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。
tag
Logging
共 19 篇文章。
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。
Clojure 日志、指标与可观测性：Timbre、OpenTelemetry 与采样
深入 Clojure 服务的可观测性建设：Timbre 结构化日志与上下文、MDC 与请求追踪、日志格式与采集、指标导出（metrics）、OpenTelemetry 埋点与 trace 传播、错误上报与采样策略、生产排错实践，帮你把「日志、指标、链路」三支柱接成一条能定位问题的观测流水线。
Serverless 日志与链路追踪：平台日志、OpenTelemetry 与结构化日志
Serverless 日志与链路追踪深度实战：平台内置日志的局限、结构化 JSON 日志与上下文注入、OpenTelemetry 在边缘与函数里的落地、trace 传播、采样与采集成本控制，帮你构建可排障、可观测的 Serverless 应用。
「ELK 日志分析体系：从采集到告警」
讲解 ELK 日志分析体系：Filebeat 与 Logstash 采集解析、索引模板与 ILM 生命周期、日志检索最佳实践、集群监控与告警，并给出 Nginx 访问日志的完整落地案例。
PostgreSQL 事件触发器与审计日志实现
深入讲解 PostgreSQL 事件触发器（Event Trigger）的底层机制与生产级审计日志实现方案。涵盖 DDL 事件触发器的完整生命周期（ddl_command_start、ddl_command_end、sql_drop、table_rewrite）、自定义审计表记录结构化变更日志、登录审计与 row_security 强制审计、表结构变更追踪策略、pgAudit 扩展的企业级审计能力，以及面向合规要求的完整审计体系设计。
Nginx 日志分析与性能调优：log_format 到 worker 调优
深入讲解日志分析与性能调优。涵盖 log_format、JSON 日志、error_log 排错、访问分析、worker 与 keepalive 调优。
Python 调试与日志工程：从 print 到可观测性
Python 调试与日志工程完整指南：print 调试进阶、pdb/ipdb/breakpoint 交互调试、logging 架构（Logger/Handler/Formatter/Filter）、结构化日志（structlog/JSON）、异常追踪与 traceback、性能剖析、生产可观测性集成。
结构化日志与语义约定：从文本日志到可查询、可关联、可分析的日志体系
深度讲解结构化日志（Structured Logging）与语义约定：为什么文本日志不可查询、结构化日志的 JSON 字段规范、OpenTelemetry 日志语义约定、Trace/日志关联（Trace ID 注入）、日志上下文与字段命名、多语言日志库配置、日志脱敏与合规、以及日志查询与分析的落地。
GraphQL 错误处理与可观测性：从 errors[] 到链路追踪
GraphQL 错误处理实战：errors[] 响应模型、业务错误 vs 系统错误、extensions.code 错误码规范、ApolloError 与自定义错误、输入校验聚合、null propagation 与 partial data、日志与链路追踪、客户端错误处理模式。
Loki 架构与性能优化：摄入调优、标签基数管理、查询加速与成本控制
Loki 与 Elasticsearch 不同——它不索引日志全文，只索引标签（labels）和元数据，日志内容本身按压缩块存进对象存储。这套"标签索引 + 对象存储 + LogQL 流式查询"的设计带来极低的存储成本，但把调优的重心从"索引优化"转向了 …
《Python编程入门》11.2 logging 与结构化日志
print 无法分级、无法定向、无法关闭。本节讲清 logging 的 Logger/Handler/Formatter/Filter 架构、层级传播与 basicConfig 的局限，用 dictConfig 写完整配置，示范 % 延迟格式化、exc_info 异常日志、自定义 JSON Formatter 与日志轮转。
Kubernetes可观测性实战：Metrics、Logging与Tracing全栈方案
系统讲解 Kubernetes 可观测性三大支柱：Prometheus + Grafana 指标监控、EFK/Loki 日志采集、Jaeger/Tempo 分布式追踪，以及 Pod 拓扑分布告警、SLO 定义和值班运维实践。
日志系统全栈：Loki、EFK、Vector 与日志架构设计
系统性日志系统实战指南：日志采集架构设计（DaemonSet/Sidecar/应用直推）、Loki 架构（Distributor/Ingester/Querier/Compactor/Index Gateway）、LogQL 查询语言、Loki 对象存储后端与分片策略、EFK 栈（Elasticsearch/Fluentd/Kibana）生产部署、Vector（Rust 高性能日志采集器）配置与拓扑、日志结构化（JSON/OTLP）与解析（Regex/Grok/CSV）、日志压缩与保留策略、日志安全（脱敏/审计/权限）、日志与 Trace/Metrics 关联。附完整 Kubernetes 部署配置。
可观测性工程：结构化日志、Prometheus指标与OpenTelemetry链路追踪
系统介绍可观测性三大支柱（日志、指标、链路追踪）的工程实践，涵盖结构化日志、Prometheus/Grafana监控体系、OpenTelemetry统一采集、SLO/SLI定义及告警策略。
日志处理：构建可观测的应用
日志是应用可观测性的基础。本文对比标准库 log 与 zap、logrus、slog 等第三方框架，详解结构化日志、异步队列、采样策略和 ELK 收集方案
Go 入门：用 slog 写可检索的结构化日志
日志不是程序最后随手加的一行 。线上排查问题时，日志经常是第一证据：哪个用户触发了请求、参数是什么、调用下游花了多久、错误发生在哪一层。纯文本日志能看，但不方便检索。结构化日志把关键信息放到字段里，日志平台可以按字段过滤、聚合和统计。
第 20 章：错误处理与监控（Sentry 与可观测性）
构建 Next.js 的完整错误处理与可观测性体系——从 Error Boundary、全局错误页、Server Action 错误处理，到 Sentry 集成、结构化日志与生产环境监控。
Go 日志和配置入门：让程序出问题时能看得懂、改得动
程序能跑还不够，还要能排查 很多入门程序只关注“功能能不能运行”。但真实服务上线后，另一个问题会立刻出现：出了问题怎么看？连接哪个端口？数据文件在哪里？请求为什么失败？程序启动时到底读到了什么配置？如果日志混乱、配置散落，排查会非常痛苦。