73 lines
3.5 KiB
Markdown
73 lines
3.5 KiB
Markdown
---
|
||
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]]
|