滴滴开源HUATUO，利用eBPF打通操作系统可观测性最后一公里
滴滴开源面向操作系统可观测性的 HUATUO 项目，利用 eBPF 常态化采集内核指标，并在异常触发时保存调用栈、火焰图、D 状态进程、内存突增和 IO 上下文。本文梳理 HUATUO 的背景、能力边界和与夜莺组合使用的价值。
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
Jaeger 十岁：在社区中淬炼，于 OpenTelemetry 中重生
Jaeger 十周年回顾：从独立追踪系统走向 OpenTelemetry 生态，Jaeger v2 基于 OpenTelemetry Collector 重构，聚焦追踪存储、查询和可扩展后端。
什么是可观测性？可观测性成功指南
可观察性是一种方法，可以帮助您预测和预防未来的问题。它有助于根据外部输出的知识确定系统的状态。本文将详细介绍可观测性的定义、重要性、好处、挑战、支柱及其如何运作。
利用 OpenTelemetry 实现尾采样
尾采样正在彻底改变各组织处理遥测数据的方式，在优化存储成本和系统性能的同时，以前所未有的精度捕获最有价值的追踪数据。
夜莺里如何引用标签和注解变量
夜莺告警规则和消息模板都可以引用标签、注解变量。本文说明 .TagsMap、$labels、$event.TagsMap、$event.AnnotationsJSON 的使用场景、示例和注意事项。
SLI指南针：保真度和粒度
介绍 SLI 指南针的二维模型：用保真度和粒度评估服务等级指标的信噪比、成本、复杂性和消费者体验匹配程度，帮助团队选择更合适的 SLI。
Grafana侧重可视化，那多数据源告警呢？
Grafana 擅长多数据源可视化，但多数据源告警在规则管理、权限、通知和事件处理上更复杂。本文介绍夜莺监控的告警引擎架构、规则判定、屏蔽、持久化、通知规则、订阅规则和事件处理 Pipeline。
Prometheus 监控 Kubernetes Cluster 最新极简教程
Prometheus 监控 Kubernetes 极简教程：使用 kube-prometheus-stack 安装 Prometheus、Grafana、Alertmanager 和导出器，并完成查询、仪表板和告警配置。
夜莺监控的几种架构模式详解
本文系统梳理夜莺监控（Nightingale）的几种常见架构模式：仅作为告警引擎、让指标数据流经夜莺、以及多机房场景下的边缘告警架构，并说明每种模式适合什么场景。
监控系统如何选型：Zabbix vs Prometheus
Zabbix vs Prometheus 监控选型指南：从产品基因、静态资产与动态环境、集成度、生态演进、网络设备、Kubernetes、可观测性数据消费和团队能力角度判断如何选择。
NetFlix SRE 实践
基于 Netflix CORE 团队 SRE 工程师 Hank Jacobs 的分享，梳理 Netflix 中心化可靠性团队如何承担业务 KPI 监控、事件管理、事件后分析、可靠性咨询和系统性风险识别。
NetFlix 面试题：从 A-Z 列出 Unix 命令
整理一份按 A-Z 排列的常见 Unix/Linux 命令清单，覆盖文件处理、文本处理、进程管理、网络诊断、Shell 内建、压缩归档和系统运维等常用工具。
为 Prometheus 告警规则增加 UI 管理能力
Prometheus 告警规则通常通过 YAML 和 Git 管理，跨团队自助、权限隔离、规则评审和通知治理都会变复杂。本文演示如何用 Nightingale 夜莺监控为 Prometheus alerting rules 增加 UI 管理能力，并介绍数据源接入、规则配置、Prometheus 规则导入和告警引擎能力。
何为 Prometheus 高基数？为何有时会有高基数峰值？
解释 Prometheus 高基数和基数峰值的含义、常见成因、对成本与性能的影响，以及在确有高基数业务需求时的处理思路。
我构建了公司第一个监控系统，这里是我学到的
译文分享作者用 Prometheus、Grafana 和 Alertmanager 构建公司第一个监控系统的经验，重点讨论自定义指标、最佳实践、指标管道验证和可观测性完成定义。
Java 程序监控 - Actuator、Micrometer、JMX、组件自身暴露指标
Java 程序监控通常有四条路径：Spring Boot Actuator、Micrometer、JMX 以及组件自带指标接口。本文对比适用场景，并给出暴露 Prometheus 指标的配置示例。
可观测性体系建设五步心法：明业务、立规范、采数据、显特征、获洞见
可观测性体系建设可以按明业务、立规范、采数据、显特征、获洞见五步推进。本文从业务指标、SLI/SLO、数据采集、特征呈现和故障止损洞见梳理建设路径。
引入 AI 分析故障，Flashduty 又进步了
Flashduty 在告警 On-call 场景中引入 AI 总结能力，把同一故障下的多条告警事件整理成人可读的故障摘要，帮助值班人更快理解 incident。
底层的告警，上层应用应该收吗？
业务应用是否要接收底层基础设施告警，关键不在依赖关系，而在是否有可执行 SOP。本文给出上层 DEV/SRE 判断告警订阅、SLI 看板和业务埋点的实践口径。
CPU 负载高，到底应不应该告警？？
CPU 负载高是否应该告警，关键看告警是否 actionable：是否有人处理、是否有 SOP、是否能进入合适的 Critical、Warning 或 Info 通知链路。
