日志监控告警

课程简介

欢迎来到”系统设计 - 日志监控告警”课程。

系统规模变大以后，最可怕的不是服务出错，而是出错后没人知道、知道后定位不了、定位后无法判断影响范围。日志、指标、链路追踪和告警不是运维附属品，而是系统能否长期运行的基础能力。

这门课会从一次线上接口超时事故开始，逐步搭建一套可观测性平台。每一章都围绕一个具体问题展开：日志如何稳定采集、非结构化文本如何变成可查询字段、指标如何从日志中计算出来、告警如何避免噪音、链路追踪如何还原一次请求经过的服务、看板如何帮助团队协作。

课程会沿着一次线上故障的处理过程展开：最开始只能 SSH 上机器查日志；服务扩容后必须集中采集；故障不能再靠用户反馈，于是提取指标和告警；微服务链路复杂后，再补上 Trace、SLO、看板和复盘机制。每一步都是为了缩短发现、定位和恢复时间。

学习路线

1. 日志监控概述：从线上故障出发，明确可观测系统要解决的三个问题：发现、定位、复盘。
2. 日志采集：设计应用日志、Agent、缓冲、批量发送和失败重试机制。
3. 日志解析：把文本日志转成结构化事件，统一字段、时间、级别和上下文。
4. 指标计算：从日志和事件中提取 QPS、错误率、延迟分位数等可告警指标。
5. 告警系统：设计规则、抑制、聚合、升级和值班通知，减少无效告警。
6. 链路追踪：用 trace id 串起一次请求经过的服务、数据库和外部依赖。
7. 可视化：把日志、指标、追踪和告警放到同一工作台，服务故障排查。
8. 完整系统：回顾最终架构、关键决策、容量估算和上线检查清单。

学完后，你应该能从读者和工程师两个视角回答：一个服务出问题时，系统如何第一时间发现、如何定位根因、如何评估影响、如何沉淀复盘。