指标、日志、链路与运行观察
CI/CD、云服务器与生产运维#Python全栈#第二十阶段#CI与CD、云服务器与生产运维#指标、日志、链路与运行观察约 937 字 · 3 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
指标、日志与链路跟踪分别回答什么问题？
追问 报告生成变慢时，怎样分别判断影响规模、定位具体错误和找到等待环节？为什么只使用其中一种信号往往不够？
怎样为题库平台选择用户视角与系统视角的核心指标？
追问 请求量、错误、延迟、资源饱和与练习提交成功率怎样配合？接口返回 200 但报告一直未完成，应该由什么信号发现？
Counter、Gauge 与 Histogram 各适合记录什么？
追问 累计请求、当前连接、队列深度和请求耗时分别怎样选择？进程重启、数值下降与分布统计应如何解释？
指标标签怎样设计，避免高基数与敏感数据泄漏？
追问 路由模板、状态和版本怎样使用？为什么完整 URL、用户 ID、event_id 和令牌不适合直接作为无限增长的标签？
累计请求计数怎样转换为速率与错误比例？
追问 观察窗口、Counter 重置和实例变化怎样处理？请求为零、采集失败和错误确实为零应怎样区分？
平均延迟、p95 与 p99 分别能说明什么？
追问 少量极慢请求为什么可能被平均值隐藏？多个实例的百分位数能否直接平均，Histogram 桶边界与聚合方式怎样影响判断？
Python 多 Worker 部署怎样正确采集应用指标？
追问 指标存在单进程内存中时会怎样？独立采集与客户端多进程模式怎样选择，Worker 退出、目录清理与 Gauge 聚合方式怎样核对？
请求经过代理、应用与异步任务时，关联上下文怎样传递？
追问 Request ID、Trace ID 与业务事件 ID 各有什么用途？队列消息怎样继续关联，采样和上下文丢失会对排错造成什么限制？
结构化日志怎样支持跨实例查询与故障时间线？
追问 时间、环境、版本、操作、状态与关联标识如何组织？业务主键可以怎样受控记录，为什么日志字段与指标标签的选择不能完全相同？
监控系统自身怎样限制成本并避免拖垮应用？
追问 采集频率、日志体积、Trace 采样、保留与出口流量怎样设置？采集端不可用时，缓冲、丢弃与应用正常处理怎样分工？
观察核对资料： Prometheus：Instrumentation、Metric types、Python client：Multiprocess Mode、OpenTelemetry：Signals、Context propagation。多进程与采样能力按实际客户端版本核对。