（10228期）Monitoring – 全栈可观测性，从0到生产级

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。 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 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 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 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 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 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 内视盲区：仅部署内部监控，缺少外部探测（如UptimeRobot） 无预案告警：缺少Runbook链接，告警触发后团队不知如何应对 存储失控：日志保留策略缺失导致成本爆炸 过度工程：小团队直接使用Prometheus+Grafana，而Uptime Kuma已足够 原始说明 Set up observability for applications and infrastructure with metrics, logs, traces, and alerts.