可观测性 这个话题主要看什么
软件暴露的指标、状态页面、打印的日志、事件、吐出的链路追踪数据,Profiling,都是提升软件可观测性的手段;从软件运行环境中收集到的信息,比如从 OS 层面收集到的软件占用的 CPU、内存、句柄、IO 等,也是观测软件的有效手段,提升了软件的可观测性。
可观测性,亦可看做软件在线 debug 的能力,助力排查线上问题。当然,也可以用可观测性数据衡量成本、建立知识沉淀机制等等,可观测性数据在很多场景都有价值。
可观测性,类似软件可用性,是软件的一大特性。如果通过软件暴露的各类信息可以方便了解软件内部运行状态,我们就说软件具备很好的可观测性。可观测性,亦可看做软件在线 debug 的能力,助力排查线上问题。当然,也可以用可观测性数据衡量成本、建立知识沉淀机制等等,可观测性数据在很多场景都有价值。
围绕 可观测性 的实践、选型、案例和产品内容,按同一阅读路径持续整理。
本文基于 incident.io 在 AI SRE、事故管理和 RCA 方向的公开产品动作,拆解为什么 AI RCA 不能只依赖可观测性数据,而要把告警、事故频道、协作上下文、组织记忆、复盘和行动项串成完整的事故生命周期。
本文基于 New Relic 在 AI SRE、AIOps 和 RCA 方向的公开产品动作,拆解 AI RCA 为什么不能只做成一个告警解释按钮,而应该围绕 Issue、事件关联、影响分析、相似问题、工作流和 Agent 重新产品化故障处理链路。
本文基于 Dynatrace 官方公开资料,拆解其 AI RCA 如何通过统一数据底座、实时拓扑、事件归并、因果分析和 Problem 对象构建根因分析能力,并总结对可观测性产品设计的启发。
Harness Engineering 正成为 AI Agent 生产化落地的关键工程范式。本文系统梳理 Prompt Engineering、Context Engineering 与 Harness Engineering 的关系,以及约束、验证、纠正、多代理编排与可观测性的核心方法,并对比传统线束工程。
AI 短期不会直接替代运维岗位,但会优先替代依赖个人经验、上下文记忆和人工协同的工作方式。本文从调查型 Agent、协同控制台、自动化护栏、平台工程和组织记忆系统五类产品形态,分析 AI 时代运维体系的演进方向。
AI Agent 和 LLM 应用进入生产后,可观测性不再只是排障工具,而会成为可靠性、治理、审计、成本控制和 Agent 自动化的运行时控制平面。本文梳理最近 3 个月的行业信号和企业落地建议。
很多团队只做 CPU/内存等机器指标或 SLI 告警,却忽略了 ERROR 日志数量告警。本文说明为什么它 ROI 极高,并给出基于日志中心化收集、ETL 与 Loki/ElasticSearch/VictoriaLogs 的告警规则思路,帮助你用日志告警为指标告警兜底、驱动日志级别治理。
详解如何在 Flashduty RUM 中配置和使用分布式追踪功能,基于 W3C Trace Context 标准,将前端用户操作与后端 API 调用关联,实现端到端的性能监控和问题排查。
在 2025 年,将 AI Agent 部署到生产环境需要全新的监控和可观测性策略。本文介绍了关键指标、成本监控、结构化日志和分布式追踪的最佳实践,帮助团队确保 AI Agent 的可靠性和性能。
任何方向要真正落地智能化,首先要完成数据建设,以达到AI-Ready状态,再用AI做最后一公里的催化剂。可观测性方向如何才能做到AI-Ready?本文介绍Flashcat完成AI-Ready建设的方法。
OpenTelemetry 生态系统概览:作为 CNCF 第二活跃项目,介绍 OTel 官网、Slack 社区、GitHub 仓库组织结构以及 Registry 注册表,帮助开发者快速入门并参与社区。
OpenTelemetry 传播与行李机制详解:通过 Propagation 传递 TraceID 和 SpanID 实现分布式链路追踪,使用 Baggage 在微服务间传递自定义上下文数据。
OpenTelemetry Collector 详解:介绍接收器、处理器、导出器组件,DaemonSet 和 Sidecar 两种 Kubernetes 部署方式,以及使用 ocb 工具构建自定义收集器分发版。
OpenTelemetry SDK 导出详解:介绍 TracerProvider 链路追踪生产者、Resource 资源元数据、OTLP Exporter 导出器的配置,实现遥测数据从应用到收集器的传输。
OpenTelemetry 埋点详解:讲解手动埋点创建 Span、设置属性和事件,以及使用 Flask、MySQL 自动埋点零代码获取链路追踪数据,快速实现应用可观测性。
OpenTelemetry 入门指南:介绍 OTel 的 API、SDK、Collector 组件,以及 Traces、Metrics、Logs 三大可观测性支柱,通过购物车示例应用演示分布式链路追踪实现。
宽事件(Wide Events)是一种强大的可观测性实践方法,能够显著提升系统调试效率与可见性。本文将介绍如何在实际项目中应用宽事件理念,包括所需工具、代码实现思路及属性添加清单,帮助开发者更好地理解和实践这一理念。
通过 OpenTelemetry 在 Kubernetes 集群中实现指标、日志和追踪数据的统一流水线,提升可观测性和故障排查效率。
本文总结了可观测性的五大最佳实践,涵盖从业务入手、定位路径、数据关联、自动化响应到自顶向下推进等关键方面,帮助提升系统的监控与故障排查效率。
可观测性能够帮助团队检测故障,并深入了解故障的根本原因。这不仅简化了调试流程,还能提升系统性能与可靠性。现代 DevOps 从开源可观测性工具中获益良多。