全栈可观测性，从0到生产级

一站式可观测性平台，覆盖从简单状态监控到企业级指标/日志/链路追踪的全栈方案，支持多种部署模式与成本选择。

基本信息

• 技能名称?Monitoring
• 中文名称?全栈可观测性，从0到生产级
• 作者?ivangdavila
• 分类?专业技能
• 版本?1.0.0
• 标签?observability, monitoring, prometheus, grafana, devops, sre, alerting, logging, tracing, apm

使用方法

使用说明
核心用法
本技能提供 分层递进的可观测性解决方案 ，根据团队规模与技术复杂度提供四个层级：
| 层级 | 核心场景 | 关键工具 | |------|---------|---------| | Minimal | 个人项目/MVP快速验证 | UptimeRobot, Healthchecks.io | | Standard | 小团队初创公司 | Uptime Kuma, Sentry, 基础Grafana | | Professional | 生产系统稳定运营 | Prometheus + Grafana + Loki + Alertmanager | | Enterprise | 大规模运维 | Datadog, New Relic 或完整开源栈 | 三大支柱方法论
Metrics（指标） ：Prometheus/Grafana/Datadog 回答"系统性能如何"
Logs（日志） ：Loki/ELK/CloudWatch 回答"发生了什么"
Traces（链路） ：Jaeger/Tempo/Sentry 回答"请求为何变慢"
标准化监控框架
RED 方法 （应用层）：Rate（请求速率）、Errors（错误率）、Duration（延迟分位数）
USE 方法 （基础设施）：Utilization（利用率）、Saturation（饱和度）、Errors（错误数）
显著优点

1. 分层设计降低门槛 ：从15分钟上手的免费方案到生产级全套开源栈，匹配不同发展阶段
2. 成本透明可控 ：从$0免费方案到自托管$10-20/月，对比Datadog $15+/host的订阅模式
3. 告警最佳实践内置 ：明确的Do/Don't原则，强调"告警症状而非原因"、避免告警疲劳
4. 场景化快速路径 ：按"只想知道是否宕机""需要调试生产错误"等具体需求直接推荐工具
   潜在局限
   学习曲线陡峭 ：Professional/Enterprise层级涉及PromQL、日志索引、链路关联等专业知识
   自托管运维负担 ：开源方案需自行维护高可用、存储扩容、版本升级
   成本陷阱 ：日志长期存储无策略控制时费用可能指数级增长（文档明确警告）
   工具链碎片化 ：不同支柱常需多个工具组合，集成成本未完全量化
   适合人群
   | 画像 | 推荐层级 | |------|---------| | 独立开发者/ side project | Minimal | | 5-20人技术团队，无专职SRE | Standard → Professional | | 有SLA承诺的生产系统 | Professional | | 多团队、多地域、合规要求严格 | Enterprise | 常规风险
5. 告警反模式 ：未遵循"告警疲劳 kills monitoring"原则，导致关键告警被淹没
6. 内视盲区 ：仅部署内部监控，缺少外部探测（如UptimeRobot）
7. 无预案告警 ：缺少Runbook链接，告警触发后团队不知如何应对
8. 存储失控 ：日志保留策略缺失导致成本爆炸
9. 过度工程 ：小团队直接使用Prometheus+Grafana，而Uptime Kuma已足够