十年前问”系统挂没挂”，看一张 Zabbix 的 CPU 图就够；今天问”为什么 p99 突增”，要同时看 Metrics、Logs、Traces、Profiles 加上服务拓扑、变更事件、K8s 调度，才能落到一行具体代码上。现代可观测性已经是一套工程体系：数据模型、传输协议、存储结构、查询语言、采样策略、成本控制、SLO 治理、故障响应，每一环都可以单独写一本书。

这个系列面向 SRE、平台工程师、架构师与稳定性负责人，把可观测性当成工程问题来拆：协议怎么选、eBPF 能做到哪一步、OpenTelemetry 的语义约定为什么重要、SLO 与告警怎么闭环、国内厂商的方案有哪些坑、事故发生时怎么从”指标抖动”走到”代码行号”。

本系列为工程参考，不构成任何具体产品或厂商背书。

适合谁看

• SRE / 稳定性工程师：正在搭建或优化可观测栈，负责 SLO、告警、事故响应。
• 平台工程师：为全公司提供统一观测平台、基础库、埋点规范。
• 后端与架构师：需要理解埋点成本、采样、数据模型如何影响系统性能与账单。
• 稳定性负责人：面对云厂商方案（阿里 ARMS、腾讯 APM、华为 AOM、观测云等）的选型与自建决策。

推荐阅读路径

• 想系统入门 → 01 → 02 → 03 → 04 → 05
• 做三大支柱选型 → 06 → 08 → 10 → 11
• 做性能与内核观测 → 12 → 14 → 15 → 16 → 17
• 做 SLO 与事故治理 → 18 → 19 → 22 → 24
• 国内方案对比 / 自建 vs 托管 → 23 → 25

目录

第一部分：可观测性基础

1. 可观测性全景：Metrics、Logs、Traces、Profiles、Events 五大支柱
2. 可观测性 vs 监控：从 Zabbix/Nagios 到 OpenTelemetry 的二十年
3. 指标体系设计：USE、RED、Golden Signals 与业务 KPI
4. 埋点哲学：粒度、采样、基数爆炸与成本模型
5. 数据模型：时间序列、日志、Span、Profile 的内部表达

第二部分：三大支柱深入

6. Metrics：Prometheus、VictoriaMetrics、Thanos、Mimir、M3
7. 时序数据库内核：TSM、TSI、倒排索引与 Gorilla 压缩
8. Logs：Loki、ClickHouse、Elasticsearch、OpenObserve 的取舍
9. 日志管道：Fluent Bit、Vector、Logstash、Filebeat
10. Traces：Jaeger、Tempo、Zipkin、SkyWalking 与采样传播
11. OpenTelemetry 深入：SDK、Collector、语义约定与版本演进
12. 持续性能分析（Profiling）：pprof、Pyroscope、Parca、async-profiler、JFR
13. Events 与变更关联：CloudEvents、发布打点、K8s 事件

第三部分：eBPF 与内核可观测性

14. eBPF 可观测性全景：bcc、bpftrace、libbpf 的工程路径
15. 网络可观测性：Cilium Hubble、Pixie、DeepFlow、Tetragon
16. Continuous Profiling：Parca、Pyroscope、Grafana Beyla
17. 内核追踪：ftrace、kprobe、uprobe、tracepoint 生产实战

第四部分：治理与工程落地

18. SLO 工程：错误预算、Burn Rate、多窗口多燃烧率告警
19. 告警体系：Alertmanager、PagerDuty、OnCall 与分级抑制
20. 可观测性存储与成本：采样、下采样、冷热分层、对象存储
21. 多租户与安全：数据隔离、标签治理、PII 清洗
22. 故障演练与混沌工程：ChaosBlade、Chaos Mesh、LitmusChaos

第五部分：真实案例与中国落地

23. 中国可观测性厂商对比：阿里 ARMS、腾讯 APM、华为 AOM、观测云、夜莺、DeepFlow
24. 真实事故复盘：从指标抖动到根因的全链路追查剧本
25. 自建 vs 托管：OpenTelemetry 自建栈与 SaaS 的选型决策

延伸阅读

• 分布式系统百科
• Linux 网络
• 身份与访问控制工程
• 开源许可与版权工程

同主题继续阅读

把当前热点继续串成多页阅读，而不是停在单篇消费。

2026-04-22 · architecture / observability

【可观测性工程】可观测性全景：Metrics、Logs、Traces、Profiles、Events 五大支柱

从控制论到云原生：拆解可观测性的五大信号支柱，对比监控与可观测性的本质区别，梳理开源/商业/SaaS 分类，以及国内互联网公司三大支柱落地现状与典型工程坑点。

2026-04-22 · architecture / observability

【可观测性工程】OpenTelemetry 深入：SDK、Collector、语义约定与版本演进

从 OpenTracing 与 OpenCensus 合并到今天的 OTel v1 稳定版，梳理 SDK 生命周期、Collector 流水线、OTLP 协议与 Semantic Conventions 的工程意义，并结合阿里 ARMS、观测云、夜莺等国内实践，给出多租户与尾采样的落地建议。

2026-04-22 · architecture / observability

【可观测性工程】可观测性 vs 监控：从 Zabbix/Nagios 到 OpenTelemetry 的二十年

监控与可观测性不是新旧迭代，而是认知模型的根本转换。本文梳理从 1999 年 Nagios 到 2019 年 OpenTelemetry 的二十年演进时间线，对比 push/pull 模型、数据模型差异，以及国内从 Zabbix 到 Prometheus 再到 OTel 的典型迁移路径与工程坑点。

2026-04-22 · architecture / observability

【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。