提升故障应急响应速度，Flashcat平台的1-5-10实践
围绕阿里巴巴 1-5-10 故障目标，说明如何用北极星指标、灭火图、事件墙和多维分析缩短发现、处置与恢复时间，帮助团队建立更快的应急响应机制。
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
监控GPU和InfiniBand的三种方法
介绍 GPU 服务器与 InfiniBand 的监控方案，对比 nvidia-smi 和 DCGM，并演示如何结合 Categraf 与 Exporter 接入夜莺。
透过 node-exporter 彻底弄懂机器监控：01. node-exporter 框架讲解
node-exporter 是 Prometheus 的官方 exporter 之一，用于监控 Linux 系统的各种指标。本文是专栏第一篇，介绍 node-exporter 的框架，后面会逐步深入 node-exporter 的原理和实现。
Prometheus 聚合查询的两个方案
多个 Prometheus 或 VictoriaMetrics 集群需要统一查询时，可以用 promxy 或 VictoriaMetrics vmselect 做聚合入口。本文基于本地模拟环境说明数据源聚合、server_group 标签和查询验证方法。
夜莺监控 v7.beta4 发版，仪表盘变量和业务组下的机器联动
夜莺监控 v7.beta4 支持仪表盘变量与业务组机器联动，同一大盘导入不同业务组后，可自动按业务组筛选机器，并新增跨业务组克隆、LDAP Role Mapping 等能力。
夜莺监控（Nightingale）上线内置指标功能
夜莺监控（Nightingale）上线内置指标功能，把常用 PromQL 以中文指标视图沉淀下来，降低普通用户查询 Prometheus 指标的门槛，并支持通过过滤条件复用到具体业务或机器场景。
Prometheus 监控平台组件深度讲解
Prometheus 监控平台由 Prometheus Server、Service Discovery、Exporter、Pushgateway、Alertmanager、Grafana 等组件协同完成采集、存储、查询、告警和展示。本文按数据流解释每个组件的职责、边界和常见扩展方式。
已经有 Prometheus 了，还需要夜莺？
Prometheus 与 Nightingale 不是简单替代关系，而是更常见于协同使用：Prometheus 生态负责采集、存储和查询，Nightingale 更适合作为时序数据告警引擎、规则管理和边缘机房告警自治平台。
记住三个关键开源许可证，选择开源项目不再犯难
开源许可证对比：陆续有一些知名开源项目，出于保护商业利益的角度出发，更改了自己的开源许可证，比如：Redis、Zabbix、Grafana、ElasticSearch、Kibana 等，开源许可证应该怎么选？
细说夜莺监控系统告警自愈机制
夜莺监控告警自愈机制通过告警引擎、ibex 命令通道和 Categraf Agent 协作，在告警触发后自动执行脚本。本文介绍配置方法、命令通道测试、自愈脚本创建和权限注意事项。
ETL 工具之日志提取组件选型比较
本文以 NGINX access_log 提取为例，对比 Logstash 与 fc-stash 在配置方式、字段解析、平台化管理和压测表现上的差异，帮助团队理解日志 ETL 组件选型时应重点关注的功能、成本和运维体验。
排查 502 Bad Gateway 的常见思路
从 SRE 视角梳理 502 Bad Gateway 排查路径：用 Chrome 开发者工具确认接口，用 cURL 绕过 Nginx 验证后端，结合 Nginx 日志、超时配置、容器日志和 OOM 线索定位问题。
大白话浅析容器网络
从夜莺 Docker Compose 部署后数据源连不通的问题出发，用 host network 和 bridge network 两种模式解释容器网络命名空间、veth pair、bridge 网桥、127.0.0.1 访问边界和服务名访问方式。
Flashduty Changelog 2024-04-22 | 标签增强、IM集成、故障列表与协作空间优化
Flashduty 2024-04-22 更新说明：标签增强支持正则提取、组合、删除和映射规则；IM 集成优化卡片与兜底通知；故障列表和协作空间支持更高效的检索、展示、收藏与排序。
你唯一需要的是“Wide Events”，而非“Metrics、Logs、Traces”
本文译介 Wide Events 宽事件的可观测性思路：把 Metrics、Logs、Traces、Profiling 等上下文放到可探索的事件模型中，用切片、分组和关联分析处理未知问题。
手摸手教你把Ingress Nginx集成进Skywalking
基于 Kubernetes 1.24.15、Ingress Nginx Controller v1.8.1 和 SkyWalking 9.2.0，介绍如何用 skywalking-nginx-lua 和 Ingress Nginx 自定义插件生成 Span、打印 TraceID，并串联 Flashcat 排障路径。
写了一个 SRE 调试工具，类似一个小木马
gohttpd 是一个面向 SRE 临时调试场景的小型 HTTP 工具，可用于受控环境下远程执行命令、上传下载文件、打印 HTTP 请求和调试 Webhook。
夜莺监控 V7 第二个 beta 版本发布，内置集成故障自愈能力，简化部署
夜莺监控 V7 beta2 内置集成故障自愈能力，不再需要单独部署 ibex 模块，并同步优化内置仪表盘、内置规则、业务组树、告警规则表格和文档。
SRE 必备利器：域名 DNS 探测排障工具
HTTP 域名接口偶发超时时，DNS 解析延迟是常见排查方向之一。本文介绍 dns-lookup-latency 的使用方法、输出含义和 Go 源码实现，帮助 SRE 快速采样域名解析耗时，判断是否需要继续排查 DNS 链路。
关于 ulimit 的两个天坑
Linux 进程出现 Too many open files 时，不能只看 shell 里的 ulimit -n。本文说明如何确认进程真实句柄限制、systemd 和 supervisor 对 ulimit 的影响，以及 file-max、file-nr 和夜莺告警规则。
