如今，我们用于进行操作诊断工作的仪表盘，可以说是次优的。Charity Majors是Honeycomb的创始人之一，Honeycomb是新一代的可观测性工具之一。我本人并不是Honeycomb的用户，所以无法对该产品发表什么有见地的看法。但我的肤浅理解是，操作员与Honeycomb交互的主要方式是查询它。这听起来是一个非常不错的工具，我确实在尝试缩小问题范围时，感受到了无法进行高基数查询的缺失，并且我非常希望能拥有这样的工具。

但是，人类并没有进化到可以查询其环境，而是进化到可以导航其环境，并且我们拥有非常复杂的视觉系统来帮助我们导航复杂的世界。Honeycomb通过生成可视化来利用视觉系统，但是您首先要提交查询，然后才能获得可视化效果。

原则上，精心设计的仪表盘会立即吸引我们的视觉系统：先看，了解接下来在哪里看，然后采取下一步诊断步骤，无论是显式查询，还是导航到其他可视化。Charity在其推文中说明的问题是，我们始终设计不佳的仪表盘。鉴于我们可能获得的信息量之大，我们不擅长设计能够与人脑良好协作的仪表盘，以帮助我们浏览所有这些信息。

过去的仪表盘研究

现在，回到80年代和90年代，对于许多由操作员监管的物理系统（例如：工业控制系统、发电厂等），仪表盘是他们拥有的全部。当时有一些有趣的认知系统工程研究，关于如何设计考虑了我们对人类感知和认知系统了解的仪表盘。

例如，Kim Vicente和Jens Rasmussen提出了一种设计操作员用户界面方法，称为生态界面设计。Vicente和Rasmussen都是工程研究人员，他们在人因工程领域工作（Vicente的背景是工业和机械工程，Rasmussen的背景是电子工程）。他们合著了一篇题为《生态界面设计：理论基础》的优秀论文。生态界面设计建立在Rasmussen之前关于抽象层次结构的工作基础上，他根据研究技术人员如何调试电子电路而开发了这种层次结构。它还建立在他的技能、规则和知识（SRK）框架之上。

更战术上，David Woods发布了一套概念，以更好地利用视觉系统，称为视觉动量。这些概念包括支持检查读取（一目了然的信息）、远景、感知地标和显示重叠。有关更多详细信息，请参阅论文《视觉动量：改善人和计算机认知耦合的概念》和《如何避免在太多显示器之间导航》。

当今仪表盘设计的现状是什么？

我不知道我们行业中是否有任何人今天正在研究“我们如何设计更好的仪表盘？”这个问题。据我所知，围绕可观测性的讨论如今更多地集中在平台方面的问题上，例如：

我们应该收集哪些类型的可观测性数据？

我们应该如何存储它？

我们应该支持哪些类型的查询？

例如，以下是由Charity Majors撰写的关于“可观测性 2.0：您如何调试？”的文章中的第三点（强调内容为本人添加）：

您检查您的检测，或者观察您的SLO。如果某些内容看起来不正常，您会查看所有神秘事件的共同点，或者开始形成假设，提出问题，考虑结果，并根据答案形成另一个问题。您每次都会询问您的系统，沿着线索找到答案。

您不必猜测或依赖精心构建、不可避免地过时的思维模型。数据就在您眼前。最好的调试人员是最好奇的人。

您的调试问题是分析优先的：您从用户的体验开始。

我希望看到我们的行业改进检查您的检测部分，使其更容易识别是否存在异常，并提供有关接下来在哪里查看的线索。明确地说：

我始终希望能够以Honeycomb支持的方式查询我的系统，并进行高基数细化和关联。

我始终希望从仪表盘开始，而不是从查询界面开始

换句话说，我始终希望从仪表盘开始，并将其用作进行查询的跳板。

而且，也许可观测性领域的一些人在研究如何改进仪表盘设计。但是，如果真是这样，我并不知道这项工作。仅查看Monitorama 2024的时间表，“仪表盘”一词甚至都没有出现过一次。

这让我感到悲伤。因为，虽然并非每个人都能使用像Honeycomb这样的工具，但每个人都可以使用仪表盘。而且仪表盘的现状似乎不会很快得到改善。