从一个 Issue 谈 PID 1 与 Reaping 机制
基于 Categraf GitHub Issue #1261，解释容器中 PID 1 为什么会导致僵尸进程泄漏，以及如何通过 Go reapDaemon、SIGCHLD、wait4 和 PR_SET_CHILD_SUBREAPER 清理子进程。
Flashcat 博客
围绕可观测性、AI SRE、告警治理、On-call、Nightingale、Categraf、Prometheus、Kubernetes、Zabbix、用户案例和产品更新，沉淀一线工程实践、选型参考和稳定性治理方法。
精选内容
最新文章
如何成为一名具备产品思维的工程师
具备产品思维的工程师关注用户、业务目标、产品决策和工程取舍。本文总结产品思维工程师的 9 个特质，并给出工程师培养产品思维的实践建议。
Kubernetes OOM 和 CPU Throttling 问题
深入解析 Kubernetes OOM 和 CPU Throttling 问题：理解 limits/requests 配置、内存过量分配、CPU shares 机制，以及如何通过 Prometheus 指标监控和预防资源耗尽导致的 Pod 被杀或限流。
Kubernetes 中必备的 10 个告警处置方法
Kubernetes 必备 10 个告警配置及处置方法：涵盖 CPU 过高、Kubelet 卷管理器故障、API Server 错误、节点资源压力、Pod 状态异常、ETCD leader 变更等关键场景的监控与排查命令。
Prometheus 14 点实践经验分享
Prometheus 14 点最佳实践：包括 USE/RED 方法论、标签基数控制、指标命名规范、告警症状而非原因、rate 和 sum 顺序等核心经验，来自 PromCon 2017 的经典分享。
SRE解决的核心问题究竟是什么？
SRE 解决的核心问题是研发不懂运维、运维不懂研发的割裂问题。它用软件工程、自动化工具和可靠性方法，使系统增长时运维人力不必线性增加，并以运维敏捷支撑研发敏捷。
论文阅读 《Pingmesh: A Large-Scale System for Data Center Network Latency Measurement and Analysis》
解读微软 Pingmesh 论文：一套大规模数据中心网络延迟监控系统，通过 Controller-Agent 架构实现每天 2000 亿次 ping 探测，用于网络故障判定、SLA 追踪和静默丢包检测。
如何采用 SRE 实践（当你不是 Google 时）
非 Google 公司落地 SRE 的实践指南：解释 SRE 与 DevOps 的关系、团队职责、成熟度模型、自动化能力、SLI/SLO/SLA 设计，以及如何从监控和事件响应开始推进可靠性工程。
使用 eBPF 在云中实现网络可观测性
使用 eBPF 实现云网络可观测性：对比 Ring Buffer、Hash Map、Array 等数据结构在流量指标收集中的性能差异，分析 Skydive、Cilium、Falco 等开源工具的实现方案。
使用 OpenTelemetry 构建可观测性 01 - 介绍
OpenTelemetry 入门指南：介绍 OTel 的 API、SDK、Collector 组件，以及 Traces、Metrics、Logs 三大可观测性支柱，通过购物车示例应用演示分布式链路追踪实现。
使用 OpenTelemetry 构建可观测性 02 - 埋点
OpenTelemetry 埋点详解：讲解手动埋点创建 Span、设置属性和事件，以及使用 Flask、MySQL 自动埋点零代码获取链路追踪数据，快速实现应用可观测性。
使用 OpenTelemetry 构建可观测性 03 - 导出
OpenTelemetry SDK 导出详解：介绍 TracerProvider 链路追踪生产者、Resource 资源元数据、OTLP Exporter 导出器的配置，实现遥测数据从应用到收集器的传输。
使用 OpenTelemetry 构建可观测性 04 - 收集器
OpenTelemetry Collector 详解：介绍接收器、处理器、导出器组件，DaemonSet 和 Sidecar 两种 Kubernetes 部署方式，以及使用 ocb 工具构建自定义收集器分发版。
使用 OpenTelemetry 构建可观测性 05 - 传播和行李（Propagation & Baggage）
OpenTelemetry 传播与行李机制详解：通过 Propagation 传递 TraceID 和 SpanID 实现分布式链路追踪，使用 Baggage 在微服务间传递自定义上下文数据。
使用 OpenTelemetry 构建可观测性 06 - 生态系统
OpenTelemetry 生态系统入门指南：介绍 OTel 官网、项目博客、CNCF Slack、社区仓库、核心 GitHub 仓库、Collector 仓库、语言 SDK 仓库和 OpenTelemetry Registry。
我写了一个 vscode 插件，方便在 hugo markdown 中输入 ISO 8601 格式的时间
介绍 VSCode 插件 insertisodate：在 Hugo Markdown 中一键插入 ISO 8601 时间，方便维护 date 和 lastmod 字段，并说明核心实现代码和适用场景。
Prometheus 进阶函数 info 来了，苦 join 久已啊
详解 Prometheus 实验性 info 函数，告别复杂的 group_left join 语法实现标签 Enrichment。info 函数简化 PromQL 写法，并解决标签变化导致的 Churn Problem 和 many-to-many 匹配问题。
记一次被社区用户逼着修Bug经历
记录 Categraf http_response 插件报错 remote error: tls: handshake failure 的排查过程，说明 IPv4/IPv6 入口 TLS 配置差异、Go 1.24 默认加密套件变化，以及 tls_cipher_suites 兼容配置方案。
排查 Flashduty monitor 监控告警 - 数据不符合预期的场景
排查 Flashduty monitor 监控告警数据不符合预期的方法：理解 Prometheus query lookback 影响，模拟 /api/v1/query 查询告警时刻数据，并用脚本按告警频率回放 PromQL 结果。
夜莺监控：机器告警配置详解
夜莺监控机器告警配置指南：说明 PUSH 模式下如何做机器存活监控，以及普通指标告警如何在标签过滤、业务组变量、通知规则分派之间取舍。
