《AI Agent 高级编程》10.1 统一可观测：三框架 trace 归一 OTel
pydantic-ai 原生就吐 OTel span，smolagents 与 minagent 却只有各自的内部轨迹。本节在装了 opentelemetry-sdk 1.44.0 的环境里真跑：把三种来源的 trace 归一到一张中间表示，再统一 emit 成 GenAI 语义约定的 OTel span 树，并给出三框架 span 字段到 OTel 属性的逐项映射表。
tag
可观测性
共 129 篇文章。
《Go 语言编程实战》18.3 上线、观测与迭代
全书的最后一步是把 TaskHub 真正推到用户面前并让它长期变好。本节给出上线 Go/No-Go 清单、观测三支柱的接线，并用本机真跑的一段中间件演示：1000 次请求中注入 10 个错误，实测 1001 个请求、10 个错误、可用性 99.001%，据此判定错误预算是否耗尽；最后用「假设-实验-度量-决策」闭环收束全卷 18 章。
C++ 日志与结构化可观测性：spdlog 与异步日志
日志既是排障的第一现场，也是性能的隐形杀手。本文拆解 spdlog 的 logger/sink/formatter 架构，讲清同步与异步日志的队列模型与丢日志边界，演示结构化 JSON 日志与字段设计，并给出编译期级别裁剪、backtrace 环形缓冲与 OpenTelemetry 集成的落地方案。
Micrometer 可观测性
系统讲解 Micrometer 可观测性：MeterRegistry 与 Counter/Gauge/Timer/DistributionSummary 四大计量器、标签与高基数陷阱、Spring Boot Actuator 自动埋点、@Timed/@Counted 注解、Observation API 统一指标与链路追踪、Prometheus 暴露与 exemplar，并附生产治理实践。
崩溃监控与线上可观测性
Flutter 线上可观测性建设：FlutterError.onError 与 PlatformDispatcher 全局捕获、Dart/原生双栈崩溃上报、符号表上传与堆栈还原、Sentry/Firebase Crashlytics 接入、性能与卡顿监控、面包屑与用户上下文、数据脱敏与采样策略。
日志驱动与采集管道
系统梳理 Docker 日志的两条路径：日志驱动直发与落盘后采集。逐个对比 json-file、local、journald、fluentd 等驱动的适用场景与配置参数，剖析 max-size/max-file 轮转、非阻塞模式与背压丢日志的机制，并给出采集管道、多行日志处理与容器日志排障的完整实践。
查询剖析与 trace_log 诊断
系统讲解 ClickHouse 查询剖析与链路追踪：system.query_log 关键列解读、ProfileEvents 计数、Query Profiler 采样与火焰图、trace_log 开启与表结构、trace_id/span_id 端到端串联、与 OpenTelemetry/Jaeger 集成、内存与执行细节下钻，以及一套可复用的慢查询定位流程。
《Spring Boot 实战》18.3 上线、观测与回滚
给出生产级图书借阅服务的上线检查清单、金丝雀蓝绿滚动的适用条件、上线后必看的 RED 指标与业务指标、基于 SLO 的错误预算与燃烧率告警定法，以及代码、配置、特性开关、数据四类回滚的取舍，附向前兼容的数据库迁移写法、发布演练要点与事故复盘模板，最后收束全书。
tracing 与可观测性
Rust 可观测性实战：tracing 的 span/event 模型与字段结构化、tracing-subscriber 的 Layer 组合与 EnvFilter、tracing-opentelemetry 接入 OTLP、日志与指标追踪的关联（trace_id 透传）、采样与脱敏的生产取舍。
仪表盘设计与可读性工程：信息层级、图表选型与避免误读
系统讲解监控仪表盘的设计与可读性工程：信息层级与布局分区、图表选型（时间序列、热力图、直方图、状态图、表格）、单位与坐标轴约定、双轴与截断轴等常见误读陷阱、模板变量与下钻路径设计、颜色语义与无障碍设计、面板查询成本与大盘生命周期维护，以及可落地的仪表盘评审清单。
