可观测性与监控¶
设计企业可观测性平台
构建了覆盖200多台服务器的集中式可观测性——将指标、日志和追踪统一到一个运营视图，并配备可操作的告警和仪表板。
我的角色
角色： 平台工程负责人 — 可观测性 范围： 覆盖 200+ 台服务器的平台架构；技术栈选型（Prometheus · Grafana · Mimir · Loki · Tempo · OpenTelemetry）；告警与 SLO 职责： 架构 → 部署 → 运维落地
主要贡献
- 部署 Prometheus + Grafana + Mimir 用于指标，Loki 用于日志，Tempo 用于追踪
- 使用 OpenTelemetry 标准化插桩
- 构建了告警和 SLO——告警因合理原因触发，而非噪音
- 增加了容量规划和性能分析工作流
经验教训
统一的可观测性胜过一堆仪表板。告警必须可操作；SLO 比原始图表更重要。