- 综合排序
- 最热优先
- 最新优先
- 来自专栏运维有术
3 大体系 × 3 层指标：Milvus 全链路可观测监控搭建指南
# 确认 CRD 已创建kubectl get crd | grep prometheus3. 3. Alloy 是 Grafana 生态中的新一代可观测性收集器，基于 OpenTelemetry Collector 构建，可以同时处理 metrics、logs、traces 三类信号。 Q3：Loki 日志查询很慢怎么办？A：Loki 的查询性能和标签索引有关。确保查询时至少包含一个标签（如 {namespace="default"}），避免全量扫描。 三个体系搭建完成后，你的 Milvus 就从裸奔状态变成了全面可观测。建议收藏这篇教程，下次搭建监控环境时直接翻出来跟着做。
58710编辑于 2026-04-29 - 来自专栏Elastic Stack专栏
Elastic的CICD全观测解决方案
CI/CD 可观测性架构 使用 APM 服务器，将所有 OpenTelemetry 原生 CI/CD 观测工具直接连接到 Elastic Observability。 [CI/CD可观测性架构] 使用 Elastic 构建 CI/CD 可观测性的架构 更高级的 CI/CD 可观测性架构包括部署在边缘（靠近 CI/CD 工具）的 OpenTelemetry 收集器。 [在这里插入图片描述] 使用 Elastic 实现 CI/CD 可观测性的高级架构 CI/CD 管理员的可观测性 Elastic Observability 允许 CI/CD 管理员监控 CI/CD 平台并对其进行故障排除并检测异常情况 将日志存储在可观测性后端有几个好处，包括： 将所有的可观测性数据进行统一的存储，更利于我们实现Jenkins实例的全观测性、监控、警报和故障排除。 an_apm_secret_token" \ OTEL_SERVICE_NAME=pytest_otel \ pytest --otel-session-name='My_Test_cases' [3c0b3c2846dd65ea7705cbc0044b5283
7.3K361编辑于 2022-04-07 - 来自专栏AIOps
探秘全栈可观测五层架构，嘉为蓝鲸全栈智能观测中心助力运维进阶
嘉为蓝鲸全栈智能观测中心·鲸眼（以下简称“全栈智能观测中心”）作为腾讯大规模IT生产环境锤炼出的全栈智能观测中心，凭借一体化融合设计、开箱即用的信创生态支持、云原生监控能力以及本土化服务优势，正成为企业替代 3）全栈智能观测中心与Tivoli的监控能力替换以下将通过具体场景对比，进一步阐述全栈智能观测中心的核心价值与落地实践。 全栈智能观测中心旨在提供一个更现代化、更统一、更能开箱即用的全栈可观测平台，在大部分的监控场景中，全栈智能观测中心一个产品就能实现Tivoli三个子产品的效用：1）基础架构与组件监控全栈智能观测中心提供开箱即用的监控能力 3）硬件设备监控在硬件设备监控领域，Tivoli更多的是通过SNMP协议实现网络设备性能和可用性的监控，对于其他的物理机设备和存储设备，缺少直接有效的监控方式。 03.全栈智能观测中心替换 Tivoli 事件规则实操截至目前，全栈智能观测中心团队已经在近十个项目中将 IBM Tivoli 替换为全栈智能观测中心产品，一个核心且常见的需求是将Tivoli系统中长期积累的事件规则迁移至全栈智能观测中心平台
82610编辑于 2025-04-14 - 来自专栏云原生应用工坊
可观测平台-3: 应用系统监控项
在讨论以容器应用为视角的监控和告警时，有几个关键点需要注意。首先，传统的基于主机资源的监控方法（如使用率和负载监控）可能不再适用于动态、多副本的Pod环境。这是因为在容器化和微服务架构中，应用服务的动态性和弹性更加突出。
88120编辑于 2023-12-13 - 来自专栏大前端修炼手册
LangSmith全链路观测：Agent调试与生产监控
