快猫星云博客 | 一站式智能观测平台 | 可观测性

网站可靠性工程师

众所周知，开发和IT运营之间因为屁股决定脑袋，存在巨大的鸿沟，而网站可靠性工程师（SRE）在开发和IT运营之间建立了一座桥梁，SRE会承担原本属于IT运营的一部分工作内容，不过SRE的工作方式和传统的IT运营很不相同，SRE有很强的研发能力，他们通过创建可扩展和可靠的软件系统来解决问题。

Posted by 译者：秦晓辉@快猫星云 on 2023-02-26 08:06:10

他山之石可攻玉 SRE

夜莺监控(Nightingale)6.x 的机器失联告警设计

夜莺监控(Nightingale)6.x 计划重新设计机器失联告警，不再自动生成 target_up 指标，提升即时性，并且架构上会更容易理解，具体是如何思考的呢，且听本文分解

Posted by 秦晓辉@快猫星云 on 2023-02-02 06:06:10

夜莺 Nightingale

Telegraf 发送指标给 Prometheus

Telegraf 作为一个指标层面的 all-in-one 的采集器，用途广泛，Telegraf 具备多种 output 插件，本篇介绍如何使用 prometheus remote write 方式发送数据给后端。

Posted by 秦晓辉@快猫星云 on 2023-02-01 06:06:10

他山之石可攻玉 Telegraf Prometheus Nightingale

运维百家讲坛第1期：井源 - 运维几何

井老板是我11年入行加入百度时的团队大老板，骨灰级老炮，逮着这个机会不容易，把业内常见问题都问了个遍，以飨读者。井老板生性洒脱，嬉笑怒骂皆成文章，道理自在其中。这里是接地气、有高度的《[运维百家讲坛](https://mp.weixin.qq.com/s/Y4rIfV4_7MuYigLNNrtifg)》第 1 期，开讲！

Posted by 秦晓辉&井源 on 2023-01-26 06:06:10

运维百家讲坛 SRE 运维百家讲坛

巧用Categraf探针mtail插件实现系统日志监控告警

目前市面上对于日志监控告警的主流方案主要围绕ELK及其变种展开，通过探针采集系统日志写入Kafka，然后基于Kakfa消费数据写入ES，采用定时查询ES 做异常告警；另一种方案则是基于Kafka流式数据，采用Flink直接做异常告警，架构上比较复杂。这里介绍使用mtail的轻量级方案。

Posted by 李沈阳@海信 on 2023-01-10 06:06:10

他山之石可攻玉 Categraf mtail

夜莺监控(Nightingale)6.x版本整体架构设计思考

夜莺监控(Nightingale)将会在2023年开始设计6.x版本，这个版本的架构会作何改造呢，通过本文做一个梳理，通过梳理的过程我自己也思考的更清晰一些，你也可以了解这个思考的过程。

Posted by 秦晓辉@快猫星云 on 2023-01-04 09:06:10

夜莺 Nightingale

HAProxy 监控

HAProxy 作为一款非常流行的软件负载均衡器，在很多公司都有应用，本文介绍如何采集 HAProxy 的监控指标，对 HAProxy 做监控。

Posted by 秦晓辉@快猫星云 on 2023-01-04 06:06:10

他山之石可攻玉 HAProxy

互联网运维工作的演进和规划

一个典型的互联网企业运维工作和组织架构是怎么样的？运维的未来又是什么样的？

Posted by VicLai on 2022-12-29 08:08:08

运维十年

Apache Hadoop HDFS 监控

Hadoop HDFS 的监控非常典型，有两种数据采集方法，这一篇介绍第一种，通过 Jolokia 获取 JMX 数据的方式。

Posted by 秦晓辉@快猫星云 on 2022-12-27 06:06:10

他山之石可攻玉 Hadoop HDFS Jolokia

高济健康：基于Flashcat增强IT服务故障管理能力实践

医药健康企业如何建设自己的在线服务故障管理体系？本文结合大型医药企业的实践，分享Flashcat在保障医药企业服务稳定性中的价值和经验。

Posted by Flashcat on 2022-12-21 00:00:00

用户案例 Flashcat 医药健康故障管理北极星灭火图

使用 grok_exporter 从日志中提取指标(日志监控)

grok_exporter 是一个类似 mtail 的方案，可以流式读取日志文件，通过正则做匹配提取指标，相比 mtail 更为简单直观。不过数据计算方面灵活性稍差。

Posted by 秦晓辉@快猫星云 on 2022-12-18 06:06:10

他山之石可攻玉 grok_exporter log-monitor

Kubernetes监控手册11-针对部署到Pod里的应用做性能监控

Kubernetes监控手册第11篇，在Kubernetes体系里，应用程序部署在Pod里，针对这类程序应该监控，跟传统的物理机虚拟机的部署方式有何差别？

Posted by 秦晓辉@快猫星云 on 2022-12-07 06:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale APM

Kubernetes监控手册10-使用 kube-state-metrics 监控 Kubernetes 对象

Kubernetes监控手册第10篇，使用 kube-state-metrics 监控 Kubernetes 各类对象，比如某个 Deployment 有多少副本可用多少副本不可用，有多少 Pod 分别是什么状态之类的。

Posted by 秦晓辉&孔飞@快猫星云 on 2022-12-04 06:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale kube-state-metrics

