可观测性建设：从日志到指标体系

一、日志不是全部

很多团队的可观测性只有日志：出问题时翻日志，靠关键字定位。但日志适合回答"发生了什么"，不适合回答"系统整体是否健康"。指标体系能快速反映趋势与异常，两者互补。

二、指标怎么选

从用户视角出发选指标：请求成功率、延迟分位数、错误率、饱和度。分位数比平均值更有意义，P99 才能反映尾部体验。每个核心接口都应该有对应的指标，并且按业务维度打标签。

三、链路追踪

跨服务调用需要统一的 trace id 贯穿。在网关生成，逐层透传，记录每个 span 的耗时与状态。链路追踪能把"某个接口慢"精确定位到"某个下游依赖的某次调用慢"。

四、告警要克制

告警太多等于没有告警。只对影响用户的问题告警，并且设置合理的阈值与抑制规则。每个告警都应该有明确的处理手册，否则值班人员只能凭经验猜。

五、持续治理

定期回顾告警质量：哪些是误报、哪些是真问题、哪些指标从来没人看。删掉无用的采集项，补齐缺失的观测点。可观测性不是一次性工程，而是持续维护的基础设施。