AI 智能体与可观测性：MCP 工具接入与智能排障
深度讲解 AI 智能体如何通过 MCP 协议接入可观测性数据：智能体需要什么观测数据、MCP 工具与 schema 定义、让 Agent 查询指标/日志/trace（PromQL 沙箱/日志检索/trace 分析）、结构化工具响应与置信度、权限与安全边界（只读/范围/审计）、从辅助排障到自动修复的落地路线。
tag
Observability
共 45 篇文章。
追踪上下文传播：W3C tracecontext、Baggage 与采样
深度讲解分布式追踪上下文传播：W3C tracecontext 的 traceparent/tracestate 格式与解析、HTTP/gRPC/消息队列跨协议传播、Baggage 键值传递与安全、采样决策（traceid-ratio/tracestate）与头部/尾部采样协同、传播安全性（防伪造、脱敏、敏感数据）。
AIOps 异常检测：从阈值告警到机器学习根因
深度讲解 AIOps 异常检测工程实践：固定阈值告警的局限、时序异常检测方法（统计/机器学习/监督）、动态基线（Madlib/Prophet/内置模型）、告警关联分析与根因定位、噪声与误报治理（收敛/去重/聚合）、AIOps 平台能力与落地路线。
前端与移动端 RUM：Web Vitals、会话与用户体验监控
深度讲解前端与移动端真实用户监控（RUM）工程实践：Web Vitals 核心指标（LCP/INP/CLS）与计算方式、Performance API 与导航/资源计时采集、长任务与错误采集（Source Map 还原）、会话与采样、隐私合规、移动端 App 监控，以及前后端指标关联定位。
合成监控与主动拨测：从探针到全局视图
深度讲解合成监控（Synthetic Monitoring）与主动拨测工程实践：合成监控 vs RUM 的定位、HTTP/浏览器/API 三类探针、多地域多运营商拨测网络、断言与阈值设计、与告警的联动与降噪、SLO 融入、全局视图与成本局限。
OpenTelemetry 插桩实践：手动、自动与语言 SDK
深度讲解 OpenTelemetry 插桩的三种落地方式：手动插桩（Tracer/Span/Meter/Logger 的创建与关联）、自动插桩原理（Java 字节码增强、Python MonkeyPatch、Node require 钩子、Go 包装器）、各语言 SDK 配置、资源与语义约定、采样与出口，以及插桩的可测试性。
GraphQL 可观测性与链路追踪：从 resolver 指标到全链路
GraphQL 可观测性实战：与 REST 可观测性的差异、GraphQL 特有的追踪维度（操作/字段/resolver 级）、Apollo Tracing 与 OpenTelemetry 集成、resolver 级耗时与 N+1 的观测、操作级指标（类型/复杂度/缓存命中率）、错误与告警聚合、全链路追踪（traceId 贯穿网关→resolver→DB）、以及可观测性驱动的性能优化闭环。
Clojure 微服务架构实战：服务发现、网关与观测
深入 Clojure 微服务架构的工程实践：从单体到微服务的拆分原则、服务发现与注册、API 网关与聚合、配置管理与环境隔离、可观测性三支柱（日志/指标/追踪）、容器化与 K8s 部署，以及事件驱动与 Saga 分布式事务，帮你用 Clojure 搭建可运维的微服务集群。
分布式追踪与OpenTelemetry：微服务可观测性实战指南
深入讲解分布式追踪的核心概念与实现原理，详解OpenTelemetry的集成与配置，提供Jaeger、Zipkin、Grafana Tempo的部署方案，涵盖追踪上下文传播、采样策略与性能优化实战。
可观测性平台建设与组织落地：从工具堆砌到全员可用的自助观测体系
深度讲解可观测性平台化（Observability as a Platform）与组织落地：从'工具堆砌'到'平台能力'的跃迁、可观测性平台的三大支柱（统一采集/统一存储/统一查询）、自助服务与开发者体验、标准埋点与命名规范治理、观测数据的 SLO 与成本治理、组织演进与平台工程团队，以及一套可观测性平台建设路线图。
