Vicla

本文作者是 Zenlayer 高级网络工程师钱工在第二届 CCF 夜莺开发者创新论坛上所做的分享的补充和展开。内容包括 AI 方向的一些实践效果、基础知识、选型思考等。

阿里巴巴提出的稳定性保障 "1-5-10" 目标是针对提升系统可靠性的一个重要牵引指标，用于缩短故障恢复时长（MTTR），降低故障影响。

Google SRE 实践中，有一个广为人知的理念：减少琐事，用软件工程的方式解决运维问题。Google SRE 设定了一个重要的、公开的目标：保持每个SRE的工作时间中琐事比例低于50%。

临近年底，各大互联网公司和云基础设施厂商，接连出了一些大故障，引发了众多的讨论： 技术保障这个话题老套极了，但不幸的是，截止当前，技术保障仍然是一个人力密集 + 知识密集 + 资产密集同时存在的领域。

什么是可观测性，从传统监控到可观测性，Gap 到底有多大？构建和完善可观测性体系，有哪些最佳实践，应该从哪些维度入手和进阶

稳定性保障，是一切技术工作的出发点和落脚点，也是 IT 工作最核心的价值体现，当然也是技术人员最容易“翻车”的阴沟。8个稳定性保障锦囊，分享给各位技术人员择机使用。

笔者从 12 年开始入行，从事 DevOps 研发工作，做过部署系统、监控系统、可观测性相关产品，也做过 SRE 一线和管理工作，对于可观测性的理解和实践，有一些小小的见解，利用本文和大家做一个探讨

市面上有众多监控系统，刨去商业软件不说，开源的就有Nagios、Zabbix、Open-Falcon、Nightingale、Grafana、Prometheus、Elastalert 等，还有云厂商

写在前面 前面系列的文章我们花费了较大篇幅，介绍了 Kubernetes 的各个组件的监控方法。从整个体系来看，Kubernetes 体系的监控还应该包含 Pod 里的应用的监控。 App 监控概述