Forrest随想录-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

Forrest随想录

专栏成员

77

文章

88188

阅读量

57

订阅数

深入浅出地再聊聊可观测性

腾讯云开发者社区运维腾讯云测试服务

当下 BAT、美团、字节跳动等一线大厂都在加速推进业务的容器化、云原生化。打开这篇文章的你，应该或多或少跟云计算、容器、Kubernetes、云原生应用有过接触。在这样的背景之下，很多问题成了开发、测试、运维同学的家常便饭：某个新版本发布上线之后，发现主机的 CPU 使用率持续飙高，但不知道根本原因在哪，只能根据过往的经验一一排查；新版本上线之后，很难判断功能是不是完全正常，只能等着用户找客服投诉之后，才知道哪个模块出现了报错；基础设施方面，通过监控搞了一大堆稀奇古怪的仪表盘，看着花花绿绿一大片，可

2022-09-20

1K0

技术带来的问题，得技术来解决

自动驾驶无人驾驶

假期看得到的数字产业课程，看到如题的这么一句话，比较有共鸣，分享一下。文章里讲的是自动驾驶，自这个概念诞生那天起，我们就一直在讨论的一个“电车难题”：一列失控的电车，马上要撞上轨道上的5个人，但是你可以选择扳动道岔，让电车转到另一条铁轨上，那条铁轨上只有1个人，请问你扳还是不扳？在现代社会，我们更经常遇到的场景是：汽车失控，眼看就要撞上行人，如果紧急转向，车子可能冲进路边的悬崖。那么，自动驾驶会怎么选，是优先保护乘客而撞向行人，还是优先保护行人而让乘客陷入危险？上述两个问题，其实都是伦理道德问题

2022-05-05

3240

比故障定位更重要的是：故障定界

数据库 sql 运维

前面发的Observability的文章，引起了不少的共鸣，在群里或私聊时很多朋友提到一个点：故障处理时，运维的逻辑是快速恢复，所以根因是什么不重要，但是不知道根因发生的位置在哪儿，怎么做应急处置呢？这是个非常好的问题，这里我们就要区分两个经常挂在嘴边，但是确很少有人去能理解透彻的概念：定界和定位。我们讲故障时可以不用定位，指的是在故障时，不用去定位故障原因是什么，但是不能不做定界。重要的事情讲三遍：定界和定位是两回事。定界和定位是两回事。定界和定位是两回事。定界不做，那接下来的恢复就无

2022-04-27

1.6K0

故障定责的“责”是什么责？

上篇文章《故障没有根因，别再找了》提到了定责与根因挂钩，其中有一段： “如果我们还把根因跟定责定性挂钩，不用我说，大家也能想象到，无尽的撕逼扯皮和甩锅推诿就该开始了，好好的氛围就会变得阳奉阴违，多做多错最后就是不做不错。” 没想到这段话得到了更多朋友的共鸣，转发和留言中都有人重点提到这个点。所以能明显感觉到，大家苦故障久矣，苦的不是根因，苦的是定责，是定责过程中的撕逼扯皮和推诿甩锅，甚至是人身攻击。其实遇到这种情况，我也见怪不怪了，一般认怂，没必要过多的争辩，尽快领了自己该改进的事项，尽早结束没有意义

2022-04-21

3140

故障没有根因，别再找了

云数据库 SQL Server VPN 连接数据库 sql 分布式

在《故障复盘的简洁框架-黄金三问》这篇文章里，我把故障原因分为了两类：触发原因和深层原因。这里我并没有提到根因或根本原因，理由就是我们原本所认为的根因可能往往不止一个，可能会有多个。这个怎么理解呢？我举个比较容易理解的例子：比如我们有一台服务器宕机了，上面跑的的MySQL服务也挂了，影响了上层业务访问，花了30分钟才解决，被定性为故障。那这个故障的根因是什么呢？有的人可能会说是服务器宕机引起的，服务器问题是根因。有人会说上层数据库没做高可用，数据库问题是根因。也有人会说业务层面没做功能降级，

2022-04-14

6020

为什么说可观测性Observability对运维没用？

运维自动化

本篇文章是跟浙江移动信息技术部总经理，中国移动首席专家的王晓征总交流探讨后形成。首先，再复述下本文标题，Observabilty对运维没用，如果硬要说的精确点，exactly，对绝大多数的运维没用。为啥呢？ Observability的三个环节是什么？ Detect发现—Trouble Shoot定位—Root Cause找到根因而真正在出现问题的时候，对于运维也好，还是对于处理故障的人也好，最需要做的是什么？是快速恢复，快速止损，这个时候定位和找根因很重要，但不是最重要的。真正发生故障

