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？
告警风暴是运维团队常见的痛点，严重影响工作效率和员工幸福感。通过治理告警规则、建立 On-call 机制、做好复盘、引入告警收敛降噪机制以及认领升级机制，可以有效减少告警打扰，提高团队的工作效率和满意度。行动起来吧，告别告警风暴，提升团队幸福感！
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
如何处理复杂系统 - 我在 Google 工作时学到的
在 Google 工作时学到的关于复杂系统的经验和处理方法。
运维想转SRE？先了解这7个原则
SRE （站点可靠性工程）是一种将运维问题视为软件问题的方法。本文介绍了 SRE 的七项原则，帮助运维人员转型为 SRE 专家。
Stack Overflow 快死了
笔者前段时间建了几个 SRE 悬赏帮帮群，大家可以在群里相互悬赏问问题，不过明显感觉到 GPT 的出现让提问的需求变少了。今天偶尔刷到 Gergely Orosz 的文章，讲到 Stack Overflow 的数据，真是心有戚戚焉。
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
本文是 Spotify 2025 年 4 月 16 日全球中断的故障复盘报告，分析了故障原因、时间线和改进措施。
使用 Feature Flag 的常见错误，SRE 总要懂的一些最佳实践
希望本文能够帮助你更好地理解 Feature Flag 的使用，避免常见的错误和陷阱。Feature Flag 是一个强大的工具，但需要谨慎使用。通过遵循最佳实践，你可以充分利用它们的优势，同时避免潜在的问题。
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。
如何更快处理故障 - 论心理模型重叠的重要性
在处理复杂故障时，心理模型的重叠是至关重要的。通过扩展知识范围、跨团队轮换和事故演练，我们可以更快地解决问题，避免不必要的延误和损失。
可观测性第四大支柱：配置数据的监控
业内经常讲可观测性有三大支柱：指标、日志、链路追踪，本文作者认为，还有第四大支柱：那就是配置类数据。配置类数据的变更也会影响系统的稳定性，也值得被监控，方便我们快速排查问题。
产品技术：Flashcat使用截图页面的方式丰富告警内容
Flashcat 提供了一个截图推送的功能，可在系统出现异常或触发重要告警时，将观测系统里的某个页面截图发送到IM群，并引导用户从这个截图页面进入观测系统，进行下一步的分析定位。
数据集成：Zabbix 数据实时导入到 Flashcat
本文介绍如何将Zabbix监控数据实时导入Flashcat，使用Categraf的Zabbix插件实现数据的统一转储，方便后续数据串联分析。
Linux主机监控最佳实践
本文主要介绍在Flashcat监控系统中，对Linux主机监控的最佳实践，包括如何管理Linux主机，以及对Linux主机做到监控开箱即用的最佳实践。
顶级 SaaS 公司 Datadog 是如何做 OnCall 的
Datadog 是监控、可观测性领域的头部玩家，市值几百亿美金，拥有众多 SaaS 客户，对服务稳定性和可用性要求极高。Datadog 的 OnCall 实践也非常成熟，本文将介绍 Datadog 的 OnCall 实践，帮助大家更好地理解 OnCall 的重要性和实施方法。
SRE 最应该监控的四大黄金指标
本文详细介绍了 SRE 最应该监控的指标，通过引入 Google 4 Golden Signals、RED、USE 等方法论，并配合 Prometheus 配置说明，全面梳理讲解了各类关键指标的定义、计算方法和应用场景，帮助读者深入理解 SRE 监控的核心要素。这些知识是算是 SRE 的必备知识了。
常见的监控数据采集器有哪些？各有什么优缺点
市面上有很多监控数据采集器，比如 Telegraf、Categraf、Exporter、Datadog-agent、Alloy 等，各自都有哪些优缺点，本文来唠唠这个话题。
最佳实践：老虎如何吃下天 - 可观测性加大模型
面对海量的观测数据和复杂的IT环境，如何有效的连接观测系统和大模型，产生智能化的效果，总有一种老虎吃天，无从下嘴的感觉。本文将介绍Flashcat如何解决这个难题，有效的引进大模型，以及相应的案例。
可观测性的 10 个最佳实践
本文讲解可观测性的重要性和 10 个最佳实践。帮助您的企业在复杂的 IT 环境中更好的生存和发展。
仪表盘变量（大盘变量）使用说明
夜莺监控的仪表盘支持变量功能，和 Grafana 类似，本文给新手一个简单的使用说明。
夜莺开源版和商业版的区别
夜莺监控系统有两个版本，一个是开源版，一个是 Flashcat 商业版，开源版是免费的，主打的功能是统一告警引擎，商业版侧重点是一站式智能观测平台
