https://plumephp.com/categories/sre/Recent content in sre on PlumePHPHugozh-CNFri, 02 Oct 2026 15:00:00 +0800https://plumephp.com/observability-multi-cluster-federation/Fri, 02 Oct 2026 15:00:00 +0800https://plumephp.com/observability-multi-cluster-federation/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。https://plumephp.com/observability-as-code-gitops/Fri, 02 Oct 2026 14:00:00 +0800https://plumephp.com/observability-as-code-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。https://plumephp.com/observability-messaging-queue-monitoring/Fri, 02 Oct 2026 13:00:00 +0800https://plumephp.com/observability-messaging-queue-monitoring/系统讲解消息队列可观测性建设：Kafka 消费者滞后与分区指标、RabbitMQ 队列深度与消费速率、端到端延迟与消息追踪、消费者组再平衡观测、积压告警与容量规划，以及常见避坑与最佳实践清单。https://plumephp.com/observability-database-query-monitoring/Fri, 02 Oct 2026 12:00:00 +0800https://plumephp.com/observability-database-query-monitoring/系统讲解数据库与查询层的可观测性建设：慢查询日志与语句归一化、连接池指标与等待分析、执行计划与索引效率、数据库内部等待事件、从数据库指标到应用链路的端到端定位，以及常见避坑与最佳实践清单。https://plumephp.com/observability-exemplars-trace-metrics-link/Fri, 02 Oct 2026 11:00:00 +0800https://plumephp.com/observability-exemplars-trace-metrics-link/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。https://plumephp.com/observability-continuous-profiling/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/observability-continuous-profiling/系统讲解持续剖析（Continuous Profiling）的工程实践：采样原理从 pprof 到 eBPF、Pyroscope 与 Parca 的架构对比、火焰图与差异分析、标签与维度设计、生产环境低开销采样策略、与指标和链路的联动，以及常见避坑与最佳实践清单。https://plumephp.com/observability-agent-mcp/Wed, 30 Sep 2026 15:00:00 +0800https://plumephp.com/observability-agent-mcp/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。https://plumephp.com/observability-context-propagation/Wed, 30 Sep 2026 14:00:00 +0800https://plumephp.com/observability-context-propagation/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）。https://plumephp.com/observability-anomaly-detection/Wed, 30 Sep 2026 13:00:00 +0800https://plumephp.com/observability-anomaly-detection/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。https://plumephp.com/observability-synthetic-monitoring/Wed, 30 Sep 2026 11:00:00 +0800https://plumephp.com/observability-synthetic-monitoring/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。https://plumephp.com/observability-opentelemetry-instrumentation/Wed, 30 Sep 2026 10:00:00 +0800https://plumephp.com/observability-opentelemetry-instrumentation/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。https://plumephp.com/observability-platform-engineering/Sun, 27 Sep 2026 13:30:00 +0800https://plumephp.com/observability-platform-engineering/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。https://plumephp.com/observability-sampling-pipeline/Sun, 27 Sep 2026 12:30:00 +0800https://plumephp.com/observability-sampling-pipeline/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。https://plumephp.com/structured-logging-semantic-conventions/Sun, 27 Sep 2026 12:00:00 +0800https://plumephp.com/structured-logging-semantic-conventions/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。