可观测性 Observability 3.0 是个啥
可观测性 3.0 是个啥？本文介绍了可观测性 3.0 的背景、目标和实现方式，强调了成本效率和智能数据收集的重要性。
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
大厂实践：Airbnb 使用 Impulse 进行负载测试
Airbnb 内部负载测试框架 Impulse 的实践解析：如何通过上下文感知负载生成、依赖项模拟、生产流量采集与回放、测试 API 生成，在 CI/CD 中完成自助式负载测试和容量验证。
开源夜莺监控DIY发版时告警静默
基于夜莺监控 Pipeline、Event Update 和 Event Drop，把发版系统与告警事件联动，实现发布期间自动静默相关告警。
5分钟学点架构模式 - 断路器模式
断路器模式（Circuit Breaker Pattern）用于在依赖服务失败、超时或变慢时快速失败、触发降级并等待恢复。本文解释 Closed、Open、Half-Open 三种状态、适用场景、Resilience4j Java 示例和关键配置项。
夜莺监控V8发版，内置支持 DeepSeek 对接
夜莺监控发布了 v8.beta14 版本，新增 Postgres 告警支持和 AI Summary 处理器，增强业务监控能力。
夜莺监控（Nightingale）与 Grafana 深度整合
用 Keycloak 与 OIDC 打通夜莺监控和 Grafana：统一 SSO 登录，并将 Grafana 内嵌到夜莺，实现一个入口管理告警、通知和可视化大盘。
十年磨一剑，运维监控、可观测性领域创业，拼的是产品细节和交付能力
秦晓辉复盘在运维监控和可观测性领域创业的判断：为什么创业、为什么选这个赛道、解决什么痛点、Flashduty 与 Flashcat 的产品区别，以及 To B 产品长期存续靠什么。
categraf 主配置文件解析
逐项解析 Categraf 主配置文件 config.toml，说明 global、log、writer、http、ibex、heartbeat、prometheus 等关键配置的作用、默认部署含义和排查重点。
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。
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。