=kb-agent-prod LANGSMITH_ENDPOINT= https://api.smith.langchain.com 但我们项目里，检索、Rerank、评分这些环节很多是自研的，没有全走 自托管 闭源SaaS为主 开源，自托管友好 开源，Arize出品 与LangChain集成 原生，最深 良好，需接入 基于OpenTelemetry Prompt管理 Hub，成熟 有，功能相近 较弱，偏观测 如果你的团队完全没有用LangChain/LangGraph，纯自研Pipeline，Phoenix的OpenTelemetry原生方案反而更轻量，不会有"为了观测反过来被框架绑架"的顾虑。 从这一篇往后，可观测性算是补齐了。 但说实话，我现在越来越觉得，观测和评估这两件事其实应该是整个Agent系统设计阶段就要考虑的一等公民，而不是像我们这样吃了亏之后才补——如果重新设计一次，我会把@traceable写进每个函数的骨架模板里
42510编辑于 2026-07-20 - 来自专栏FunTester
Java应用全链路追踪可观测性实践
追踪和可观测性已成为实现这些目标的关键实践。本文探讨了Java应用程序中的追踪概念，深入研究了代码插桩技术，并展示了它们如何促进全栈可观测性。 理解追踪和可观测性 追踪涉及记录应用程序中请求或事务的流程。它捕获关于操作执行的详细信息，包括时间、持续时间和上下文。在分布式系统中，追踪有助于可视化请求如何在多个服务和组件之间传播。 可观测性是指通过系统的外部输出来推断其内部状态的能力，主要由日志、指标和追踪三大支柱构成：日志用于记录离散事件，指标反映随时间变化的数值数据，追踪则展现请求在系统中的路径。 Java中的插桩技术 插桩是向代码中添加观测能力的过程。在Java中，可以使用几种技术来实现： 手动插桩 开发者明确添加代码来记录追踪数据。 实现全栈可观测性 全栈可观测性意味着跨前端、后端、数据库和外部服务的可见性。 集成追踪、日志和指标 结合所有三大支柱以获得全面的洞察。
43610编辑于 2026-01-05 - 来自专栏SpringBoot教程
SpringBoot3 整合Prometheus + Grafana，实现可观测
通过Prometheus + Grafana对线上应用进行观测、监控、预警...健康状况【组件状态、存活状态】Health运行指标【cpu、内存、垃圾回收、吞吐量、响应成功率...】Metrics... endpoints: enabled-by-default: true #暴露所有端点信息 web: exposure: include: '*' #以web方式暴露3. 应用到服务器确保可以访问到部署好的服务，http://192.168.254.129:8080/actuator/prometheus图片http://192.168.254.129:8080/actuator图片3.
3.4K40编辑于 2023-08-03 - 来自专栏瓜农老梁
FA6# 全链路观测平台设计点归纳
引言 全链路观测平台设计离不开基础数据的采集、提炼和呈现。本文就基础数据日志、指标、链路的采集原理进行梳理，如何将其关联最终提供辅助决策价值提点归纳。 三、辅助决策 1.数据质量 指标埋点覆盖度 链路采样策略的多样性 日志清洗与提炼 2.告警质量 告警信息能包含从指标到链路以及日志的清晰关联与日志信息，提高决策能力 3.分析能力 沉淀问题分析的最佳实践库 ，将其自动化分析提升定位能力 4.自愈能力 基于分析能力，沉淀自愈策略 自愈策略的灵活配置 5.性能与稳定性 采集延迟、计算能力、查询性能 可视化观测平台自身的稳定性建设 6.可视化能力 可观测一站式
87231编辑于 2022-01-04 - 来自专栏云原生应用工坊
IT咖啡馆｜全栈可观测数据库设计