https://plumephp.com/prometheus-high-cardinality-optimization/Sun, 27 Sep 2026 11:30:00 +0800https://plumephp.com/prometheus-high-cardinality-optimization/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。https://plumephp.com/observability-cost-control/Sun, 27 Sep 2026 11:30:00 +0800https://plumephp.com/observability-cost-control/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%。https://plumephp.com/multi-region-availability/Sun, 27 Sep 2026 11:00:00 +0800https://plumephp.com/multi-region-availability/系统讲解多区域高可用架构，涵盖多活部署模式、跨区域数据复制与冲突处理、Anycast/DNS/GSLB流量调度、会话处理、故障切换演练与一致性和可用性的权衡，帮助构建跨地域容灾能力。https://plumephp.com/observability-golden-signals-red-use/Sun, 27 Sep 2026 11:00:00 +0800https://plumephp.com/observability-golden-signals-red-use/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。https://plumephp.com/observability-data-storage/Thu, 13 Aug 2026 13:00:00 +0800https://plumephp.com/observability-data-storage/系统性可观测性数据存储架构指南：时序数据库对比（Prometheus/Mimir/VictoriaMetrics/Thanos Cortex/InfluxDB/TimescaleDB）、列式存储（ClickHouse/Druid/Pinot）在可观测性中的应用、日志存储对比（Loki/ES/S3+Athena/ClickHouse）、对象存储成本模型与分层策略、数据保留策略（热/温/冷/冻结）、压缩算法与降采样（Downsampling）、OTel Collector 存储后端路由、多云存储成本对比、数据合规与主权。https://plumephp.com/cloud-native-apm-profiling/Thu, 13 Aug 2026 12:50:00 +0800https://plumephp.com/cloud-native-apm-profiling/系统性云原生 APM 实战指南：APM 架构与 Agent 模式（自动插桩/字节码注入/eBPF 零侵扰）、OpenTelemetry APM 链路、持续性能剖析（Continuous Profiling）概念与价值、Go pprof / Java async-profiler / Python py-spy / Rust flamegraph 实践、CPU 火焰图 / 内存分配图 / Goroutine 阻塞图 / 锁竞争图解读、Grafana Profiles（Pyroscope/Parca）部署、APM 与 Metrics/Logs/Traces 的协同、性能基线建立与回归检测、Profiling 数据采样与低开销策略、生产环境 Profiling 安全实践。https://plumephp.com/observability-kubernetes/Thu, 13 Aug 2026 12:40:00 +0800https://plumephp.com/observability-kubernetes/系统性 Kubernetes 可观测性实战指南：K8s 分层监控模型（集群/节点/Pod/容器/应用/API Server/etcd）、kubelet/cAdvisor/Metrics Server/Node Exporter 指标详解、Vertical Pod Autoscaler (VPA) / Horizontal Pod Autoscaler (HPA) 监控、Kubernetes Events / Audit Logs / Control Plane 日志、网络可观测性（CNI / kube-proxy / CoreDNS / Ingress）、存储可观测性（PVC/StorageClass/CSI driver metrics）、K8s 告警规则（Prometheus Rule）、Grafana K8s Dashboard 生态（社区模板/自定义）、Kubectl resource metrics / stern / k9s 排障工具链。https://plumephp.com/ebpf-observability/Thu, 13 Aug 2026 12:30:00 +0800https://plumephp.com/ebpf-observability/系统性 eBPF 可观测性实战：eBPF 架构与执行模型（Verifier/JIT/maps/Helper）、BCC 与 libbpf 开发框架对比、BPF 程序类型（kprobe/tracepoint/uprobe/XDP/TC/socket）、Go eBPF 开发（cilium/ebpf 库）、常见可观测性场景（函数追踪/延迟分析/火焰图/网络丢包/文件 IO/TCP 连接）、eBPF 安全与权限（CAP_BPF）、性能开销控制、与 Prometheus/Grafana 集成。附 C/libbpf 和 Go 实战代码。https://plumephp.com/slo-sli-error-budget/Thu, 13 Aug 2026 12:20:00 +0800https://plumephp.com/slo-sli-error-budget/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。