【可观测性工程】SLO 工程：错误预算、Burn Rate、多窗口多燃烧率告警
SLO 不是定几个 99.9% 的数字，而是连接业务需求与工程决策的治理机制。拆解 SLI 选择、错误预算计算、Burn Rate 告警公式，以及 SLO 文化如何在组织中落地。
slo 标签归档
共 6 篇文章 · 返回首页
【可观测性工程】告警体系：Alertmanager、PagerDuty、OnCall 与分级抑制
建一套不让人崩溃的告警体系。从 Prometheus Alertmanager 的分组/抑制/静默三元组，到 PagerDuty 排班与升级策略，到分级告警的设计模板与告警质量持续治理。
【可观测性工程】混沌工程：ChaosBlade、Chaos Mesh 与可观测性闭环
混沌工程的价值不是'找到 bug'，而是验证'你的可观测性能不能发现这类故障'。从六步实验法到 ChaosBlade/Chaos Mesh 的生产实践，到爆炸半径控制与可观测性改进闭环。
【可观测性工程】真实事故复盘剧本：从指标抖动到根因的全链路追查
从 Grafana 上 p99 延迟飙升到定位具体代码行——拆解事故排障的标准操作流程：Golden Minute、Metric→Trace→Log→Profile→Kernel 的五阶递进、缓解优先原则与事后改进。
可观测性工程
从 Metrics、Logs、Traces 到 Profiling、eBPF、OpenTelemetry 与 SLO 治理，面向中国工程团队的可观测性系统化手册。全 25 篇。
【可观测性工程】指标体系设计：USE、RED、Golden Signals 与业务 KPI
USE 方法论适用于资源，RED 方法论适用于请求，Golden Signals 适用于服务——三套方法论各有其适用对象。本文从 Brendan Gregg、Tom Wilkie、Google SRE 的原始定义出发，构建覆盖资源→服务→业务的完整指标体系，并给出 Prometheus 命名规范、基数治理策略与可抄的指标清单。