怎么记日志才算专业，SRE、DEV 都应该了解的实践指南
本文从日志目的、上下文、结构化、指标与追踪分工、日志级别和采集过滤几个方面，说明怎样把日志从无用流水账变成可用于排障、关联分析和成本控制的可观测证据。
标签：日志监控
汇总 Flashcat 博客中与 日志监控 相关的文章，方便按主题连续阅读实践、案例、选型和产品更新。
日志监控 相关文章
日志管理最佳实践：一分钟精简版
本文总结了日志管理的五大最佳实践，涵盖统一日志格式、合理日志级别、关联上下文信息、安全日志管理以及将日志转换为指标等关键方面，帮助提升日志处理效率与安全性。
Flashduty 日志监控如何获取日志原文
Flashduty 日志监控可以通过关联查询把匹配日志的 request_id、remote_addr 等原文字段带入告警事件。本文以 Elasticsearch SQL 为例，说明告警查询、关联查询和备注模板的配置方式。
夜莺日志监控如何获取日志原文
本文解释夜莺开源版日志监控为什么默认只能基于 Elasticsearch 或 Loki 查询结果做数值告警，不能直接把日志原文放进告警事件，并给出附加查询、Flashduty 和自定义脚本 enrichment 三种实现思路。
17 个您需要监控的 Linux 日志文件
梳理 17 个值得纳入监控的 Linux 日志文件，覆盖系统、认证、内核、启动、计划任务、邮件、Web、数据库、防火墙、审计和登录记录，并给出常见查看命令与告警关键词建议。
ElasticSearch query_string 语法样例，收藏备用
ElasticSearch query_string 语法入门样例，覆盖 match、match_phrase、wildcard、range、exists 和多条件组合查询，适合日志监控和夜莺过滤条件配置参考。
Fluentbit 入门教程（3）：多行日志解析的最佳实践
Fluentbit 入门系列第三篇，演示如何用 tail 输入、`Multiline On` 和 `Parser_Firstline` 解析多行日志，把 Fluentd 堆栈跟踪合并为单个日志事件。
Fluentbit 入门教程（2）：使用正则表达式解析日志
通过 Linux messages 日志示例讲解 Fluent Bit 如何使用 regex Parser 提取 time、host、ident、pid 和 message 字段，并说明 Time_Key、Time_Format、Time_Keep 与 tail 输入插件的配合方式。
Fluentbit 入门教程（1）：tail 插件
通过 CentOS8 和 Fluent Bit v2.0.6 示例讲解 tail 插件的标准配置，重点说明 Path、Read_from_head、DB 偏移记录和 stdout 验证方法，帮助你稳定采集本地日志文件。
使用自定义 Fluent Bit 配置解析多行日志
介绍如何使用自定义 Fluent Bit 多行解析器把 Java 堆栈等多行日志合并为单条日志记录，并说明 CRI 解析器、multiline filter、parsers.conf 和 New Relic 输出配置。
Fluent Bit 对比 Fluentd
从定位、资源占用、依赖、插件生态、部署方式和适用场景对比 Fluent Bit 与 Fluentd，帮助你判断日志采集应选择轻量级 Agent、服务端聚合器，还是二者组合使用。
如何配置 Fluent Bit 来收集 K8s 集群的日志
介绍如何在 Kubernetes 集群中使用 Fluent Bit 收集 Pod 日志，理解 INPUT、PARSER、FILTER、OUTPUT 插件、DaemonSet 部署、CRD 动态配置和 Fluent Bit 与 Fluentd 的差异。
Grafana Loki 架构讲解
本文讲解 Grafana Loki 的日志架构、核心组件和数据流，包括 Promtail、Distributor、Ingester、Ruler、Querier、Query Frontend、Grafana、Log Storage，以及 Loki 与 EFK Stack 的差异。
使用 Fluent Bit 3.0 采集日志、跟踪和指标的最佳实践
介绍 Fluent Bit 3.0 在日志、指标和追踪可观测性管道中的使用边界与最佳实践，包括 processor、tag、健康检查、热重载、Prometheus 指标和资源控制。
在 Ubuntu 上部署 Fluent Bit 以实现高效的日志转发
面向 Ubuntu 服务器，介绍 Fluent Bit 的 APT 安装、systemd 启动、Tail 输入配置和 OpenObserve HTTP 输出配置，帮助快速搭建轻量级日志转发链路。
史上最简单的日志告警方案，没有之一
以 Flashduty 为例，演示如何基于 ElasticSearch、Loki、ClickHouse 等日志数据源配置日志告警，包括告警引擎安装、数据源配置、SQL 查询、阈值判定和事件分发。
ClickHouse + ClickVisual 构建日志平台
本文用 Kafka、ClickHouse、ClickVisual、Categraf、MySQL、Redis 和 Kowl 搭建日志平台实验环境，演示日志从采集、Kafka 传输、ClickHouse 入库、物化视图处理到 ClickVisual 查询的完整流程。
使用 ClickHouse 做日志分析
本文介绍 Cloudflare 使用 ClickHouse 做日志分析的实践：为什么 Elasticsearch 在高吞吐日志场景下面临 mapping 爆炸、多租户、维护和 GC 压力，以及 ClickHouse 如何通过列式存储、压缩、分片复制、表 schema、分区、主键和数据跳过索引支撑日志分析。
可观测性数据收集集大成者 Vector 介绍
Vector 是一款开源的可观测性数据收集、转换和路由工具，常被用作 Logstash 替代方案。本文介绍 Vector 的 Source、Transform、Sink pipeline 模型、安装方式、配置示例，以及 Agent、Aggregator、Daemon、Sidecar 等部署模式。
从应用日志中提取监控metrics
本文讲解如何使用 Categraf 的 mtail 插件从应用日志中提取 metrics 指标，适用于无法改代码埋点、需要从系统日志关键字生成监控指标、或希望用一个 Categraf 进程统一管理多个日志解析规则的场景。