https://plumephp.com/alerting-design-incident-response/Thu, 13 Aug 2026 12:10:00 +0800https://plumephp.com/alerting-design-incident-response/系统性告警与事件响应实战指南：告警设计的黄金法则（可行动性/关联上下文/优先级/渐进式）、Four Golden Signals 与 USE/RED 方法论、告警分级（P0/P1/P2/P3）与升级策略、告警疲劳根因分析与降噪手段（抑制/聚合/去重/依赖静默）、值班轮换（on-call）制度、事件响应 SOP（检测/评估/缓解/复盘）、ChatOps / Runbook 自动化、事后复盘模板（Postmortem）与无责文化、MTTR/MTBF/MTTF 指标定义与追踪、PagerDuty/Opsgenie 集成实践。https://plumephp.com/logging-system-stack/Thu, 13 Aug 2026 12:00:00 +0800https://plumephp.com/logging-system-stack/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。https://plumephp.com/distributed-tracing-jaeger-tempo/Thu, 13 Aug 2026 11:50:00 +0800https://plumephp.com/distributed-tracing-jaeger-tempo/系统性分布式追踪实战指南：Trace 数据模型（Span/Trace/Context/Links）、分布式追踪头传播（W3C Trace Context / B3 / Jaeger）、Jaeger Agent/Collector/Query/UI 部署架构、Tempo 低成本对象存储架构、头部采样 vs 尾部采样 vs 自适应采样、TraceQL 查询语言、Span/Event/Attribute 最佳实践、Trace 与 Metrics/Logs 关联（Exemplars/OpenTelemetry）、性能开销分析与优化、追踪驱动的延迟分析（关键路径/火焰图）、全链路压测追踪。附 Go/Java/Node.js 实战与 Kubernetes 部署 YAML。https://plumephp.com/opentelemetry-complete-guide/Thu, 13 Aug 2026 11:40:00 +0800https://plumephp.com/opentelemetry-complete-guide/系统性 OpenTelemetry 实战指南：OTel 架构与核心理念、自动与手动 Instrumentation、Span/Trace/Context 传播、Metrics SDK / Logs SDK / Baggage、语义约定（Semantic Conventions）与资源属性、OTel Collector 架构与 processors/exporters、采样策略（AlwaysOn/Sampler/Parent-based/Rate-limiting）、OTLP 协议、与 Prometheus/Jaeger/Loki 的桥接、Go/Java/Node.js/Python 多语言实战代码。https://plumephp.com/grafana-visualization/Thu, 13 Aug 2026 11:30:00 +0800https://plumephp.com/grafana-visualization/系统性 Grafana 实战指南：数据源配置（Prometheus/Loki/Tempo/MySQL/Elasticsearch）、仪表盘设计原则（OLAP 原则/颜色语义/信息层次/Golden Signals）、变量与模板化（Query/Text/Custom/Interval/Datasource）、多面板联动与钻取、Alerting 规则（Grafana 告警 vs Alertmanager）、Annotation 与事件叠加、Grafana Loki 日志查询面板、Grafana Tempo 追踪面板、面板类型选择（Time Series/Stat/Table/Heatmap/Gauge/Logs/Node Graph/Canvas）、公共分享与嵌入、Grafana 权限模型与组织管理。附生产级 Dashboard JSON 模板。https://plumephp.com/prometheus-deep-dive/Thu, 13 Aug 2026 11:20:00 +0800https://plumephp.com/prometheus-deep-dive/系统级 Prometheus 实战指南：数据模型与指标类型详解、Exporter 生态与自定义 Exporter 开发、服务发现机制（DNS/K8s/Consul/File SD）、PromQL 高级查询（聚合/子查询/二元运算/预测/同比环比）、Recording Rule 与告警规则设计、Alertmanager 分组/抑制/静默/路由、高可用联邦与远程存储、Thanos/VictoriaMetrics 扩展架构。附完整配置与实战代码。https://plumephp.com/observability-three-pillars/Thu, 13 Aug 2026 11:15:00 +0800https://plumephp.com/observability-three-pillars/系统性梳理可观测性三大支柱（Metrics/Logs/Traces）的核心概念、数据模型、采集范式和适用场景。对比维度覆盖数据类型、查询方式、存储成本、采样策略、告警响应、根因定位。延伸至事件（Events）、剖析（Profiling）、真实用户监控（RUM）等第四/第五支柱，构建完整的云原生可观测性认知框架。https://plumephp.com/posts/observability/Thu, 13 Aug 2026 11:10:00 +0800https://plumephp.com/posts/observability/从可观测性三大支柱（Metrics/Logs/Traces）出发，深度覆盖 Prometheus、Grafana、OpenTelemetry、Jaeger/Tempo、Loki、EFK 等主流云原生可观测性栈，延伸至 OTel Collector 深度调优、Prometheus 长期存储集群化（Thanos/Mimir）、Grafana Alerting 统一告警、Loki 标签基数与查询性能优化、服务网格可观测性（Istio/Kiali）、生成式 AI 可观测性（LLM 追踪/成本/质量/安全）、eBPF、SLO 工程、K8s 可观测性、APM 及数据存储选型。附带实战配置与架构设计。并延伸至 OpenMetrics 指标规范治理、日志采样去重与降噪、仪表盘设计与可读性工程，以及 GPU 与加速器、Serverless 与 FaaS、边缘与 IoT 三类特殊负载的可观测性实践。