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。
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
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。
HUATUO 基于BPF的可观测能力建设及 GPU 大模型性能剖析
整理第三届 CCF·夜莺开源创新论坛中张同浩关于 HUATUO 的分享，覆盖 eBPF 内核可观测、系统故障分析挑战、持续性能剖析和 GPU 大模型性能剖析。
突破指标上限：Zepto 借助 Mimir 实现的可观测性演进
Zepto 从 Prometheus + Thanos 迁移到 Grafana Mimir，用多租户指标平台解决 OOM、慢查询、告警中断和查询扇出问题。本文梳理迁移背景、架构选择、关键挑战和经验教训。
使用 Grafana、Loki、Fluent Bit、Mimir 和 OpenTelemetry 构建完整的可观测性技术栈
使用 Grafana、Loki、Fluent Bit、Mimir 和 OpenTelemetry 构建可观测性技术栈，本文演示 Docker Compose 下日志采集、OTLP 转发、Loki 存储、Grafana 数据源和 Loki 标签配置。
掌握这些能力，工资翻倍不成问题
SRE 想提升职业竞争力，不能只重复日常运维工作，而要系统提升底层技术、故障响应、架构规划、协作沟通和业务理解能力。
负载均衡100,000个WebSocket连接：HAProxy、Nginx与自定义方案的对比
对比 HAProxy、Nginx 与自定义方案负载均衡 100,000 个 WebSocket 连接的实践：包括会话持久性、NAT 问题、连接建立时间、内存开销、运营成本和最终选型建议。
从首席工程师身上学到的10条经验教训
与首席工程师共事一年后总结的 10 条工程成长经验：可维护代码、稳健交付、业务理解、代码历史、沟通能力、日志、取舍判断和帮助团队成长。
Kafka 不难，只是你用得不对
Kafka 难用往往不是工具本身的问题，而是主题建模、消费者组、状态流转、发件箱、重试队列和 Schema 演进没有设计好。本文用 6 个模式说明 Kafka 如何支撑可靠的事件驱动架构。
从 1 到 100 万用户：我真希望早点知道的架构
从单体应用、Nginx、MySQL 到 Redis、Kafka、分库分片、可观测性和 CDN，复盘一个产品从 100 用户增长到 100 万用户时的架构演进路径与瓶颈治理经验。
值得收藏的 8 个 Python 库
整理 8 个实用 Python 库：Rich、Typer、Pendulum、Pydantic、Faker、tqdm、Requests-HTML 和 Loguru，覆盖 CLI、参数解析、日期时间、数据验证、测试数据、进度条、网页抓取和日志记录。
Kubernetes YAML 编写技巧和坑
Kubernetes YAML 编写最容易踩坑的地方包括 Tab 缩进、布尔值自动转换、数字和日期类型推断、键名歧义、锚点复用和 lint 校验。本文给出实践建议和排查清单。
夜莺 v8 正式版，来了
总结夜莺 v8 正式版的核心升级，包括更多数据源告警支持、事件 Pipeline、通知规则抽象、机器告警优化和新版告警全景看板。
软件工程里的鲁棒性（Robustness）和弹性（Resilience）到底是什么？
解释软件工程中的鲁棒性 Robustness 和弹性 Resilience：二者分别关注异常下不崩溃和故障后可恢复，并通过 API、微服务、网站和数据库示例对比。
