Table of Contents
======================
###### tags: `Observability-Engineering`

前言
序言

------
Part I. 通往可觀測性之路
1. 什麼是可觀測性？
- 可觀測性的數學定義
- 將可觀測性應用於軟體系統
- 關於軟體可觀測性的錯誤認知
- 為什麼現在可觀測性很重要
- 這真的是最好的方式嗎？
- 為什麼指標和監控不夠用？
- 以指標和可觀測性進行除錯的區別
- 基數的作用
- 維度的作用
- 利用可觀測性進行除錯
- 現代化系統的可觀測性
- 結論

2. 可觀測性與監控之間的除錯實踐有何不同？
- 監控資料如何用在除錯
- 使用儀表板來進行故障排除
- 用直覺來排除故障的侷限性
- 傳統監控基本上是被動的
- 可觀測性如何協助更好的除錯
- 結論

3. 從沒有可觀測性下的進行擴展中學到的教訓
- 介紹Parse服務
- 在Parse上的系統擴展
- 向現代化系統的演進
- 向現代化實踐的演進
- 在Parse上的實踐轉變
- 結論

4. 可觀測性與 DevOps、SRE 和 Cloud Native 的關聯
- Cloud Native、DevOps 和 SRE 簡介
- 可觀測性：從以前到現在的除錯方式
- 可觀測性增強DevOps和SRE實踐
- 結論

------
Part II. 可觀測性的基本原理

5. 結構化事件是可觀測性的基礎
- 使用結構化事件進行除錯
- 以指標為基礎的侷限性
- 以傳統日誌為基礎的限制
- 非結構化日誌
- 結構化日誌
- 在除錯中有用的事件特性
- 結論

6. 將事件串連成追蹤
- 分散式追蹤及其現在的重要性
- 追蹤的組成部分
- 以艱苦方式進行測量追蹤
- 在追蹤跨度中添加自定義資訊
- 將事件串連成追蹤
- 結論

7. 使用OpenTelemetry進行儀表測量
- 測量的簡介
- 開放式測量標準
- 使用程式碼範例進行測量
- 從自動化儀表測量工具開始
- 添加自定義測量
- 將測量資料發送到後端系統
- 結論

8. 分析事件以實現可觀測性
- 從已知條件進行排錯
- 從基本原理進行排錯
- 使用核心分析循環
- 自動化核心分析循環中的暴力部分
- AIOps的的誤導性承諾
- 結論

9. 可觀測性與監控如何結合?
- 什麼情境適合監控
- 什麼情境適合可觀測性
- 系統與軟體的考量
- 評估你的組織需求
- 例外情況：無法忽略的基礎設施監控
- 實際案例
- 結論

-----
Part III. 團隊的可觀測性

10. 在您的團隊中應用可觀測性實踐
- 加入社群
- 從最大的痛點開始
- 購買而不是建立
- 逐步擴展您的測量
- 尋找利用現有努力的機會
- 為最艱難的最後一次推動做準備
- 結論

11. 可觀測性驅動開發
- 以測試驅動開發為例
- 可觀測性在開發週期中
- 確定何處有問題
- 微服務時代下的除錯方法
- 測量如何驅動可觀測性
- 向左轉移可觀測性
- 利用可觀測性加快軟體交付速度
- 結論

12. 使用服務水準目標來提高可靠性
- 傳統的監控方法會導致危險的警報疲勞
- 閾值警報僅適用於已知的未知情況
- 用戶體驗是重要的引導指標
- 什麼是服務水準目標？
- 使用SLO提供可靠的警報
- 改變文化以實現基於SLO的警報：案例研究
- 結論

13. 基於 SLO 的警報行動和除錯
- 在您的錯誤預算用盡之前發出警報
- 將時間定為滑動窗口
- 使用預測警報進行預測
- 預測窗口
- 基準窗口
- 對 SLO 燃燒警報採取行動
- 使用可觀測資料與時間序列資料來定義SLO的差異