2022-04-08

7190

聊聊可观测性Observability

自打去年以来，可观测性Observability这个概念又非常的火，按照我的感受，在运维领域，这个概念是近两年即AIOps之后，热度最高的一个了。无论是国内还是海外的运维相关的公司，都给了自己一个新的定位，就是可观测性平台，或者叫做可观测云，相对应的产品也是层出不穷。对于我来讲，我看一个趋势，往往会从落地的角度，从实际情况来分析，反向去看，而不是单纯地看技术多么酷炫。所以，我观测了很久Observability之后，打算还是从实际情况入手来聊聊这个概念，看看可观测这个东西到底包含哪些内容？它们之间是

2022-03-25

1K0

How Google SRE and developers work together

implementation model project shift

最近看到一个关于SRE与Dev如何协作的PPT，而且还是新鲜出炉的，这里分享给大家。对里面几页我觉得比较有启发性的内容做一下注解，或者说分享下我的理解。（分享部分在每张截图上面）

2021-10-28

5220

远望资本程浩：做To B，一定要避免9类错误！

微信云计算企业

大家好，我是浩哥。最近几年To C创业红利消失，很多人开始关注To B，特别很多从业者是从互联网的C端业务转去做To B。在这里我总结出，做To B业务最易犯的9类致命错误，希望能让大家在创业的路上少走弯路。

2020-08-02

4420

AWS之野望：All World Server

amazon aws google it server

The future is already here, it’s just not evenly distributed.

2020-03-26

4630

手机活动轨迹查询，究竟是什么原理？

大数据费用中心

如何对人员流动加以管控，如何准确识别潜在的传染风险，成为摆在各地防控部门面前的难题。

2020-02-26

1.3K0

脱水又泼水--远程办公需求分析

疫情之下，在线办公突然火热，很多人都大呼小叫看到了新机遇。但是看到机遇就能抓住机遇吗，本文带大家分析远程办公这个需求。

2020-02-26

1.3K0

从微盟36小时故障，谈谈数据安全和备份这个事

运维数据库 sql

早上被微盟运维人员删库的事件刷屏了，超过36小时，仍未完全恢复，我花了点时间从通告的信息中做了一些深入地分析解读，分享给大家。

2020-02-26

7460

两个有意思的类比

ddos 网络安全安全分布式医疗

今天在群里闲聊当前疫情的情况，看到两个以技术思路做的类比，挺有意思的，不长，或许有些帮助。

2020-02-12

3930

云游戏全景分析

游戏 windows 云计算

从2019年开始，IT行业普遍焦虑，大家都讲不出4G的新故事，只能寄希望于5G应用。更多人对云游戏的“火爆”，是对所有和5G沾边的新闻一样盲目的狂热，至少不能显得自己落伍了。

2020-02-12

2.3K0

问题定义概念-别被BuzzWord给带偏了

devops 自动化运维

看到大家很多交流和探讨，整体感觉就是对于这些概念和BuzzWord，每个人，每个行业，每家公司都会有不同的理解，甚至在不同的阶段，大家也会有自己的理解。

2019-12-29

4510

云计算：拼的就是运维

运维 api 云计算存储

有点长，有些内容可能略显陈旧，与当前的现状已经有了很大不同，但是其中传递的思想和观点并不过时，耐心看完一定大有收获。

2019-11-14

2.9K0

我们的CMDB模型是不是都错了？

CMDB模型最终是要实例化数据和关系的，正确的模型构建可以为多变的场景提供数据基础。

2019-11-12

1.3K0

关于故障复盘、容忍度和SLO

原因就在于我们把故障复盘的目的搞错了，总想着找人背锅，把自己的责任撇清楚，而不是聚焦在如何改进上。

2019-11-07

1.1K0

清华裴丹 | AIOps九大发展趋势

运维编程算法

大家知道，运维是数字世界的的基础设施级别的技术。随着支撑数字世界的软硬件系统越来越庞大、越来越复杂，运维对智能化的要求就会越来越高。所以我们说，AIOps（智能运维）是运维技术发展必然的趋势。

2019-09-17

1.9K0

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态