《游戏服务端架构·平台化与架构治理》13.2 架构成熟度模型
用六个维度和五个等级描述架构成熟度，但不把评估做成自评问卷。文章给出每个等级的可观察证据、三类证据来源的配合方式、短板决定总体的评分规则，说明目标等级应由产品阶段与合规约束决定，给出评估后的复查方式，并用 Go 实现证据强度校验、等级约束和差距报告。
tag
SRE
共 23 篇文章。
压测与容量规划
GraphQL 压测与容量规划实战：从 REST 压测的差异出发，讲解 k6/Artillery/autocannon 脚本编写、查询组合与权重建模、延迟分位与饱和度指标、连接池与 DataLoader 瓶颈定位、容量估算公式、冒烟/负载/压力/浸泡/尖峰五类测试，以及接入 CI 的回归门禁。
值班工程与告警疲劳治理
值班不是「排个班表」，而是一套需要工程化设计的系统。本文讲透告警疲劳的成因、值班轮换与主备/影子制度、告警分级与路由升级、去重聚合抑制与基于 SLO 的降噪、告警与 Runbook 的绑定、交接与复盘，以及值班健康的度量指标与常见坑，帮助团队把值班从沉重负担变回可靠底座。
微型博客的可观测性与 SRE 实践：SLO、告警、容量与故障演练
系统讲解微型博客的可观测性与 SRE 实践：从监控到可观测性的视角转变，四大黄金信号与分层指标体系，SLO 定义、错误预算计算与治理，日志链路的采样与关联，告警分级抑制与降噪，容量规划的压测水位与弹性，混沌工程与故障演练剧本，On-call 值班与事后复盘，以及可观测性数据自身的成本经济学。
运维自动化与 Runbook as Code 实践
把重复的运维劳动变成可编排的自动化：如何识别与量化 toil、用 Runbook as Code 把操作手册变成可执行代码、用编排框架串起多步操作、设计安全的自愈与自动修复、给值班减负，以及自动化收益的度量与安全边界。
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。
小程序监控告警与错误上报
系统讲解小程序监控告警与错误上报体系：全局错误捕获与异常上报链路、性能监控关键指标、告警阈值与分级通知设计、以及从发现到治理的稳定性闭环，帮助团队在小程序发布后持续掌控线上质量。
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。
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%。
SLO 与错误预算工程：从 SLI 设计到发布冻结的可靠性闭环
深入讲解 SLO 与错误预算工程的 DevOps 实践：SLI 设计（可用性/延迟/错误率）、SLO 目标设定与错误预算计算、告警策略（Multi-window / Multi-burn-rate）、错误预算耗尽处理（冻结发布）、SRE 值班与 On-Call、与混沌工程/发布门禁联动、工具（Prometheus/Pyrra）以及真实案例。
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。
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。
可观测性与 FinOps：用数据驱动云成本优化
云原生时代，资源弹性带来的便利让成本变成了可伸缩的数字。然而，当账单上的数字持续膨胀，企业才意识到：没有可观测性的 FinOps，就像没有仪表盘的飞机——你只知道自己正在飞翔，却看不清方向和油耗。本文将探讨可观测性如何成为 FinOps 的核心驱动力，以及如何通过数据实现真正的成本治理。
分布式 SRE 与混沌工程：SLI/SLO、错误预算与故障注入实战
SRE 运维体系从 0 到 1：SLI/SLO/错误预算设计、混沌工程实验框架（Chaos Mesh/Litmus/Chaos Monkey），以及生产级故障演练与复盘体系。
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，并深入构建效率与交付节奏治理：Bazel/Nx/Turborepo 构建系统与远程缓存、单仓多包受影响分析、依赖升级自动化、发布列车与版本节奏、基础设施代码测试、值班工程与告警疲劳治理，帮助团队构建现代化的云原生交付能力。
DevOps 事件响应体系：On-Call 轮值、MTTR 优化与事后复盘
构建完整的 DevOps 事件响应体系，涵盖 On-Call 轮值设计、告警分级策略、Runbook 自动化、MTTR 度量优化与无责事后复盘文化，附有 PagerDuty / Prometheus 配置示例。
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。
SLO、SLI 与错误预算：数据驱动的可靠性工程
系统性 SRE 可靠性工程指南：SLI（Service Level Indicator）选取方法论、SLO（Service Level Objective）目标设定、错误预算定义与消费、Burn Rate 告警策略、多窗口多阈值告警（Multi-window Multi-burn-rate Alerting）、服务水平协议（SLA）与 SLO 的区别、基于错误预算的发布策略（发布窗口/金丝雀阈值）、SLO 监控面板设计、SLO 文化与团队治理。附 Google SRE 示例与 Prometheus/Grafana 实战配置。