缓存监控与性能排查：命中率、延迟、淘汰、阻塞怎么看
很多人开始认真补“缓存监控与性能排查”，往往不是出于兴趣，而是因为线上已经出事了。系统平时也能跑，可一到高峰、发布、切换、批量任务或者局部抖动时，问题就集中冒出来。这个时候你会发现，故障类主题真正难的...
标签：监控
告警体系设计：为什么“能告警”不等于“告得准”
很多团队在搭监控时，最先做的事情就是配告警：CPU 高了告、错误率高了告、接口超时了告、容器重启了告。表面上看，只要“有异常就通知”，告警体系好像就建立起来了。但真正经历过值班和线上排障之后，你会很快...
Prometheus 与 Grafana：监控体系到底是怎么搭起来的
很多人第一次接触监控体系时，印象通常是几张 Grafana 图表，再加几条告警规则。表面上看，好像监控系统就是把数据采上来、画出来、超阈值时发个通知。但如果只这样理解，就会忽略它背后真正重要的东西：你...
服务上线前要补哪些能力：健康检查、优雅退出与基础监控
很多服务在开发阶段都能正常运行，但一谈到上线，就会暴露出另一类问题：服务启动后能不能被探活、退出时会不会把正在处理的请求直接掐掉、依赖异常时外界能不能及时看出来、出了问题有没有基础观测信号。这些问题和...
Elasticsearch 监控、容量治理与学习路线总结：从会查文档到能做搜索治理
当你开始学“Elasticsearch 监控、容量治理与学习路线总结”这类设计主题时，通常意味着单纯会操作已经不够了。系统开始变大、对象开始变多、协作开始变复杂，你会越来越频繁地遇到一种情况：看起来好...
监控与排障：Kafka 线上问题通常该从哪些指标和现象开始看
很多人开始认真补“监控与排障”，往往不是出于兴趣，而是因为线上已经出事了。系统平时也能跑，可一到高峰、发布、切换、批量任务或者局部抖动时，问题就集中冒出来。这个时候你会发现，故障类主题真正难的地方，不...