产品技术：Flashcat 统一观测平台，告警能力详解
介绍 Flashcat 统一观测平台的告警体系，涵盖 PromQL 阈值告警、机器失联告警、日志告警、智能告警、静默屏蔽与订阅分组等能力。
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
LinkedIn：扩展 Salt 以解决大规模机器命令执行需求
LinkedIn 有几十万机器，每天执行 15000+ 个任务，任务下发使用的是 Salt，但是做了很多改造。
面试 LinkedIn SRE 是一种怎样的体验？
LinkedIn 作为世界前十大流量的网站，为海量的求职者和雇主提供了建立连接的机会。维护如此庞大的网站的稳定运行，SRE 功不可没，LinkedIn 会如何招聘 SRE 工程师呢？
SLICK: Facebook基于SLO的可靠性保障实践
定义服务的SLI和SLO，通过全局系统呈现、处理所有服务的SLI/SLO，从而帮助SRE实践在系统中的落地。本文介绍了Facebook（Meta）在这方面的实践。原文：SLICK: Adopting SLOs for improved reliability
最佳实践：告警通知时如何做到最佳降噪效果
很多监控告警的系统都声称自己的降噪比是多少多少，各位终端用户可能不好分辨到底效果如何，本文给大家推荐一个简单粗暴高效的方式。
SRE们，请不要小看了 排班OnCall
Google SRE 的书中提到了一个点，说要能够把 SRE 的工作落地好，实践好，做好 排班 OnCall 是其中关键一环。很多人不理解个中道理，本文会尝试解释一下底层的逻辑。
最佳实践：治理告警风暴，告警降噪的一些典型手段
很多公司希望提升服务稳定性，而上线了各类监控系统，指标的、链路的、日志的，而且只是指标层面可能就会有多个监控系统，这么多监控系统、这么多监控目标，如果没有良好的治理，很快就会产生告警风暴的问题，如何通过一些手段达到告警降噪的效果呢？
SRE 简介，和 DevOps 的关系和异同
SRE 是什么？SRE 和 DevOps 是一个东西吗？或者说 SRE 和 DevOps 的关系和异同如何？
Uber实践：运维大型分布式系统的一些心得
在过去的几年里，我一直在构建和运营一个大型分布式系统：优步的支付系统。在此期间，我学到了很多关于分布式架构概念的知识，并亲眼目睹了高负载和高可用性系统不仅要构建还要运行的挑战。构建系统本身是一项有趣的工作。规划系统如何处理10x / 100x流量的增加，确保数据持久，面对硬件故障处理等等，这些都需要智慧。不管怎样，运维大型分布式系统对我来说是一次令人大开眼界的体验。
微服务监控 - Jaeger 简介
CNCF 主推的分布式链路追踪方案是 Jaeger，来自 Uber，Uber 有几千个微服务，调用关系错综复杂，Jaeger 和 M3DB 可谓 Uber 两大微服务监控利器，本讲我们就一起来看一下 Jaeger。
从监控系统到可观测平台的演进之路
可观测性（Observability）是一种软件开发和系统构建的哲学，是对系统内部状态及行为的度量和推断能力，通常包括日志、指标、链路追踪等多个度量维度。也就是说，在软件开发和运维领域中，可观测性是指对于一个复杂的系统，能够通过监控、日志、指标、追踪等手段，快速地发现、诊断、解决问题的能力。
顶级公司Netflix是如何做监控的？
本文阐述了 Netflix 的系统监控实践：自研 Telltale，成功运行并监控着 Netflix 100 多个生产应用程序的运行状况。
如何优化 PromQL 和 MetricsQL 查询
PromQL和MetricsQL是强大的查询语言。它们允许编写简单的查询，用于构建漂亮的时间序列数据图形。它们还允许编写复杂的查询，用于SLI / SLO计算和警报。但优化PromQL查询可能很困难。本文介绍了如何确定缓慢的PromQL查询，如何理解查询成本以及如何优化这些查询，使其执行更快并消耗更少的CPU和RAM。
稳定性体系建设白皮书
SRE 是 Site Reliability Engineering，网站稳定性工程，具体怎么做这个网站稳定性工程？有没有什么方法论？有没有什么工具？白皮书来了
Flashduty Changelog 2023-04-06
IM协同+监控集成+交互优化
新东方：使用 Telegraf + Loki + Nightingale 实现硬件监控
本期新东方的技术朋友分享了一个硬件监控的方案，使用 Telegraf 做数据采集，使用 Loki 做日志存储，使用 Nightingale 做告警规则配置，玩的挺花的，我们一起来学习一下吧
夜莺黄埔营第1期招募令
我们提供在线免费培训，带大家入门，让大家成为夜莺达人、监控达人，特组建夜莺黄埔营，第1期开营在即
运维百家讲坛第7期：王明松 - 自我革命的“王四条”是怎样练成的
这一期我们邀请到的是王明松，王老板针对云原生应用实践，提出“王四条”，在业内广受认可。从19年开始，王老板所在公司的所有IDC业务就全部搬到了云上，体量还不小，SRE团队却很小，有点NetFlix的味道。这一讲，我们一起了解一下资深云上运维到底是怎么玩的。
Netflix SRE 实践概述
NetFlix 的 SRE 实践是如何的？大家应该很好奇吧。NetFlix 全部采用 aws 构建他们的流媒体服务，体量巨大，他们的 SRE 文化是什么？主要干什么事情？且听本文分解。
运维百家讲坛第6期：途游邹轶 - 中小公司的运维怎么做？
这一期我们邀请到的是邹轶，途游游戏运维总监，邹总经常戏称自己是世界500万强企业的运维代表，可见内心中是觉得中小公司的运维建设思路和大型企业是有差别的，今天我们带着几个问题，来请邹总分享一下他的中小公司研运一体化之路。
