Monitoring

核心用法

本技能提供分层递进的可观测性解决方案，根据团队规模与技术复杂度提供四个层级：

| 层级 | 核心场景 | 关键工具 |

|------|---------|---------|

| **Minimal** | 个人项目/MVP快速验证 | UptimeRobot, Healthchecks.io |

| **Standard** | 小团队初创公司 | Uptime Kuma, Sentry, 基础Grafana |

| **Professional** | 生产系统稳定运营 | Prometheus + Grafana + Loki + Alertmanager |

| **Enterprise** | 大规模运维 | Datadog, New Relic 或完整开源栈 |

三大支柱方法论

• Metrics（指标）：Prometheus/Grafana/Datadog 回答"系统性能如何"
• Logs（日志）：Loki/ELK/CloudWatch 回答"发生了什么"
• Traces（链路）：Jaeger/Tempo/Sentry 回答"请求为何变慢"

标准化监控框架

• RED 方法（应用层）：Rate（请求速率）、Errors（错误率）、Duration（延迟分位数）
• USE 方法（基础设施）：Utilization（利用率）、Saturation（饱和度）、Errors（错误数）

显著优点

1. 分层设计降低门槛：从15分钟上手的免费方案到生产级全套开源栈，匹配不同发展阶段
2. 成本透明可控：从$0免费方案到自托管$10-20/月，对比Datadog $15+/host的订阅模式
3. 告警最佳实践内置：明确的Do/Don't原则，强调"告警症状而非原因"、避免告警疲劳
4. 场景化快速路径：按"只想知道是否宕机""需要调试生产错误"等具体需求直接推荐工具

潜在局限

• 学习曲线陡峭：Professional/Enterprise层级涉及PromQL、日志索引、链路关联等专业知识
• 自托管运维负担：开源方案需自行维护高可用、存储扩容、版本升级
• 成本陷阱：日志长期存储无策略控制时费用可能指数级增长（文档明确警告）
• 工具链碎片化：不同支柱常需多个工具组合，集成成本未完全量化

适合人群

| 画像 | 推荐层级 |

|------|---------|

| 独立开发者/ side project | Minimal |

| 5-20人技术团队，无专职SRE | Standard → Professional |

| 有SLA承诺的生产系统 | Professional |

| 多团队、多地域、合规要求严格 | Enterprise |

常规风险

1. 告警反模式：未遵循"告警疲劳 kills monitoring"原则，导致关键告警被淹没
2. 内视盲区：仅部署内部监控，缺少外部探测（如UptimeRobot）
3. 无预案告警：缺少Runbook链接，告警触发后团队不知如何应对
4. 存储失控：日志保留策略缺失导致成本爆炸
5. 过度工程：小团队直接使用Prometheus+Grafana，而Uptime Kuma已足够

核心用法

本 Skill 是一套完整的应用与基础设施可观测性配置指南，提供四层复杂度方案：从 15 分钟快速搭建的 Minimal 级别（UptimeRobot/Healthchecks.io），到面向企业级运维的 Enterprise 级别（Datadog/New Relic）。核心围绕可观测性三大支柱展开：Metrics（指标）回答系统性能问题，Logs（日志）还原事件经过，Traces（链路追踪）定位延迟根因。

针对具体场景提供快速路径：仅需状态检测用 Uptime Kuma，生产错误调试选 Sentry，完整可观测性需 Prometheus+Grafana+Loki 组合。文档还包含 RED 方法（应用监控：速率、错误、延迟）和 USE 方法（基础设施：利用率、饱和度、错误）两大标准化监控框架，以及避免告警疲劳的关键原则。

显著优点

1. 分层清晰：从个人项目到大型运维，四级复杂度精准匹配不同需求，避免过度工程或资源浪费
2. 成本透明：提供详尽的月费对比（从免费到 $23/主机），帮助团队做出经济决策
3. 实践导向：不仅罗列工具，更强调 RED/USE 方法论、告警原则、常见陷阱，具备很强的可操作性
4. 安全可信：纯 Markdown 文档，无可执行代码、无网络请求、无敏感数据，S+ 安全认证

潜在局限

• 仅为配置指南，不包含自动化脚本或一键部署代码
• 未深入探讨多云环境、容器编排（K8s）特定场景的高级配置
• 成本数据可能随厂商定价变化而失效
• 告警策略需结合组织实际调整，文档无法替代内部运维规范

适合人群

• 初创团队：快速选择 Minimal/Standard 方案，控制早期运维成本
• SRE/运维工程师：获取标准化监控方法论和工具选型参考
• 技术决策者：基于成本对比和业务规模做出理性投入决策
• 个人开发者：理解可观测性体系全貌，为技能成长铺路

常规风险

风险极低。本 Skill 无代码执行能力， purely advisory。需注意：生产环境配置涉及真实数据源接入时，应独立验证权限和网络安全策略；告警规则设计不当可能导致真实故障漏报或噪音干扰，建议配合渐进式灰度验证。