故障平均修复时长缩短
运维成本下降
整体运维效率提升
Kopi Kenangan 成立于 2017 年，是一家总部位于印尼的知名咖啡连锁品牌，以推广棕榈糖牛奶咖啡而闻名。截至 2025 年，其在印度尼西亚、马来西亚、新加坡、澳大利亚和菲律宾已拥有 1100 多家门店。
随着 Kopi Kenangan 业务在东南亚地区的快速扩张，其 IT 系统面临着日益复杂的运维压力，原有的分散式监控体系已无法满足业务发展需求，主要体现在以下三个方面：
-
可观测工具分散，缺乏统一平台：同时使用 Datadog 进行 APM 监控、Google 相关工具进行端侧（RUM）监控，以及第三方 Pagerduty 平台进行告警通知。由于缺乏统一的可观测平台，指标、链路、日志等监控数据处于割裂状态，无法进行高效的关联分析。
-
依赖专家经验，问题定位耗时：应用故障定位主要依赖“专家模式”。当应用出现告警时，需要业务或运维专家凭借个人经验逐一排查，导致问题定位和恢复周期较长，影响业务连续性。
-
链路监控不全面，存在盲区：原有的链路监控平台依赖用户手动埋点，覆盖范围有限。对于底层的数据库、线程池等关键资源，缺乏深入的监控数据，难以实现真正的全链路追踪。
针对上述挑战，Kopi Kenangan 选择基于阿里云云监控 2.0 和应用实时监控服务（ARMS），构建了一体化的全链路可观测体系。
-
基于云监控 2.0 构建统一可观测平台
通过引入 ARMS 采集应用指标和链路数据，配合日志服务（SLS）采集应用日志，实现了多元数据的统一存储与关联分析。客户能够在一个平台上快速完成指标、链路和日志数据的关联查询，并统一管理告警配置和通知，彻底解决了工具分散的问题。
-
实现全栈数据的自动化采集
利用 ARMS 自研探针，实现了对用户 Go 语言应用指标和链路数据的自动化埋点与采集，构建了覆盖应用、接口、中间件、数据库等全链路的完整监控能力。此外，提供的持续剖析、调用链分析等高级功能，进一步助力用户深入洞察系统状态。
-
AI 能力辅助智能问题定位
基于云监控 2.0 统一存储的多元数据，平台为用户提供了 AIOps 能力。通过 AI 技术辅助运维监控，能够快速进行根因分析，从而降低对专家经验的依赖，提升故障排查效率。
通过接入阿里云云监控 2.0 平台，Kopi Kenangan 成功构建了指标、链路、日志数据统一的观测能力，告别了多平台跳转的低效运维模式。得益于自动化的全面数据监控与 AI 智能分析能力，运维团队在问题定位的便捷性与时效性上取得了显著突破。
-
故障排查时间大幅缩短：通过统一平台和全链路追踪能力，将原本可能需要半小时的复杂问题定位时间缩短至分钟级，故障平均修复时间（MTTR）缩短超过 10 倍。
-
成本优化：通过统一平台替代原有的多个第三方商业软件，预计每年在监控工具许可费用上节省超过 30%。
-
运维效率提升：得益于自动化数据采集、丰富的监控指标体系、统一告警管理和 AI 辅助根因分析，运维团队从繁杂的手动排查工作中解放出来，整体运维效率提升超过 50%。