DeepFlow — eBPF Observability for Cloud & AI

简介

DeepFlow 提供零侵入的 eBPF 可观测性：覆盖 K8s/主机的流量、指标、分布式追踪与性能剖析，兼容 OpenTelemetry，并提供一体化 Docker Compose 部署与多种安装方式。

• 适合谁： K8s/主机全链路观测，尽量少改业务代码
• 可搭配： Linux + eBPF；Kubernetes/主机；可接 OpenTelemetry
• 准备时间： 20–60 分钟

实战建议

• GitHub：4,074 stars · 453 forks；最近更新 2026-05-12（GitHub API 验证）。
• 仓库包含 manifests/deepflow-docker-compose/docker-compose.yaml，可一体化部署。
• topics 覆盖 opentelemetry / kubernetes / llm，适配云原生与 AI 业务的观测需求。

主要内容

把 DeepFlow 当作 “先铺底、再精修” 的观测基座：

• 先用 all-in-one Compose 跑通数据链路，确认采集/存储/查询完整可用。
• 先接入一个集群或一组主机，验证能看到服务拓扑与流量路径，并能定位性能尖刺。
• 再对最关键的 1–3 个服务做 OpenTelemetry 精细化埋点，避免一上来全量改代码。

上生产时，按流量与保留周期规划容量；对 traces / metrics / logs 设定不同 retention，减少成本与合规风险。

FAQ

DeepFlow 只能用于 Kubernetes 吗？ 答：不是。README 与仓库结构同时覆盖 K8s 与主机/VM 的部署场景。

还需要 OpenTelemetry 吗？ 答：多数情况下需要做关键服务的语义埋点；但 DeepFlow 可先提供“零侵入”的基础覆盖。

第一步该验证什么？ 答：先确认一体化部署稳定，并能在一次已知问题中把流量/指标/追踪关联起来。