可观测性安全：数据脱敏、最小化采集与访问控制的纵深防线
深度讲解可观测性系统的安全设计与数据治理：可观测性系统的攻击面、日志与追踪中的敏感数据（PII/凭证/密钥）、最小化采集与脱敏策略、Telemetry Pipeline 的访问控制与加密、后端存储的加密与保留、权限模型与审计、合规要求（GDPR 等），以及一套可观测性安全纵深防御。
遥测采样与摄取管道：从边缘采集到后端存储的数据治理架构
深度讲解遥测数据（Metrics/Logs/Traces）的摄取管道与采样治理：采集架构（Agent 边车/网关/直推）、Head 与 Tail 采样策略、在边缘做降噪与脱敏、摄取管道（OpenTelemetry Collector 部署模式）、数据降本与保留策略、数据质量校验，以及一套可扩展的遥测数据流架构。
PostgreSQL 监控与诊断体系：pg_stat_activity、慢查询、pg_stat_statements 与 Prometheus 告警
构建完整的 PostgreSQL 监控与诊断体系：pg_stat_database 与 pg_stat_activity 关键指标解读、慢查询日志与 log_min_duration_statement、auto_explain 自动执行计划、pg_stat_statements 语句级统计、Prometheus + postgres_exporter + Grafana 仪表盘搭建、核心告警规则（连接数/复制延迟/死元组）、诊断常用 SQL 与常见问题定位方法论。
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。
可观测性成本治理：采样降噪、数据生命周期与存储成本优化实战
系统讲解可观测性成本治理方法论，涵盖指标基数控制、日志分级降噪、链路追踪采样策略、数据生命周期管理、分层存储优化与告警收敛，帮助在保持可观测能力的同时将成本降低30-70%。
监控黄金信号与 RED/USE 方法论：业务与资源指标的指标设计
深度讲解可观测性指标的方法论设计：Google 四大黄金信号（Latency/Traffic/Errors/Saturation）、RED（Rate/Errors/Duration）、USE（Utilization/Saturation/Errors）与四类指标类型，如何在业务监控与资源监控中落地、每个服务/每类资源该采哪些指标、告警阈值与容量规划，以及方法论之间的选择与组合。
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。
生成式 AI 可观测性：LLM 调用追踪、Token 成本监控、质量与安全评估
传统应用的可观测性（Metrics/Logs/Traces）在 LLM 应用面前依然成立，但要新增三个 LLM 特有的观测维度：Token 与成本（每次调用消耗多少、花了多少钱）、模型质量（回答对不对、是否幻觉、是否符合预期）、模型安全（提示注入、有害内容、PII 泄露）。大模型是"黑盒 …
DevOps 专题索引：从 CI/CD 到 SRE 的全栈实践
DevOps 是连接开发与运维的桥梁，旨在通过自动化、文化变革与工具链整合，实现软件交付的高速、高质与持续改进。本专题涵盖 Docker 容器化与镜像优化、Kubernetes 编排调度与生产运维、CI/CD 流水线设计与 GitOps 实践、Prometheus/Grafana 可观测性体系、Chaos Engineering 混沌工程与系统韧性验证、SRE 服务水平目标与错误预算、基础设施即代码（Terraform/Pulumi/ Ansible），以及数据平台搭建与运维自动化，并延伸至密钥管理与供应链安全、云原生安全左移、分布式追踪与全链路可观测、SLO 与错误预算工程、内部开发者平台（IDP）与备份容灾自动化，帮助团队构建现代化的云原生交付能力。
DevOps SRE 实践指南：SLI/SLO、错误预算与可靠性工程
系统讲解 Google SRE 核心理念，涵盖 SLI/SLO/SLA 定义、错误预算策略、可靠性工程设计、琐事自动化消除与 SRE 工具链选型，附 PromQL、Terraform、Python 实战代码。