14. 可觀測性和軟體供應鏈
- 為什麼Slack需要可觀測性
- 測量：共享客戶端套件和維度
- 案例研究：實現供應鏈
- 通過工具理解前後關係
- 將可行的警報嵌入
- 理解發生了什麼變化
- 結論

-----
Part IV. 規模化的可觀測能力

15. 購買和自己構建之間的抉擇以及投資報酬率
- 如何分析觀測性的投資報酬率?
- 自己構建的真實成本
- 使用“免費”軟體的隱藏成本
- 自己構建的好處
- 自己構建的風險
- 購買商業軟體的真實成本
- 商業軟體的隱藏財務成本
- 商業軟體的隱藏非財務成本
- 購買商業軟體的好處
- 購買商業軟體的風險
- 購買與建立並非只能擇一
- 結論

16. 高效資料存儲
- 實現可觀測性的功能要求
- 時序資料庫不足以滿足可觀測性
- 其他可能的資料存儲方案
- 資料存儲策略
- 案例研究：實現Honeycomb的實施
- 按時間進行資料分區
- 在段中按列進行資料存儲
- 執行查詢工作量
- 查詢追蹤資料
- 即時查詢資料
- 分層儲存以達到經濟實惠
- 通過平行處理使其更快
- 處理高基數
- 擴展和可持續性策略
- 建立自己的高效資料存儲的注意事項
- 結論

17. 抽樣: 讓觀測性存儲夠便宜而且很精準
- 抽樣以精煉資料收集
- 使用不同的取樣方法
- 恆定機率抽樣
- 基於最近的傳輸量進行抽樣
- 基於事件內容（關鍵字）的取樣
- 結合每個關鍵字和歷史方法
- 選擇動態抽樣選項
- 何時對跟踪進行抽樣決定
- 將抽樣策略轉化為程式碼
- 基礎案例
- 固定速率抽樣
- 記錄抽樣率
- 一致抽樣
- 目標速率抽樣
- 擁有多個靜態抽樣率
- 按關鍵字和目標率進行抽樣
- 使用任意多個關鍵字的動態速率抽樣
- 組合起來：按鍵目標速率的頭部和尾部抽樣
- 結論

18. 運用流程流水線進行遙測管理
- 使用流水線管理遙測的特性
- 路由
- 安全性和合規性
- 工作負載隔離
- 資料緩衝
- 容量管理
- 資料篩選和擴充
- 資料轉換
- 確保資料品質和一致性
- 管理遙測流水線：解剖
- 管理遙測流水線時的挑戰
- 效能
- 正確性
- 可用性
- 可靠性
- 隔離
- 資料新鮮度
- 使用案例：Slack 的遙測管理
- 指標彙總
- 日誌和追蹤事件
- 開源替代方案
- 管理遙測管道：自行構建或買入
- 結論

-----
Part V. 推廣可觀測性文化

19. 可觀測性的商業案例
- 引入變革的響應式方法
- 可觀測性的投資回報
- 以主動方法引入變革
- 將可觀測性作為實踐引入
- 使用合適的工具
- 測離
- 資料存儲和分析
- 向團隊推廣工具
- 了解何時擁有足夠的可觀測性
- 結論

20. 可觀測性的利益相關者和盟友
- 認識非工程的可觀測需求
- 在實踐中創造可觀測性盟友
- 客戶服務團隊
- 客戶成功及產品團隊
- 銷售及執行團隊
- 使用可觀測性工具與商業智能工具
- 查詢執行時間
- 準確度
- 新鮮度
- 結構
- 時間窗口
- 短暫性
- 如何將可觀測性和BI工具一起使用
- 結論

21. 關於可觀測性的成熟度模型
- 關於成熟度模型的說明
- 為什麼可觀測性需要一個成熟度模型
- 關於可觀測性成熟度模型(OMM)
- 在OMM中有引用的能力
- 彈性地應對系統故障
- 交付高質量的代碼
- 管理複雜性和技術債務
- 按可預測的節奏進行發布
- 了解用戶行為
- 如何在組織中使用OMM
- 結論

22. 接下來去哪裡？
- 過去與現在的可觀測性
- 附加資源
- 對可觀測性的發展趨勢預測

索引