云原生应用提供深度可观测性。 Demo: https://deepflow.io/docs/zh/ce-install/overview/ 加入DeepFlow开源社区 体验高度自动化的可观测性新时代 官网链接 https://deepflow.io GitHub 地址 https://github.com/deepflowio/deepflow 关于 DeepFlow DeepFlow 是云杉网络开发的一款可观测性产品，旨在为复杂的云基础设施及云原生应用提供深度可观测性
59710编辑于 2024-06-04 - 来自专栏架构驿站
一文读懂基于 eBPF 自动化可观测平台 - DeepFlow
— 03 — 什么是 DeepFlow ？ DeepFlow 是一个面向云原生开发人员的开源高度自动化的可观测平台，是专为云原生可观测应用开发者打造的全栈、全跨度、高性能的数据引擎。 基于 DeepFlow 自动化可观测平台分布式链路调用鸟瞰图，可参考如下所示： 那么，与传统的可观测性平台相对比，DeepFlow 具备哪些核心优势呢？ 04 — DeepFlow 架构设计及实现原理 DeepFlow 由两个进程组成，Agent 和 Server。 DeepFlow 并不是简单地整合这些数据。 以上为 DeepFlow 自动化可观测性平台的相关介绍，更多信息可参考官网所示： https://deepflow.io/。
3.3K42编辑于 2023-08-09 开箱即用！随时就绪的应用可观测性 Dashboard
收到一批社区用户的使用建议后，我们在 DeepFlow 6.4 社区版中新增了一个简洁易用的「开箱即用」 Dashboard。 当用户初次安装 DeepFlow、业务变更、扩容缩容时，随时都可以查看这个 Dashboard，及时发现应用的性能和稳定性隐患，深刻感受基于 eBPF 的零侵扰可观测性带来的便捷。 这些能力都是你在一键安装完 DeepFlow 的五分钟后就能立即获取的，真·开箱即用的应用可观测性。 DeepFlow 基于 eBPF 的零侵扰可观测性有望改变这一现状，显然我们的社区用户也发现了这点。 另一个好消息是 DeepFlow 6.4 已经支持了 RedHat/CentOS 3.10 内核上的 eBPF 能力，Enjoy！
22900编辑于 2024-03-11- 来自专栏k8s技术圈
使用全景拓扑持续跟踪 云原生应用的压测性能瓶颈
这一直是比较头痛的事情，本文将介绍如何利用 DeepFlow 的全景拓扑帮助小姐姐快速找到瓶颈点。 调用关系 DeepFlow 的 Sandbox 考虑到安全性的问题，仅支持了内网的访问方式，以下是 DeepFlow 的全景拓扑自动绘制的调用关系，接下来的整个过程都将基于此拓扑进行。 历史曲线 04 什么是 DeepFlow DeepFlow[2] 是一款开源的高度自动化的可观测性平台，是为云原生应用开发者建设可观测性能力而量身打造的全栈、全链路、高性能数据引擎。 GitHub 地址：https://github.com/deepflowio/deepflow 访问 DeepFlow Demo[3]，体验高度自动化的可观测性新时代。 /deepflowio/deepflow [3] DeepFlow Demo: https://deepflow.io/docs/zh/install/overview/
26710编辑于 2023-08-21 DeepFlow 零侵扰实现分布式数据库 TDSQL 的全链路可观测性
而在其他环境中，通过 DeepFlow 也能快速发现应用进程收包慢、K8s 网络慢、KVM 网络慢等问题。 COM_QUERY 操作在客户端、网络、服务端的响应时延，以及执行结果，整个过程中的任何异常在 DeepFlow 的观测下一目了然：基于 DeepFlow 分布式追踪，困扰分布式数据库运维人员的第 4 DeepFlow Agent，并由 DeepFlow Server 统一关联、存储、分析、呈现，消除运维数据孤岛，减少诊断、监控在不同运维系统间的上下文切换，提升运维观测效率，实现多源数据的统一观测分析 而 eBPF 技术为 IT 系统的可观测性提供了丰富的想象力，DeepFlow 在 eBPF 方向的稳步技术积累正在将一个个想象逐步变为现实，通过此次 DeepFlow 的零侵扰调用链追踪技术对 TDSQL GitHub 地址：https://github.com/deepflowio/deepflow访问 DeepFlow Demo，体验零插桩、全覆盖、全关联的可观测性。
55610编辑于 2024-01-16- 来自专栏SDNLAB
云杉网络发布数据驱动的云网可视化与分析产品
关于DeepFlow云网分析的10个问题 ? 1、DeepFlow云网分析是什么？ ☘ 拥抱SDN的同时兼顾新的挑战，DeepFlow云网分析将用以提升虚拟化网络的运维效率，支撑云时代的业务发展。 4、DeepFlow云网分析用在什么场景的哪些用例？ 5、DeepFlow云网分析如何与现有数据中心和解决方案兼容工作？ 6、DeepFlow云网分析有哪些独特的地方？ ☘ DeepFlow云网分析是国内首个以数据驱动的云网可视化与分析平台，面向虚拟化的网络。 这既是DeepFlow云网分析聚焦的地方，也是DeepFlow云网分析的价值所在。 7、DeepFlow云网分析和现有类似方案相比的优势？ ☘ 面向物理、虚拟和云计算网络等多种场景。
1.1K60发布于 2018-03-29
腾讯云开发者
