可观测性与可靠性

可观测性与可靠性工程

展现生产环境真实状况的指标、日志、链路追踪和告警,以及团队足够信任、愿意据此行动的告警机制。

我做什么

  • 使用 Prometheus、VictoriaMetrics 和 InfluxDB 采集指标,在 Grafana 中构建仪表板
  • 使用 OpenTelemetry 实现分布式链路追踪与遥测
  • 使用 Icinga2 监控服务与基础设施
  • 使用 OpenSearch 进行日志搜索与分析
  • 告警设计、路由与告警疲劳治理
  • 面向网络和安全设备的自定义 exporter 和检查插件

我的方法

监控应快速回答两个问题:服务对用户是否健康?如果不是,故障在哪里?我围绕这两个问题构建仪表板和告警,而不是围绕每一个存在的指标。

没人响应的告警就是噪音。每一次呼叫都有负责人、运行手册和复盘,嘈杂的告警要么修好,要么删除。

过往业绩

  • 使用 Icinga2、Prometheus、Grafana、OpenSearch、HashiCorp Vault 和 InfluxDB 强化了可观测性,实现 SLO 式监控。

    Macquarie Technology Group
  • 引入了 Grafana 和 Prometheus 可观测性,提升了可用性并缩短了问题解决时间。

    Next Generation Networks
  • 为 AI 和高增长科技客户使用 Prometheus、Grafana 和 OpenTelemetry 构建了可观测性。

    Mercor
  • 发布了 grafana-test-data,一个用一条命令即可启动、带有真实感历史数据的 Grafana 演示栈。

    开源

相关项目

grafana-test-data

一条命令启动的 Grafana 演示环境,已预先填满真实感数据。

Python作者

常见问题

大家常问的问题

Jad Seifeddine 使用哪些监控与可观测性工具?

Jad 使用 Prometheus、Grafana、OpenTelemetry、Icinga2、OpenSearch、InfluxDB 和 VictoriaMetrics,并编写自定义 exporter 和检查插件,其中包括一项已合并到 Prometheus 社区 FortiGate exporter 的贡献。

有棘手的基础设施问题?

有选择地承接咨询、合同和顾问工作。告诉我你在构建什么,以及哪里出了问题。