背景 在我们内部产品中，一直有关于网络性能数据监控需求，我们之前是直接使用 ping 命令收集结果，每台服务器去 ping (N-1) 台，也就是 N^2 的复杂度，稳定性和性能都存在一些问题，最近打算...

在 Percona MySQL 支持团队中，我们经常看到客户抱怨复制延迟的问题。当然，这对 MySQL 用户来说并不是什么新鲜事，多年来我们在 MySQL 性能博客上发表过一些关于这个主题的文章（过去有两篇...

介绍 使用 Kubernetes 时，内存不足（OOM）错误和 CPU 限制（Throttling）是云应用程序中资源处理的主要难题。为什么呢？ 云应用程序中的 CPU 和内存要求变得越来越重要，因为它们与您的云成...

SigNoz号称自己是开源领域的Datadog，基于OpenTelemetry做了一套可观测性方案。夜莺从V6版本开始，也希望做全栈可观测性方案，巧了，大家目标一致，今天我们一起来对SigNoz做个初步了解，看看...

问题 监控系统用于监控其他的系统、基础设施，绝对是 P0 级的服务，那监控系统的自监控应该怎么做呢？如果自己监控自己，有些组件挂掉了难免循环依赖，如果单独搞一套新的监控系统来监控当前...

如果您之前对可观测性重要性，益处，以及组成不甚了解，本文是一个合适的指南手册。 什么是可观测性？ 可观测性被定义为根据系统产生的输出数据（如日志，指标和链路追踪）来衡量当前系统运行...

原始需求是如果系统的密码被修改，或者创建了新用户，就告警出来。本质上，只需要监控 /etc/shadow 文件变化即可。但是在指标监控体系里，这个事情就比较棘手，只能把文件的 mtime 作为指标的...

笔者从 12 年开始入行，从事 DevOps 研发工作，做过部署系统、监控系统、可观测性相关产品，也做过 SRE 一线和管理工作，对于可观测性的理解和实践，有一些小小的见解，利用本文和大家做一个...

之前新东方的老师分享了他们通过 Telegraf、Loki、Nightingale 等工具来监控机器硬件状态的方案，具备很强的灵活性、平台性。本文会介绍一个相对轻量的方式，只需要一个二进制+一个脚本即可搞...

Core Dump 是什么？ Core Dump 是指进程异常退出时，操作系统将进程的内存状态保存到文件中，这个文件就是 Core Dump 文件，中文一般翻译为“核心转储”，哈，看起来还不如不翻译。 我们可以...

问题 在系统日志中（/var/log/messages），有时会看到大面积的下面的报错： nf_conntrack: table full, dropping packet 这说明系统接到了大量的连接请求，但是系统的连接跟踪表已经满了，无...

指标监控的痛点 当下比较流行的监控系统，比如 Prometheus、Nightingale、VictoriaMetrics，都是基于数值型指标的监控系统，这类监控系统的痛点在于：告警的时候只能拿到异常值，以及有限的几...

《SRE Google 运维解密》第3章讲了拥抱风险，一些关键的观点，在这里与大家分享，融入了我自己的一些理解，希望对你有些帮助。 服务可用性必须100%？其实完全没必要 一个服务客户的产品，不需...

SRE Google 运维解密，是 SRE 领域的启蒙之作，讲述了 Google 的 SRE 实践，SRE 就是从 Google 流传出来的。本文是读书笔记，第一篇，概述 SRE 方法论。帮大家把书读薄，当然，也加入了一些我...

Zabbix作为一款流行的企业级监控工具，可以监控各种网络设备和服务的状态，并提供强大的告警功能，能够在出现异常情况时及时通知管理员。以下是Zabbix的一些特点： 支持多种监控方式，包括S...

日志，指标和分布式链路追踪这三个可观测性的传统支柱，已经是过时的，过于关注数据采集和底层数据格式，而不去关注结果（我们建设可观测性的初心和目标），这个做法实在是滑天下之大稽。by ...

在 LinkedIn，站点工程师喜欢自动化各种基础设施层面的运营任务，以最小化手动干预，并且可以扩展得很好并易于操作。某些自动化是通过按需作业执行来完成的。 LinkedIn工程师已经使用Salt超过...

很多公司希望提升服务稳定性，而上线了各类监控系统，指标的、链路的、日志的，而且只是指标层面可能就会有多个监控系统，这么多监控系统、这么多监控目标，如果没有良好的治理，很快就会产生...

本期新东方的技术朋友(董召宁&齐晨@新东方)分享了一个硬件监控的方案，使用 Telegraf 做数据采集，使用 Loki 做日志存储，使用 Nightingale 做告警规则配置，玩的挺花的，我们一起来学习一下...