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