20 世纪 60 年代初，匈牙利裔美国工程师鲁道夫·E·卡尔曼 (Rudof E. Kalman) 引入了系统可观测性的概念，其定义为“衡量系统内部状态如何根据其外部输出的知识来推断的程度”。
在 IT 领域，网络和系统的可观察性是通过实用的“修复”程序来促进的，这些程序与软件一起打包或内部开发，后来又与网络管理软件一起提供。
随着时间的推移，更多的自动化和预测分析已被注入到技术工作流程中，网络和系统监控和警报会在问题（例如出现故障的磁盘驱动器）出现之前就对其进行标记，以便 IT 人员可以在不中断服务的情况下解决问题。
所有这些都是成熟且成功的方法，多年来一直在传统计算的整体堆栈和平台中发挥作用。 然而，现在随着转向混合计算，应用程序也跨多个云和数据中心，了解应用程序工作流程中发生的每一步变得不可能。 为什么？ 因为当今的网络监控和系统实用程序并不是为了遍历不同的计算平台并跟踪每个操作而设计的。 他们过去（现在）擅长的是生成特定系统或网络中发生的情况的日志。
GlobalData PLC 应用程序平台、企业技术和服务首席分析师 Charlotte Dunlap 表示：“从单一应用程序到微服务的转变可能会令人难以承受。” “一个主要挑战是监控和优化在 Kubernetes 等容器化环境中运行的应用程序几乎是不可能完成的任务。 因此，DevOps 工作的参与者被迫重新审视如何在应用程序生命周期的早期实现可观察性，以提高对底层基础设施的洞察力。”
如果企业 IT 部门想要在多云和数据中心环境中实现全面的可见性（和故障排除能力），就需要解决这个问题。 这就是可观测性软件的用武之地。
与网络和系统监控软件一样，可观察性软件将为您提供日志，使您能够解决每个系统和网络孤岛中的问题。 然而，可观测性软件更进一步，它可以沿着应用程序可能使用的多个数据中心和云的混合网络，对每个应用程序的活动和组件进行完整跟踪。 在此过程中，可观测性软件会测量每个应用程序组件的性能。
最终结果是，IT 部门获取云和数据中心 IT 基础设施混合链上每个应用程序组件的执行情况的日志和性能指标，并且还获取每个组件的详细活动日志。
这可以恢复混合云和数据中心基础设施中应用程序性能的端到端可见性，并使 IT 系统程序员和网络管理员能够更快地解决和调整应用程序性能。 还可以在可观察性中添加一层人工智能 (AI)，从而加快解决问题的时间，因为它可以屏蔽系统和网络警报可能标记的“噪音”，但这对于解决问题来说实际上不是问题。
现在，IT 部门需要采用这些新工具，以便为多云和数据中心环境中的应用程序重新建立 360 度可视性。 Statista 估计，到 2024 年，全球可观测市场规模将达到 198 亿美元，看来各公司已经意识到了这一点。
