主要观点：

• Observability 2.0 由 Charity Majors 提出，虽对其命名有争议，但代表从可观测性的基础“三支柱”（指标、日志、追踪）演进，强调单一真相范式作为数据基础，以更有效应对现代系统复杂性。
• 传统可观测性存在数据孤岛、预聚合权衡、非结构化日志、静态工具、冗余数据等问题，Observability 2.0 采用宽事件作为基础数据结构，保留原始高保真事件数据，可进行回溯性探索分析。
• 采用 Observability 2.0 面临事件生成、数据传输、成本效益存储、查询灵活性和工具集成等挑战。
• 观测性正朝着数据湖模型发展，需要专门针对其独特工作负载优化的数据库，定义了数据库要求，如利用商品存储和数据格式、实时可扩展、灵活查询能力、向后兼容等。
• GreptimeDB 是为宽事件和 o11y 2.0 实践构建的开源分析观测性数据库，具备多种适合观测性 2.0 数据生命周期的关键功能。

关键信息：

• 宽事件是包含丰富上下文数据的高维高基数记录，可从原始事件数据通过查询派生各种常规指标。
• 传统度量和日志注重资源效率，向宽事件转变反映了对原始粒度数据的需求增长。
• 定义数据库要求的关键因素包括利用商品存储和数据格式、实时可扩展、灵活查询能力、向后兼容等。
• GreptimeDB 是开源数据库，具备多种功能，包括接受 OpenTelemetry 格式数据、内置转换引擎等。

重要细节：

• 如 Boris Tane 所定义的宽事件示例，包含多种应用状态细节。
• 传统度量存储在流量增加时需扩展实例，而宽事件需数据库具备可扩展性和弹性。
• Observability 2.0 数据库需支持常规查询和探索性查询，处理高维数据有挑战。
• GreptimeDB 逻辑流程图展示其关键功能，如接受 OpenTelemetry 数据等。
• GreptimeDB 有开源、企业版和托管服务等版本，欢迎贡献者参与。