Kubernetes监控手册09-监控ETCD

Kubernetes监控手册第9篇，讲解如何监控ETCD，ETCD现在使用已经越来越广泛了，不止是Kubernetes，很多业务方也在使用，需要有个深入了解。

Posted by 秦晓辉&孔飞@快猫星云 on 2022-12-04 05:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale ETCD

Kubernetes监控手册08-监控scheduler

Kubernetes监控手册第8篇，讲解 scheduler 的监控方法，scheduler 是负责调度对象到合适的 node 上，会有一系列的规则计算和筛选。重点关注调度相关的指标

Posted by 秦晓辉&孔飞@快猫星云 on 2022-12-02 05:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale scheduler

Kafka 关键概念，什么是AR、OSR、ISR、HW和LEO以及之间的关系

要做 Kafka 的监控，首先要了解 Kafka 的一些关键概念，Kafka 的关键概念还有点多，本文对这些关键概念做一个概要介绍。

Posted by 秦晓辉@快猫星云 on 2022-11-29 06:06:10

他山之石可攻玉 Kafka

Kubernetes监控手册07-监控controller-manager

Kubernetes监控手册第7篇，讲解 controller-manager 的监控方法，controller-manager 是负责监听对象状态，并与期望状态做对比，如果状态不一致则进行调谐，重点关注的是各个controller的运行情况，比如任务数量，队列深度

Posted by 秦晓辉&孔飞@快猫星云 on 2022-11-29 05:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale controller-manager

Kubernetes监控手册06-监控APIServer

Kubernetes监控手册第6篇，讲解APIServer的监控，APIServer作为Kubernetes全局统一API入口，是控制面的核心组件，APIServer如果出问题，各类增删改查都无法操作。

Posted by 秦晓辉&孔飞@快猫星云 on 2022-11-28 05:06:10

Kubernetes监控专栏产品技术 Kubernetes Nightingale APIServer

手把手融汇贯通网络流量分析

我们生活在一个数据大爆炸的时代，网络是互联网的载体，网络流量分析也是技术人员日常最依赖的troubleshooting手段，本文手把手讲解网络流量捕获和分析的方方面面

Posted by VicLai on 2022-11-23 08:08:08

运维十年 SRE monitoring

二十年里12个开源监控工具大对比

过去20年里，都涌现出来了哪些典型的优秀开源监控工具，他们的优缺点如何？

Posted by VicLai on 2022-11-22 08:08:08

运维十年 SRE monitoring prometheus zabbix

ai aiops alertmanager apache apiserver apm azure categraf catpaw ccf chatgpt chatops clickhouse controller-manager coredump cprobe cslo datadog devops dns docker ebpf elasitcsearch elastalert elasticsearch etcd etl faq featureflag flashcat flashcat产品 flashduty flashduty-changelog fluentbit fluentd gdpr gitops golang google gpu grafana grok_exporter hadoop hana haproxy hdfs helm httpstat huatuo iac ibex ilo im协同 incident it监控 jaeger jenkins jmx jmx-exporter jolokia k8s kafka kibana kube-proxy kube-state-metrics kubelet kubernetes linkedin linux linux监控 llm log log-monitor logging logs loki metrics metricshub metricsql mimir mimirtool mongodb mongodb监控 monitoring mtail mysql mysql调优 mysql监控 netflix nightingale node-exporter nsenter observability on-call oncall open-falcon open-telemetry openmetrics opensearch opentelementry opentelemetry oracle监控 otel pagerduty pingmesh postgresql procstat product-feature prometheus prometheus告警 promql promxy rancher redis salt scheduler siglens signoz skywalking sla sli slo snmp snmp-exporter spanconnector sre telegraf tidb traces tracing troubleshooting uber ulimit vector victorialogs victoriametrics zabbix 北极星不可变基础设施出海出海业务创业错误预算错误预算机制大厂实践大模型大模型智能oncall 滴滴夜莺钉钉钉钉通知飞书飞书通知服务稳定性告警告警oncall 告警丰富告警风暴告警规则告警降噪告警聚合告警排班告警认领告警升级告警事件告警收敛告警数据孤岛告警通知告警响应告警协同告警抑制告警引擎告警值班告警指派告警自愈根因定位故障故障复盘故障管理计算机学会架构师监控监控agent 监控方法论监控告警监控工具监控设计思考监控系统监控系统合规进程监控开源开源监控开源商业化开源夜莺可观测平台可观测性可观测性论坛可观测性体系建设客户案例快猫快猫星云连锁门店链路追踪埋点监控面试题灭火图普罗米修斯企微通知企业微信人工智能日志日志存储日志分析日志告警日志监控容器熔断时序库时序数据库事件监控手把手构建生产级监控系统他山之石提问的智慧通知规则统一监控网络可观测性网络排障尾采样稳定性保障稳定性方法论稳定性体系稳定性体系建设系统架构设计信创业务监控夜莺夜莺v8 夜莺短信告警夜莺黄埔营夜莺监控夜莺开发者创新论坛夜莺开源项目夜莺业务组夜莺用户案例医药健康仪表盘用户案例云厂商云原生监控云原生组织运维运维百家讲坛运维告警运维监控运维监控系统运维监控系统实战笔记智能oncall 智能告警自监控最佳实践