夜莺V8.Beta13发版，支持MySQL数据源，更方便做业务指标监控了
夜莺 v8.0.0-beta13 新增 MySQL 数据源告警支持，适合围绕订单、商品等业务数据配置关键业务指标告警，并修复通知媒介联系方式和 Elasticsearch KQL 报错显示问题。
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
大厂出手了，微软推出 SRE agent 做故障定位
介绍微软 Azure SRE Agent 的能力与工作方式，涵盖 Azure 资源上下文、事件响应、日志和指标分析、根因定位、安全检查、人工批准后的止损动作以及 GitHub 闭环。
ELK的替代品：Opentelemetry + OpenSearch
从传统的ELK转向由OpenTelemetry和OpenSearch驱动的技术栈，能为您的日志需求提供更灵活、高效且真正开源的解决方案。您可以借助OTel实现标准化的遥测数据收集，从日志开始，之后再添加追踪和指标数据。这是在内部构建全栈可观测性系统的第一步
夜莺V8.Beta11发版，支持CK告警、事件Pipeline等
夜莺 v8.0.0-beta11 新增 ClickHouse 告警、事件 Pipeline、新版菜单和新版活跃告警，并保留 v6/v7 平滑升级说明。
告警风暴肆虐：运维团队每年浪费 2000 小时在无效通知上，如何破局？
告警风暴会让团队疲劳、关键告警漏处理、电话短信成本升高。本文从告警规则治理、On-call、复盘、收敛降噪、认领升级五个环节说明治理方法。
如何处理复杂系统 - 我在 Google 工作时学到的
本文翻译并整理 Teiva Harsanyi 关于复杂系统的经验：区分 complicated 与 complex，解释涌现行为、延迟后果、局部优化、迟滞和非线性，并总结可逆决策、全局指标、受控发布、可观测性、模拟、机器学习和团队协作等处理方法。
运维想转SRE？先了解这7个原则
介绍 SRE（站点可靠性工程）的七项原则：拥抱风险、SLO、消除琐事、监控、自动化、发布工程和简洁性，帮助运维人员理解从传统运维转向 SRE 的核心方法。
Stack Overflow 快死了
Gergely Orosz 结合 Stack Overflow 提问量数据，分析 LLM、审核政策和开发者求助方式变化如何共同推动 Stack Overflow 走向衰落。
顶级流媒体服务商 Spotify 2025.04 故障复盘报告，吃他人的堑长自己的智
复盘 Spotify 2025 年 4 月 16 日全球中断：Envoy 过滤器顺序变更触发崩溃，重试流量与 Kubernetes 内存限制配置问题放大影响，并总结变更灰度、容量和告警启示。
使用 Feature Flag 的常见错误，SRE 总要懂的一些最佳实践
Feature Flag 能降低发布风险、支持灰度和快速回滚，但也会带来代码复杂度、僵尸标志、命名混乱、监控缺失和性能瓶颈。本文整理 SRE 视角下的常见错误和改进做法。
重新整理了机器的仪表盘和夜莺自身监控数据的仪表盘
在夜莺里重新整理了机器的仪表盘，包括 Categraf 作为采集器和 NodeExporter 作为采集器两种指标的仪表盘。也整理了夜莺 v8 版本的自身监控数据的仪表盘。自取。
可观测性2.0？还是只是日志的卷土重来？
最近行业内讨论 Observability 2.0 又多起来了，怎么算是 2.0？如果我没记错，最原始的观点应该是 Honeycomb 的 CTO 提出来的。她说：三大支柱（指标、日志、链路追踪）时代是 Observability 1.0 时代，三类数据分散存储，不好统一分析，而 Observability 2.0 时代是三类数据统一存储，甚至不再归类为三类数据，而是统一归为“宽事件”数据，每个事件有很多字段和标签。
如何更快处理故障 - 论心理模型重叠的重要性
复杂故障难处理，往往不是因为没人在线，而是跨团队缺少共享语境。本文从心理模型重叠、基本共识破裂、事故演练和可观测平台沉淀解释如何更快处理故障。
可观测性第四大支柱：配置数据的监控
业内经常讲可观测性有三大支柱：指标、日志、链路追踪，本文作者认为，还有第四大支柱：那就是配置类数据。配置类数据的变更也会影响系统的稳定性，也值得被监控，方便我们快速排查问题。
产品技术：Flashcat使用截图页面的方式丰富告警内容
Flashcat 截图推送功能可在定时巡检或异常触发时，把北极星、灭火图、SLO、AI 巡检报告等页面截图发送到 IM 群，帮助团队从告警通知直接进入全局状态判断和后续排障。
数据集成：Zabbix 数据实时导入到 Flashcat
介绍如何使用企业版 Categraf 的 Zabbix 插件将 Zabbix 监控数据实时导入 Flashcat，覆盖 Docker Compose 快速部署、Zabbix 7.2 HTTP Connector、API Token、文件导出方式、Categraf 配置、元数据缓存和指标转换流程。
Linux主机监控最佳实践
介绍 Flashcat 中 Linux 主机监控的最佳实践，覆盖 Categraf 数据采集、hostname/ident 唯一标识、全局标签、业务组绑定、内置仪表盘、告警规则、全局告警和订阅告警配置。
顶级 SaaS 公司 Datadog 是如何做 OnCall 的
Datadog 的 OnCall 实践强调轮班公平、备份升级、工具支撑和经理参与。本文从值班表设计、值班职责、培训资料、升级策略和管理者反馈几个角度，总结 SaaS 团队建设 OnCall 机制时可以借鉴的做法。
SRE 最应该监控的四大黄金指标
系统介绍 SRE 四大黄金指标 Latency、Traffic、Errors、Saturation，并结合 RED、USE 与 Prometheus 示例说明如何监控服务健康、设置告警和支撑 SLO。
常见的监控数据采集器有哪些？各有什么优缺点
梳理 Telegraf、Categraf、Prometheus Exporter、Datadog Agent、OpenTelemetry、Grafana Alloy、Zabbix agent 等监控数据采集器的定位、优缺点和选型思路。
