监控确保数据库稳定运行，需要全面指标。

核心概念

• pg_stat_database、pg_stat_activity 提供状态。
• pg_stat_statements 记录 SQL。
• Autovacuum 与锁监控。

实战步骤

• 部署 Prometheus Exporter 收集指标。
• 配置慢查询日志与告警。
• 建立容量预测模型。

进阶建议

• 使用 timescaledb_toolkit 对历史指标压缩。
• 结合 Grafana/Loki 统一日志与指标。
• 自动化生成 SLO 报表。

监控体系确保及时发现性能与稳定性问题。

核心概念

• 核心指标：QPS、TPS、连接数、锁等待。
• 慢查询日志帮助定位热点 SQL。
• Performance Schema 提供细粒度指标。

实战步骤

• 使用 Prometheus + mysqld_exporter 收集指标。
• 设置慢查询阈值与采样。
• 建立容量预测模型。

进阶建议

• 结合 AIOps 自动分析异常。
• 对指标建立 SLO 与错误预算。
• 把监控数据纳入容量规划与成本分析。

日志、指标、追踪同样适用于 PHP 应用。

核心概念

• Monolog 提供灵活的日志处理链。
• OpenTelemetry PHP SDK 捕获追踪。
• Prometheus Exporter 输出指标。

实战步骤

• 设置结构化日志与 TraceId。
• 统计响应时间、错误率、资源消耗。
• 对异常配置告警通道。

进阶建议

• 结合日志采样削减成本。
• 构建服务地图分析依赖。
• 回放真实流量评估性能。

Python 服务同样需要完善的日志、指标、追踪体系。

核心概念

• 结构化日志 + TraceId。
• Prometheus 指标 + Alertmanager。
• OpenTelemetry 实现跨语言追踪。

实战步骤

• 使用 structlog 输出 JSON 日志。
• 通过 prometheus_client 暴露指标。
• 集成 opentelemetry-instrumentation 自动埋点。

将测试与可观测性结合可以更快定位问题。

核心概念

• 在测试中验证日志、指标与追踪。
• 使用 pytest 插件收集运行信息。
• 通过 contract 测试与监控共享数据。

实战步骤

• 使用 pytest caplog 捕捉日志输出。
• 模拟 OpenTelemetry exporter 验证追踪。
• 结合 Hypothesis 构建属性测试提升覆盖。

进阶建议

• 测试过程中注入故障（chaos testing）。
• 将测试结果发送到 Observability 平台分析。
• 利用 Coverage + tracing 交叉验证死角。

Micrometer 统一了指标采集接口，可输出到多种监控后端。

核心概念

• Counter、Gauge、Timer 满足不同指标需求。
• 结合 MDC 将 TraceId 注入日志。
• Metrics Filter 控制标签维度。

实战步骤

• 导出 Prometheus 指标并配置 Grafana 仪表盘。
• 记录业务指标（转化率、失败率）。
• 实现自定义 MeterBinder 收集特定指标。

进阶建议