2024 年了，IT 运维监控系统都有哪些
2024 年值得关注的 IT 运维监控系统梳理：Prometheus、Grafana、Nightingale、Zabbix 以及 Cacti、Nagios 的适用场景、能力边界和选型维度。
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
运维 + AI，你得先搞懂这些
从运维场景出发，梳理 Semantic Kernel、LangChain、Prompt 工程、RAG、Fine-Tuning、CoT、ToT、ReAct 等 AI 基础概念，以及它们在告警分析、故障处理、资源优化和可观测性建设中的落地思路。
在 Kubernetes 中部署 Alertmanager
本文演示如何在 Kubernetes monitoring 命名空间中部署 Alertmanager，并配置 Prometheus 告警地址、Alertmanager ConfigMap、告警模板、Deployment 和 NodePort Service。
在 Kubernetes 里部署 JMX Exporter 监控 Java 应用
通过 Spring Boot Java 应用演示如何在 Kubernetes 中部署 Prometheus JMX Exporter，包括 javaagent 镜像构建、ConfigMap、Deployment、Service、Prometheus 抓取配置和 Grafana 验证。
第二届CCF·夜莺开发者创新论坛成功举办，免费领取 PPT
第二届 CCF·夜莺开发者创新论坛于 2024 年 7 月 26 日在北京举办，议题覆盖夜莺 v7、可观测性埋点标准化、eBPF、OnCall、多机房监控、数据治理、网络设备监控和 AI Agent 运维实践。
开源监控 - 夜莺项目 v7 正式发版了
夜莺 v7 LTS 在第二届 CCF·夜莺开发者创新论坛发布，重点增强暗黑主题、指标视图、模板中心、边缘机房告警、通知过滤、故障自愈和 Grafana 仪表盘集成。
Jenkins 高可用，到底怎么搞？
解释开源 Jenkins 为什么难以做主主高可用，并给出基于自动扩缩组、外部数据盘、Kubernetes StatefulSet 和动态 Agent 的可落地 HA 思路。
Jenkins 架构详解 - 初学者指南
本文面向 Jenkins 初学者，解释 Jenkins Server、Job、Plugin、Credential、Agent、Cloud、Data 和 Web Interface 等核心组件如何协同工作，并说明生产环境中需要关注的配置、凭证和备份要点。
实施 SLA、SLO 和 SLI：SRE 实用指南
面向 SRE 实践解释 SLA、SLO、SLI 和 Error Budget 的关系，说明如何为生产服务选择可衡量目标、落地监控指标并避免常见误区。
用实际例子讲透 Kubernetes Pod
用 Nginx 示例讲清 Kubernetes Pod：理解 Pod 与容器的关系、Pod YAML、kubectl 创建与访问、生命周期、核心特性和关联控制器。
夜莺 v7.beta14 发版，支持灵活定义告警事件标签
夜莺 v7.beta14 支持告警事件 relabel，可在告警规则中通过 replace、labeldrop、labelkeep 等操作灵活处理事件标签，减少 Kubernetes 等场景中的无关标签干扰。
一张图详解开源监控夜莺（Nightingale）的架构
本文围绕夜莺监控（Nightingale）的架构图，解释 n9e 服务端、Pushgateway、WebUI、AlertEngine、Categraf、时序库、告警通道和边缘模式之间的关系。
7 张图，彻底讲透 Prometheus 架构原理
用 7 张图讲解 Prometheus 架构原理，覆盖 Prometheus Server、TSDB、Targets、Exporters、Service Discovery、Pushgateway、Client Libraries、Alertmanager 和 PromQL。
10 张图，说透 Kubernetes 架构和数据流
用架构图和数据流解释 Kubernetes 控制平面、工作节点、集群插件与原生对象，帮助读者理解 kube-apiserver、etcd、scheduler、controller manager、kubelet、kube-proxy、容器运行时和 CNI 的职责边界。
运维工程师（SRE）必须掌握的技能有哪些？
运维工程师和 SRE 需要同时具备个人素养、职业素养、基础技术、业务技术、横向技术和体系思考能力，才能从执行岗位成长为高阶工程角色。
适合初学者的 17 个最佳 Linux 网络和故障排除命令
本文整理 17 个适合初学者掌握的 Linux 网络和故障排除命令，覆盖 hostname、host、ping、curl、wget、ip、arp、ss、traceroute、mtr、dig、nslookup、nc、telnet、route、tcpdump 和 lsof，并说明各命令适合排查的问题。
监控都没做好，你还要可观测性...
可观测性建设不是越早越好。本文从覆盖完备性和能力完备性两个维度说明：如果业务监控、应用监控、组件监控、资源监控、网络监控和端监控还没打牢，先补监控体系通常比直接上可观测性项目 ROI 更高。
最佳实践：OnCall 文化值得落地，晚上被告警吵醒的概率确实大大降低了
晚上被告警吵醒，不只是通知工具问题，而是 OnCall 文化、排班、告警规则、收敛降噪、分发策略和运营治理的系统问题。本文说明如何用 OnCall 机制降低夜间无效打扰。
夜莺 v7.beta13 发版，继续优化细节
夜莺 v7.beta13 增加日志 KQL 查询模式、Prometheus 即时查询历史记录、记录规则 cron 表达式模式，并继续优化仪表盘表格、查询精度和用户密码更新。
Flashduty vs Pagerduty，产品、服务和价格深入对比
从产品、服务与价格三个维度对比 Flashduty 与 Pagerduty，梳理企业采购 On-Call、告警降噪和故障响应平台时应该评估的问题。
