Auto-sync: 2026-04-29 00:02

wiki/concepts/Observability.md

@@ -1,47 +1,72 @@
----
-title: "Observability"
-type: concept
-tags: [devops, monitoring, sre, infrastructure]
-last_updated: 2026-04-26
----
-
-## Observability（可观测性）
-
-**中文名称：** 可观测性
-
-**类型：** 技术方法论 / SRE 核心支柱
-
-**别名：**
-- 可观测性
-- 云原生可观测性
-- Observability Stack
-
----
-
-## Definition
-
-可观测性（Observability）是指通过系统外部输出来推断其内部状态的能力。在 IT 运维领域，通常由三大支柱构成：
-
-1. **指标（Metrics）：** 系统运行时数值数据的时序聚合——如 CPU 使用率、内存占用、请求 QPS。代表工具：Prometheus、InfluxDB、VictoriaMetrics。
-2. **日志（Logs）：** 系统运行事件的离散记录——如错误日志、访问日志、业务事件。代表工具：ELK（Elasticsearch + Logstash + Kibana）、Loki、Graylog。
-3. **链路（Traces）：** 分布式请求在多个服务间的调用路径追踪——如 HTTP 请求从 API → DB → Cache 的完整耗时。代表工具：Jaeger、Zipkin、OpenTelemetry。
-
-**第三支柱趋势：** OpenTelemetry（OTel）作为 CNCF 项目，正在成为可观测数据的统一采集标准，将 Traces、Metrics、Logs 三者以统一规范融合。
-
----
-
-## 家庭监控场景下的应用
-
-在家庭服务器/NAS 监控中，可观测性通过以下组件实现：
-- **指标：** Prometheus + node_exporter + cAdvisor + blackbox_exporter
-- **可视化：** Grafana 仪表盘
-- **告警：** Alertmanager + 邮件/Slack 通知
-- **日志（可选）：** Loki + Promtail
-
----
-
-## Related Sources
-- [[家庭监控方案-prometheus-grafana-node-exporter-cadvisor-blackbox]]
-- [[public-cloud-learning-sessions-observability-with-opentelemetry]]
-- [[ctp-topic-67-cloud-native-observability-using-opentelemetry]]
-- [[ctp-topic-8-implementation-of-cloud-monitoring-using-micro-focus-operations-brid]]
+---
+title: "Observability"
+type: concept
+tags: [Observability, SRE, Cloud-Native, Telemetry, Monitoring, Reliability]
+sources:
+  - public-cloud-learning-sessions-observability-with-opentelemetry-20240402-160113
+  - ctp-topic-67-cloud-native-observability-using-opentelemetry
+  - public-cloud-learning-sessions-opentext-evolving-from-dr-to-recovery-assurance-2
+last_updated: 2026-04-29
+---
+
+## Observability（可观测性）
+
+可观测性（Observability）是指系统通过其外部输出理解其内部状态的能力。在软件工程中，可观测性通过遥测数据（Telemetry）——指标（Metrics）、日志（Logs）、追踪（Traces）——持续理解系统健康状态，是 [[SRE]] 和 [[Recovery-Assurance]] 的核心技术基础。
+
+## Three Pillars
+
+可观测性三大支柱（Three Pillars of Observability）：
+
+| 支柱 | 说明 | 示例 |
+|------|------|------|
+| **Metrics（指标）** | 聚合的数值数据，反映系统状态趋势 | CPU 使用率、请求延迟、错误率 |
+| **Logs（日志）** | 离散的事件记录，按时间顺序记录系统活动 | 访问日志、错误日志、审计日志 |
+| **Traces（追踪）** | 跨服务和组件的请求传播路径 | 分布式链路追踪、调用链可视化 |
+
+## Observability vs. Monitoring
+
+传统监控（Monitoring）与可观测性（Observability）的核心区别：
+
+| 维度 | 传统监控（Monitoring） | 可观测性（Observability） |
+|------|---------------------|-------------------------|
+| **目标** | 回答预设问题 | 回答任意未知问题 |
+| **假设** | 故障模式已知 | 故障模式未知（High Cardinality） |
+| **数据** | 聚合指标，低基数 | 原始事件，高基数 |
+| **根因定位** | 依赖仪表板预设视图 | 通过遥测数据探索定位 |
+| **适用场景** | 稳定系统 | 云原生、分布式系统 |
+
+> "You can't monitor your way to understanding a distributed system. You need observability." — Charity Majors
+
+## Observability Engineering
+
+可观测性工程（Observability Engineering）是将可观测性作为架构设计原则，在软件开发生命周期中内嵌遥测数据收集：
+
+- **Left-Shift**：在开发阶段就定义 SLI/SLO，持续验证
+- **Telemetry as Code**：将遥测配置纳入 IaC，实现版本化管理
+- **Continuous Validation**：用主动探测（Synthetic Monitoring）验证恢复路径
+
+## Connection to SRE and Recovery Assurance
+
+在 [[SRE]] 实践中，可观测性是实现可靠性目标的必要条件：
+
+- **SLI/SLO/SLA 的测量基础**：可观测性提供量化可靠性的原始数据
+- **Error Budget 的支撑**：通过指标追踪 Error Budget 消耗速度
+- **On-Call 响应的依据**：日志和追踪是 MTTR（Mean Time To Recovery）的核心数据源
+- **[[Recovery-Assurance]] 的前提**：无法观测的系统无法保证恢复能力
+
+## OpenTelemetry
+
+[[OpenTelemetry]]（OTel）是 CNCF 的开源可观测性框架，提供厂商中立的指标、日志、追踪统一采集标准。
+
+## Related Concepts
+
+- [[SRE]] — 可观测性是 SRE 四大黄金信号的基础
+- [[Recovery-Assurance]] — 可观测性是 Recovery Assurance 的技术前提
+- [[OpenTelemetry]] — 可观测性工程的具体实现框架
+- [[RTO]] / [[RPO]] — 可观测性支撑 RTO/RPO 的持续监控
+
+## Sources
+
+- [[public-cloud-learning-sessions-observability-with-opentelemetry-20240402-160113]]
+- [[ctp-topic-67-cloud-native-observability-using-opentelemetry]]
+- [[public-cloud-learning-sessions-opentext-evolving-from-dr-to-recovery-assurance-2]]