IT咖啡馆｜全栈可观测数据库设计线 I/O 面交给 OpenObserve（OO），治理/知识面沉到 PostgreSQL 栈（Timescale + AGE + pgvector）。 摘要本文落地一套「全栈可观测」数据库设计：明细进 OO，PG 仅存 12 张核心表（维度、定位符、指标 1m、服务调用 5m、日志指纹/计数、拓扑时态、知识库、事件/证据），并用 AGE 维护“当前服务级调用图 数据模型总览（12 表 + AGE）维度（2）：dim_tenant、dim_resource定位符（1）：oo_locator（对象存路径 + 时间窗 + 查询 hint）聚合（3）：metric_1m 3）指标聚合（1 分钟）metric_1m：按资源、指标名保 avg/max/p95 常用统计，Timescale Hypertable。 d.resource_id = t.dst_resource_idWHERE t.tenant_id = $tenant AND t.valid @> $timestamp::timestamptz;与「全塞
46710编辑于 2025-08-29 腾讯蓝鲸 游戏服务全链路、真全栈无盲点可观测实践
介绍了腾讯 IEG 蓝鲸观测平台如何运用前沿的 DeepFlow 的 eBPF 技术，结合传统的 APM 体系，实现了对游戏服务全链路、真全栈，无盲点观测。 演讲围绕腾讯游戏的真全栈观测实践，介绍了蓝鲸观测平台的功能、架构、以及与 OTel 和 eBPF 技术的结合使用。 3、数据集成与优化仅仅做了前面的部分是不是就能达到全观测了，貌似还不够。从前面我们可以看到，其实我们只关注了和OTel 有关的部分，也就是只包含了有 traceid 的那部分请求数据。 到这里的话，基本上上面的能力，已经能满足我们想要的全观测能力。下面我再以游戏的全栈观测场景，来展示下我们是怎么去实践的。 3：数据全关联方案同时我们也形成了以 trace 为中心的数据全关联，将其他领域的数据关联到同一个页面，方面快速的查看。这里的关联方式我也大致讲一下。
1.5K10编辑于 2024-02-06DeepFlow 全栈可观测性 护航某银行核心系统全生命周期
DeepFlow全栈可观测性实践案例DeepFlow的全栈可观测性产品能力主要体现在四个方面：云上云下业务全景图：观测每个服务的性能全栈调用链追踪：观测每个调用的性能持续性能剖析：观测每个函数的性能OneAgent 下面以某行客户为例子，分享各个团队使用DeepFlow全栈观测平台的实践案例。 开发测试团队开发测试团队对可观测性能力的依赖主要体现在两个阶段功能测试：追踪、日志、剖析是高效调测分布式应用的必备能力，在开发阶段可通过插桩获取这些能力，全栈观测平台的零侵扰可观测性能让这些能力的获取更为简单 01｜云网性能黑盒：零侵扰追踪KVM网络性能瓶颈分布式核心系统上线全栈云之前进行了大量的性能测试，期间发现K8s集群中的微服务访问裸金属服务器上的GoldenDB服务时，客户端侧的时延（3ms）与DBA 02｜Agent的自我持续剖析能力DeepFlow全栈观测平台的业务全景拓扑、全栈链路追踪、持续性能剖析对自身也同样适用。
1.2K10编辑于 2025-11-26腾讯云可观测平台：全栈智能观测驱动运维效率与系统稳定性提升
提供全栈观测方案 腾讯云推出腾讯云可观测平台（Tencent Cloud Observability Platform, TCOP），集指标、链路、日志于一体，提供一体化智能监控解决方案。 核心模块包括： 一体化观测：整合H5/Web/小程序、微服务、Kubernetes、200+云产品等数据源，通过DSL关联分析、统一存储、实时异常检测实现全栈数据打通（数据来源：TCOP全景图）。 选择腾讯云的核心优势 技术领先性： 一体化观测实现全链路横向关联与全栈资源纵向穿透，支持端到端统一监控（数据来源：“总览全局”章节）； Prometheus监控服务解决开源版水平扩展痛点，数据存储无上限 权威认证： 腾讯云可观测平台获评信通院《云计算系统智能化可观测性能力成熟度模型》认证最高级-智能引领级（Lv5）（数据来源：“行业认证”章节）； 云压测获信通院首届“云系统稳定安全运行优秀案例” （数据来源：腾讯云可观测平台介绍手册及相关产品章节）
