Grafana Labs在ObservabilityCON 2026上推出Grafana Cloud新功能，提升全文搜索速度与数据优化智能化水平

Adaptive Logs Archive帮助团队以更低成本保留更多日志；Grafana Cloud Logs加速低频值查询，让团队及其智能体在数秒内找到关键信息

开放式智能体可观测性云的提供商Grafana Labs今日在ObservabilityCON 2026大会上宣布推出多项新功能，帮助团队应对AI时代的遥测数据管理需求，在数秒内找到所需日志条目，并在AI工作负载持续扩大的同时，仅保留值得为之付费的遥测数据。其中，基于收购Logline所得技术打造的Grafana Cloud Logs重大查询性能增强功能现已正式推出，Adaptive Logs Archive现已开放公开预览。

AI正推动遥测数据量急剧增长。编程智能体让人人都能成为开发者，越来越多的软件得以更快地开发出来，而这些软件都需要受到监控。智能体本身也加重了这一负担：每次智能体调用和工具调用都会产生遥测数据。如果不加以管理，可观测性成本就会随着每一项新增工作负载不断攀升。因此，要大规模运行AI，成本与查询优化已成为不可或缺的条件。Grafana Labs与Futurum旗下公司ETR本周联合发布的《2026年可观测性现状报告》显示，在受访的300名IT和工程管理者中，78%表示去年增加了可观测性支出，73%预计还将继续增加。受访者指出，主要原因包括技术栈中新增产品（61%），以及AI加快开发速度，带来了更多需要监控的内容（60%）。

Grafana Labs产品高级总监Jen Villa表示：“只有保留值得保留的数据，并能随系统状态的变化灵活调整保留量，可观测性投入才能在经济上切实可行。随着AI推动遥测数据量爆发式增长，这一点比以往任何时候都更为重要。然而，即便只保留有价值的数据，其规模依然十分庞大，因此，快速找到所需信息的能力仍然必不可少。Adaptive Telemetry解决了前一个问题，而Grafana Cloud Logs的查询性能增强功能则解决了后一个问题。”

数秒内，找到关键的那条日志

基于Grafana Labs于2026年4月收购的Logline的技术，Cloud Logs现可提供更快的全文搜索，客户无需支付额外费用。

这项新增功能可在对象存储中定位包含请求ID、客户ID等低频值的日志。即使工程师在凌晨1点收到告警，也能直接从告警入手，在数秒内找到对应的ID。智能体发起的查询远多于人工，因此，更快的查询也让智能体与工程师能够更高效地协同工作。

DATEV eG的OpenTelemetry与Grafana Cloud管理员Timo Kirzdörfer表示：“启用Logline后，我第一次对新提交的日志运行查询，就看到了明显的改善。过去需要三分钟处理近1 TB的日志，如今只需处理约100 GB的日志，耗时不到三秒。这意味着，在查询新提交的日志时，需要搜索的日志量减少了80%至90%，效果立竿见影。”

只保留值得付费的数据

Grafana Labs的Adaptive Telemetry套件通过建议对哪些数据进行聚合或采样，帮助团队保留重要的遥测数据，优化指标、日志、链路追踪和性能剖析数据的成本，从而以更低成本获取更有价值的信号。包括Mux、TeleTracking和Auditboard在内，使用该套件多个组件的客户，其遥测支出平均降低了30%至50%。此次更新涵盖日志、指标和链路追踪：

• Adaptive Logs Archive（公开预览）：Adaptive Logs Archive支持团队以开放格式将日志路由至自有对象存储桶。团队无需将这些日志存入Grafana Cloud，即可节省相应成本，同时仍能将日志保留在低成本存储中，以备日后调查、审计或响应合规要求之需。
• Adaptive Metrics Auto-Apply（正式推出）：平台团队无需再逐一审核降低基数的建议。Auto-Apply可持续自动应用这些建议，无需人工介入，现有仪表板和告警则照常运行，无需改动。在Cost Mode（成本模式）下，内置保护机制仅会应用不会增加活跃时间序列总数的建议，确保优化不会导致成本骤增。
• 查询被Adaptive Traces丢弃的链路追踪数据（正式推出）：团队可以放心加大采样力度，无需担心丢失关键的链路追踪记录。开发者可通过ID检索过去24小时内的任意链路追踪记录，即使该记录已被Adaptive Traces丢弃，也仍可调取，确保节省成本不以影响调查为代价。

Rapid7首席软件工程师Carl Eastman表示：“过去，要找出浪费，就得靠人工深入排查指标基数和日志量。新服务不断带来更多数据，这项工作也就永远做不完。如今，Adaptive Metrics和Adaptive Logs替我们完成了这些分析。它们会指出哪些指标和日志模式从未被查询，并建议对哪些数据进行聚合或丢弃。我们只需应用建议，无需再自行排查。这样，工程师就能将时间集中在少数需要人工判断的规则上，例如丢弃我们已知属于噪声的调试日志，而不必逐一处理所有长尾情况。”

• 访问我们的博客，查看ObservabilityCON大会发布的全部消息
• 查看完整的《2026年可观测性现状报告》
• 阅读IDC的《Grafana AI的商业价值》报告

关于Grafana Labs

Grafana Labs是Grafana Cloud的开发公司。作为全托管可观测性平台，Grafana Cloud深受10,000多家组织信赖，帮助它们保障系统可靠性、更快解决故障，并大规模优化遥测数据。Grafana Cloud基于开源技术和开放标准构建，支持跨技术栈的互操作性，既将AI引入可观测性，也为AI提供可观测性，为团队及其智能体提供统一的可见性，使其无论数据分散于何处，都能全面查看、理解并据此采取行动，以与自身雄心相匹配的速度推进业务。Anthropic、Bloomberg、NVIDIA、Microsoft和Salesforce等客户均信赖Grafana Labs。我们是一家全员远程办公的公司，团队成员遍布40多个国家，并获得Lightspeed Venture Partners、Sequoia Capital、GIC、Coatue、J.P. Morgan、CapitalG和Lead Edge Capital等领先投资机构的支持。