Grafana 12.3在日志探索和可用性方面取得了显著进步，而Grafana Tempo 2.9则提供了更好的追踪采样功能，并引入了AI驱动的上下文访问。这两个产品现在都已经可用，对于正在寻找更强大可观测性解决方案的团队来说，值得一试。

Grafana Labs 最近发布了两个核心可观测性产品的重大更新：Grafana 12.3 和 Grafana Tempo 2.9。

这两个版本在监控和追踪方面都带来了显著改进，特别是日志分析和AI辅助功能的增强，让运维人员的工作效率大幅提升。

Grafana 12.3：重新定义日志探索体验

Grafana 12.3 在统一仪表板环境中引入了全新的可视化工具和学习功能。

这次更新最引人注目的是完全重建的日志面板，现在支持颜色高亮、灵活的客户端搜索和过滤，以及对毫秒和纳秒精度时间戳的支持。这意味着你可以更精确地定位问题发生的时间点。

新增的"日志上下文"功能特别实用。当你选中某条日志行时，可以查看该日志前后发生的事件，时间范围可以从大约一百毫秒调整到两小时。这对于排查复杂问题非常有帮助，因为很多时候我们需要了解某个错误发生前后的系统状态。

还有一个很贴心的字段选择器组件，它会显示哪些日志字段出现频率最高，让你可以切换显示这些字段、重新排序，从而减少噪音。在处理大量日志时，这个功能能帮你快速聚焦到关键信息。

最有趣的是新增的"交互式学习"功能。

根据官方博客的解释，这个功能会根据你在Grafana中的位置和正在执行的操作，提供上下文感知的指导。这对于新手来说特别友好，能帮助他们更快上手这个强大的工具。

Grafana Tempo 2.9：AI驱动的追踪分析

Grafana Tempo 2.9 在追踪功能方面有了重大突破。

这次更新最大的亮点是实验性的模型上下文协议（MCP）服务器支持，这让AI助手可以通过TraceQL查询访问追踪数据。简单来说，你现在可以让AI帮你分析追踪数据，大大提升了问题诊断的效率。

TraceQL还新增了概率采样提示功能，比如 with(sample=true) 或 with(sample=0.xx)，允许你在高流量环境中牺牲一些准确性来换取速度。这对于处理大规模分布式系统的团队来说是个福音，因为全量追踪数据往往非常庞大。

在多租户设置中，新版本还改进了操作可见性，新增了查询期间检查的字节数和跨度时间戳距离等指标，这些指标可以显示过去和未来的数据。这让多租户环境下的资源使用情况更加透明。

与竞品的差异化优势

虽然一些现有的开源工具提供了部分类似功能，但Grafana的这次更新将这些功能进行了深度整合。

Tempo新增的紧密集成的采样控制和AI助手功能，使其与基于OpenTelemetry的其他追踪工具相比更具竞争力。

对于Grafana 12.3，社区反馈普遍赞赏更强大的日志可视化功能。

有用户指出，类似的功能在Datadog或Splunk等商业日志工具中也能找到，但那些工具通常成本更高，而且无法原生集成到开源技术栈中。Grafana的优势在于它既能提供强大的功能，又能无缝融入开源生态。

在追踪方面，Tempo 2.9的新采样提示功能受到了处理高追踪量工作负载的用户的广泛好评。

德意志银行的Florin Lungu在LinkedIn上发文称赞，新的MCP服务器支持让他在性能监控方面能够做出更好的决策。

这种集成显著增强了我们从复杂数据中获取洞察的能力，这一点让我觉得非常有趣。

不过，Grafana Labs也提醒那些准备升级的用户要谨慎行事。公司建议在升级前进行仔细的规划和测试，确保新版本能够稳定运行在你的环境中。

总的来说，Grafana 12.3在日志探索和可用性方面取得了显著进步，而Grafana Tempo 2.9则提供了更好的追踪采样功能，并引入了AI驱动的上下文访问。这两个产品现在都已经可用，对于正在寻找更强大可观测性解决方案的团队来说，值得一试。

 如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！​

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。