https://plumephp.com/tags/%E6%95%B0%E6%8D%AE%E7%9B%91%E6%8E%A7/Recent content in 数据监控 on PlumePHPHugozh-CNSun, 27 Sep 2026 11:30:00 +0800https://plumephp.com/data-observability/Sun, 27 Sep 2026 11:30:00 +0800https://plumephp.com/data-observability/<h2 id="引言">引言</h2> <p>软件可观测性关注&quot;服务是否健康&quot;，数据可观测性（Data Observability）则关注&quot;<strong>数据是否可信</strong>&quot;。数据管道运行成功并不等于数据正确：调度成功但分区延迟、行数骤降、字段类型悄悄变化，这些都不会触发&quot;500 错误&quot;，却会悄然污染下游报表与模型。数据可观测性把软件工程中成熟的可观测性理念——指标、日志、追踪、告警、SLO——迁移到数据领域，让数据团队从&quot;被动救火&quot;走向&quot;提前预警&quot;。</p>https://plumephp.com/data-quality-monitoring/Sun, 27 Sep 2026 10:00:00 +0800https://plumephp.com/data-quality-monitoring/<h2 id="引言">引言</h2> <p>数据质量（Data Quality）是数据工程中最容易被忽视、却最致命的环节。上游一张表的字段语义漂移、一次调度延迟、一个重复的订单主键，都会顺着血缘链向下游传导，最终让 BI 报表失真、模型特征退化、业务决策失误。与软件工程中的单元测试一样，数据质量监控的目标不是&quot;消灭所有问题&quot;，而是&quot;让问题在影响业务之前被尽早发现&quot;。本文将围绕数据质量的六大维度、两大开源框架（Great Expectations 与 Soda Core）、质量门禁与异常检测四个层面，给出可直接在生产环境复用的监控体系。</p>