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。
tag
Prometheus
共 33 篇文章。
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。
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。
监控采集与告警脚本
系统讲解用 Shell 采集系统指标并上报到 textfile collector 或 Pushgateway、阈值判定中的持续时长与迟滞区间、去抖状态机、告警通道集成与去重抑制，以及脚本自身的超时、加锁与心跳可靠性设计，附完整实例与常见踩坑速查表。
《TypeScript编程实战》17.2 指标与告警
本节讲透指标与告警这条链路：从 Counter、Gauge、Histogram 三种仪器类型的语义差异，到用 OpenTelemetry SDK 在 Node.js 里暴露 /metrics 端点，再到命名规范与标签基数控制。你将学会用 RED 与黄金信号设计仪表盘，写出可执行、低噪音的告警规则，并用 SLO 与燃烧率把告警从「阈值告警」升级为「错误预算告警」。
多集群可观测性联邦与聚合：联邦查询、数据分片与全局视图
系统讲解多集群可观测性联邦与聚合：Prometheus 联邦的适用与局限、Thanos 与 Mimir 的全局视图、数据分片去重与降采样、日志与链路的跨集群聚合、全局 SLO 与跨集群告警，以及常见避坑与最佳实践清单。
可观测性即代码：仪表盘、告警规则与采集配置的 GitOps
系统讲解可观测性即代码（Observability as Code）的工程实践：仪表盘即代码与 Grafana as Code、告警规则即代码与单元测试、采集配置即代码、GitOps 工作流与 CI 校验、评审与版本回滚，以及常见避坑与最佳实践清单。
Exemplar 与指标-链路-日志关联：从指标异常跳转到具体 trace
深入讲解 Exemplar 与指标、链路、日志三者的关联工程：Exemplar 的 OpenMetrics 规范与存储、Prometheus 与客户端埋点、从直方图指标一键跳转到具体 trace、TraceID 与日志的双向关联、Grafana 关联配置，以及常见避坑与最佳实践清单。
Nginx 监控与可观测性：stub_status 指标、Prometheus 集成与容量规划
把 Nginx 从黑盒变成可观测的组件，讲解 stub_status 内置指标、Prometheus exporter 集成、访问日志采集与可视化、告警规则设计、容量规划与压测，以及基于 request_id 的全链路追踪排错方法。
Zig 可观测性：结构化日志、OpenTelemetry 与指标采集
可观测性是现代分布式系统的核心能力。本文系统讲解 Zig 中 std.log 接口的自定义扩展、JSON 结构化日志输出、日志轮转策略、OpenTelemetry trace 与 metric 的 SDK 集成、Prometheus Pull 模型端点实现，以及 gauge/counter/histogram 指标类型的工程实践，帮助开发者构建完整的 Zig 服务可观测体系。
《Go 语言编程实战》10.2 指标与 SLO
给 TaskHub 接上 Prometheus 指标：用 client_golang 定义计数器、延迟直方图与在途请求仪表，通过中间件打点并暴露 /metrics；再用直方图分位算 P95，用 Go 真跑一遍错误预算与燃尽率，最后给出 99.9% 可用性目标下的多窗口告警阈值与基数控制清单。
可观测性工程：Micrometer 指标模型与 OTLP 导出
从工程视角深入可观测性，剖析 Micrometer 指标模型与 MeterRegistry 维度设计，讲解 OpenTelemetry 与 OTLP 导出、Prometheus 与 Grafana 大盘，以及应用级自定义指标与告警体系
Scala 可观测性实战：结构化日志、链路追踪与指标
系统覆盖 Scala 服务的可观测性三支柱：结构化日志（SLF4J/Logback、JSON 日志、字段规范）、链路追踪（OpenTelemetry、trace/span 上下文、跨服务传播）、指标（Micrometer/Prometheus、业务指标与资源指标）、可观测性与 Effect/Fiber 的集成（追踪上下文贯穿异步）、以及日志与追踪的工程实践（采样、脱敏、告警联动），帮助读者把「看日志猜问题」升级为「三支柱协同定位」。
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。
26. MongoDB 监控与可观测性实践
MongoDB 指标体系（currentOp/serverStatus/dbStats）、慢查询与 Profiling（system.profile）、Oplog 监控、Prometheus + mongodb-exporter + Grafana、告警规则设计与连接数分析
Prometheus 高基数治理与 PromQL 查询优化：让监控不再因标签爆炸而瘫痪
深度讲解 Prometheus 高基数（High Cardinality）问题与 PromQL 查询优化：高基数的定义与危害、标签设计纪律（Cardinality 评估/标签上限/动态标签）、降低基数的策略（指标拆分/标签重命名/启用 relabel）、PromQL 查询性能优化（避免聚合爆炸/合理范围/Recording Rule/索引与内存）、高基数检测与治理工具。
Docker 容器监控与日志实践：cgroups 资源限制、Prometheus 与日志驱动
Docker 容器监控与日志完整实践：cgroups 资源限制（CPU/内存/IO）与 docker stats、Prometheus + cAdvisor 指标采集、日志驱动（json-file/loki/fluentd）、logrotate 与日志轮转、健康检查与重启策略、告警与容量规划。
设计日志与监控系统
本文深度设计一个可观测性平台（日志 + 指标 + 追踪）：覆盖日志采集 Agent 与管道、传输缓冲与削峰、存储选型（ES/Loki/时序库）、指标与告警、分布式追踪关联、高可用设计、采样与分层成本控制，以及查询与可视化，附采集配置、告警规则与时序存储 Schema。
Prometheus 长期存储与集群化：Thanos 与 Mimir 架构对比与实战
单机 Prometheus 是监控世界的"步兵"——开箱即用、指标模型简洁、PromQL 强大。但它有三个天然短板：数据只能本地保留 15 天（本地磁盘有限）、单点无 HA（挂了监控就没了）、无法跨集群全局查询。当监控规模从几十台机器涨到几百个集群、几亿条序列时，就需要把 …
测试平台化建设实战：从人力驱动到 DevOps 全自动链路
随着软件交付频率从季度走向小时级，测试执行的规模、环境复杂度和数据依赖呈指数级增长。一个中型团队的回归用例量通常在一到五年内从数百膨胀到数万，而与之配套的测试环境申请、结果分析、失败定位仍停留在"人肉运维"阶段。测试平台化（Test Platform as a …