49910编辑于 2026-04-16- 来自专栏Apache Doris
全表扫描？ AI Agent 动态 JSON 的观测分析
如果想进一步了解数据库底层如何支撑这类高稀疏、高演进的宽 JSON 场景，推荐阅读《Doris 4.1：面向万级宽 JSON 的 Doc Mode 与 Segment V3》。 表面上这只是一次很常见的观测分析，但由于这些字段都藏在 String 里，查询引擎的优化器对此一无所知。 面对 TB 级别的长文本，传统的 LIKE 会导致全表扫描。 另外，如果想进一步了解数据库底层如何支撑这类高稀疏、高演进的宽 JSON 场景，可以阅读《Doris 4.1：面向万级宽 JSON 的 Doc Mode 与 Segment V3》。 这篇文章会从 Doc Mode、Segment V3 等机制出发，解释 Doris 如何优化宽 JSON 的写入、存储和查询性能。
30910编辑于 2026-05-13 - 来自专栏深度学习与python
作业帮基础观测能力之二全链路追踪实践
此时，传统的追踪系统已无法满足对多服务、跨系统的全链路追踪需求，因此需要引入分布式追踪系统。 成本优势：能够以较小的机器预算支撑起全公司大规模追踪数据的处理与存储落地，且性能表现良好。 基于服务的追踪（Service-Based Tracing） 以上的两类采集方式专注于对服务边界的观测, 如果服务有对内部的观测需求则通过服务自定义打点的方式上报追踪数据，按需增加追踪深度。 在综合考虑成本与存储效率后，我们选择使用 ClickHouse 替代 ES 来存储和索引追踪数据，并将数据保留 3 天。 ，始终围绕着“降低使用门槛、赋能业务决策”两大核心目标，让每一次请求可观测、可诊断、可优化。
49720编辑于 2025-06-08 - 来自专栏架构驿站
一文搞懂基于 OpenTelemetry 进行 Kubernetes 全链路观测
---- Hello folks，我是 Luga，今天我们来聊一下云原生生态核心技术—— 可观测性，即 “基于 OpenTelemetry 进行 Kubernetes 全链路观测” 。 传统观测方法可能无法及时跟踪这些变化，导致监控数据的准确性和一致性受到影响。 3、高度分布式：Kubernetes 环境中的应用程序通常是分布式的，由多个容器和服务组成。 3、Container 指标 此指标提供有关 Pod 中运行的各个容器性能和资源使用情况的详细信息，包括 CPU、内存和网络使用情况。 3、Kubernetes 感知采样 根据 Kubernetes 特定的元数据（例如 Pod 名称、命名空间或服务名称）采样遥测数据。这有助于减少发送到后端的遥测数据量并提高性能。 traces: receivers: [otlp] processors: [] exporters: [jaeger, prometheus] 3、
4.9K64编辑于 2023-09-25 - 来自专栏云原生应用工坊
IT咖啡馆｜全栈可观测数据库 ETL 设计
测试/验证： 用本地 mock（见 T3）生成 3 个窗口数据；重复跑同一窗口，行数不增加、统计覆盖一致。 观察 etl_job_run 状态转为 success；冲突率 < 5%。 T3 — pkg/oo.Stream 的 MOCK 与真实 S3/API 适配 描述： MOCK：生成固定分布的 logs/metrics/traces；支持 --mock 开关。 S3：按 dataset/yyyy=.../hh=.../mm=... 列表对象；API：按时间窗查询。 测试/验证： --mock 模式 1m 生成 5k 日志、500 指标点、1k span，端到端落库 < 3s/窗口 切换到 S3，验证窗口边界与对象命名正确。 T10 — 观测指标与窗口滞后 描述：导出 Prometheus 指标（自定义 /metrics 或写回 OO）；记录窗口滞后。
