本文永久链接 – https://tonybai.com/2025/mm/dd/debugging-Incidents-in-google 大家好，我是Tony Bai。 尽管 Google 的 SRE 手册为我们描绘了理想的运维蓝图，但在“炮火连天”的生产事故现场，工程师的真实反应往往是另一番景象。 最近，一篇发表于 ACM Queue 的研究深入剖析了 Google 工程师（包括 SRE 和 SWE）在处理复杂分布式系统生产问题时的真实行为模式。这项研究通过对大量事后复盘（postmortem）的分析和深度访谈，揭示了不同角色工程师在思维模型、工具选择上的显著差异，并总结出了一套普遍适用的“调试构建块”。对于每一位构建和维护大规模服务的工程师来说，这些来自一线的洞察无疑是一份宝贵的实战指南。 ...
本文永久链接 – https://tonybai.com/2025/07/27/native-prometheus-instrumentation-over-opentelemetry 大家好，我是Tony Bai。 在云原生可观测性的世界里，OpenTelemetry (OTel) 正如日中天。它被誉为“可观测性的未来”，承诺用一个统一的标准，终结 Metrics、Traces、Logs 各自为战的混乱局面。无数的开发者和公司，都在热情地拥抱这个“一次插桩，到处发送”的美好愿景。 ...
本文永久链接 – https://tonybai.com/2025/07/26/migrate-from-prometheus-to-victoriametrics 大家好，我是Tony Bai。 在云原生可观测性的领域，Prometheus 无疑是王者。凭借其简洁的模型、强大的 PromQL 和活跃的社区，Prometheus 几乎定义了现代监控的行业标准。许多顶尖技术公司，包括 PingCAP，都将其作为核心产品的监控与告警解决方案。 ...