日志采样、去重与降噪：从每天 TB 级日志里捞出信号
系统讲解日志采样、去重与降噪工程实践：头部采样与尾部采样策略的取舍、按 trace_id 一致性哈希采样保证链路完整、基于指纹归一化的重复日志去重与计数、日志模板化聚类（Drain 类算法）、动态基线与告警抑制降噪、字段裁剪与分层存储的成本控制，以及落地顺序与常见坑清单。
OpenMetrics 与指标规范治理：暴露格式、命名单位与兼容性
系统讲解 OpenMetrics 规范与指标治理：文本暴露格式与内容协商、命名与单位约定（base unit、_total/_seconds/_bytes）、HELP/TYPE/UNIT 元数据、Exemplar 语法、OpenMetrics 与 Prometheus 文本格式的兼容与迁移，以及用 linter 与 CI 落地指标规范治理的完整方法。
边缘与 IoT 可观测性：弱网缓冲、设备侧采集与带宽约束
系统讲解边缘与 IoT 可观测性工程：设备侧采集的资源约束与指标裁剪、弱网与离线场景的本地缓冲及断点续传、边缘聚合与本地告警分工、带宽与流量预算下的传输优化、时钟同步与数据可信度标记、多站点联邦采集，以及边缘可观测性落地中的常见避坑清单与工程最佳实践。
Serverless 与 FaaS 可观测性：冷启动、调用链断点与并发限流
系统讲解 Serverless 与 FaaS 可观测性工程：冷启动的测量与阶段分解、函数实例生命周期与冻结机制、调用链在异步消息与事件源处的断点与上下文传播、并发度与限流（throttle）指标、日志采集与结构化、成本归因，以及跨平台统一采集架构与最佳实践清单。
GPU 与加速器可观测性：DCGM 指标、显存归因与 XID 故障定位
系统讲解 GPU 与加速器可观测性工程：DCGM 与 NVML 指标来源、SM 利用率与显存占用的正确读法、XID 错误码与硬件故障定位、ECC 与 NVLink 健康度、训练与推理任务的 GPU 归因（MIG、Device Plugin、Pod 标签）、功耗温度监控与告警阈值，以及常见误读与最佳实践清单。
.NET Aspire 云原生编排
讲解 .NET Aspire 的应用模型与资源编排，覆盖 AppHost 分布式应用构建、服务发现与依赖注入、OpenTelemetry 遥测与健康检查、Dashboard 本地开发体验，以及从本地到生产部署的资源供给差异与清单生成的落地实践。
《Spring Boot 高级》10.1 Micrometer 指标模型
从 MeterRegistry 注册表与 Meter.Id 的身份语义讲起，对比 Counter、Gauge、Timer、DistributionSummary 的取值差异，拆解 Observation 用低/高基数键值统一指标与追踪，说明 MeterFilter 改名、加标签、限基数的介入点，并落到 Prometheus 导出与 percentiles-histogram 对 P99 的影响。
GitHub Actions 流水线可观测性与 DORA 度量
GitHub Actions 流水线可观测性与 DORA 度量实战：部署频率与变更前置时间与变更失败率与恢复时长的取数口径、用 gh api 与 workflow_run 拉取运行数据、作业级耗时分解与关键路径识别、缓存命中率与排队时间、JUnit 报告归档、Grafana 趋势看板、flaky 测试识别、concurrency 与 timeout-minutes 治理
实时音视频的质量监控
构建实时音视频的 QoE 监控体系：梳理卡顿率、首帧时间、MOS、端到端延迟等核心指标、用 getStats 采集 RTP 统计、基于 E-model 估算 MOS、落地埋点上报与聚合、搭建可视化与告警，并给出连接成功率埋点、A/B 回归验证与常见坑。
《Spring Boot 实战》16.3 日志聚合与告警
从 Spring Boot 3.4 起支持的结构化日志讲起，核实 logging.structured.format.console/file 的 ecs、gelf、logstash 取值，讲运行时改日志级别的 /actuator/loggers、日志切分与保留、敏感信息脱敏，并论证告警应基于指标而非日志关键字，最后给出日志、指标、追踪的分工表与一条真实排障路径。