43010编辑于 2025-09-02 - 来自专栏重归混沌
谈谈观测
随着这几年我对 eBPF、Prometheus 等工具的深入了解，我才逐渐意识到“可观测性”这个词背后蕴含的意义。 很早以前，我就在 Linux 上使用 /proc/、top、sar 等工具来排查问题，却从未意识到，“观测”竟然是一门独立的学问。 这也正是“可观测性”弥足珍贵的原因之一：当系统出问题时，我们可以通过系统本身提供的可观测能力，去追踪和理解到底发生了什么。 不得不佩服 Linux 的设计者们，/proc 文件系统的设计在多年以前就已体现出极强的可观测性理念。 我并不想讲怎么样实现可观测性，毕竟我不是专家。 但我想谈谈观测给了我们一个什么样的视角。 也就是说，在调用 foo 前后各执行一次全量 GC，程序的内存使用应该没有任何变化。
13410编辑于 2026-03-25 - 来自专栏云云众生s
Web3应用的可观测性有何不同
然而，这种新范式给 应用程序性能监控 和可观测性带来了挑战。让我们探讨如何使用 Scout APM 在基于 Django 的 Web3 应用程序中实现可观测性的主要支柱——日志记录、指标 和 跟踪。 去中心化应用程序中的可观测性有何不同？ Web3 dApp 中的可观测性提出了几个需要解决的独特挑战。 不可变交易 Web3 dApp 严重依赖区块链技术。 强大的 Web3 可观测性解决方案的基本功能 鉴于 Web3 环境带来的独特挑战，显然传统的可观测性解决方案可能不够用。需要一种更高级的解决方案来解决这些痛点。 自定义可观测性解决方案 Web3 仍处于起步阶段，并且正在迅速发展。鉴于这种日新月异的变化速度，你需要一个允许自定义的可观测性解决方案。 用于 Web3 可观测性的 Scout APM 与 Django Scout APM 是你可以用于你的 web3 dApp 的可观测性解决方案。
40910编辑于 2024-03-28 企业网络监控的演变与全栈可观测性趋势
可视化与业务关联：运维团队更倾向通过拓扑图、业务视图、3D机房等图形化方式快速定位影响。自动化运维：设备发现、告警处理、脚本执行等环节的自动化成为降低人工负担的关键。 机房与机架视图：3D或平面展示物理布局，辅助定位故障设备。可视化帮助团队从宏观到微观快速理解现状。五、告警智能化与自动化响应传统固定阈值易产生误报/漏报。 六、全栈统一监控的实践价值由于多数企业同时运行网络、服务器、应用和安全工具，数据割裂问题突出。 随着企业IT环境持续复杂化，具备全栈覆盖能力、开放集成和预测分析能力的监控平台，正成为保障业务连续性的重要工具。运维团队可结合自身现状，逐步引入相应的能力，提升故障预防与处置效率。
27310编辑于 2026-06-30- 来自专栏云原生应用工坊
IT咖啡馆｜漫谈监控简史到全栈可观测数据选型
全栈可观测，先画边界 “全栈”不只是炫酷口号，真正落地要回答三件事： 信号面要齐全：Metrics / Logs / Traces / Flows / Profiling / RUM / 业务指标，一个都不能漏 语义面要统一：所有观测数据都需要“事件包络”+“拓扑图谱”，才能相互验证、形成证据链。 全栈不是把所有数据丢进一个大桶，而是职责分层，让信息能互证。 3. 误区一：可观测 ≠ 替代监控 监控和可观测职责不同，缺一不可： 监控：早发现，负责“红灯要亮”，比如 SLO 守门、阈值触发、自动回滚。 7.主流选型并排评审 要做全栈可观测，免不了要面对几个“老熟人”方案。不同技术各有来历和优势，有的天生为可观测而生，有的则是“借道而入”。 2) 性能与可观测体验 OO 处理时间窗 + 标签的典型检索：TOPK、错误率、分位数，近线秒级。 Timescale 连续聚合命中，历史报表/趋势避免全表扫。
75710编辑于 2025-08-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号