可观测性是什么意思：系统出问题时为什么要看得见
摘要
可观测性是指系统运行后，外部能通过日志、指标、追踪和状态记录理解内部发生了什么。它不是给系统加几个图表，而是在问题出现时，能快速判断哪里出错、影响多大、原因可能是什么、应该如何恢复。
没有可观测性就只能猜
系统正常时，很多问题看不出来。
页面能打开，接口能返回，任务能运行，发布能成功。可一旦出错，如果没有日志、指标和状态记录，维护者就只能猜。
猜测会消耗时间，也会增加风险。
你不知道是认证失败、网络问题、接口限流、数据格式错误，还是本地状态没有同步。每种原因都可能对应不同处理方式。
可观测性的价值，是让排查从猜测变成证据驱动。
日志记录发生了什么
日志是可观测性的基础。
它应该记录关键事件：什么时候开始，调用了什么，成功还是失败，失败原因是什么，相关 ID 是什么。
好的日志不是越多越好。
如果日志充满无意义信息，真正出事时反而更难找。关键是记录能帮助恢复和判断的信息。
比如发布系统里，文章 slug、目标博客、远端 post id、返回 URL、错误状态，都比一堆泛泛的“开始处理”更有价值。
日志应该服务问题定位，而不是制造噪音。
指标反映整体状态
日志关注事件，指标关注趋势。
比如请求成功率、接口延迟、错误数量、任务积压、发布失败次数、重试次数。
指标能帮助你发现系统是否正在变差。
单次失败可以靠日志查，持续变慢或错误率上升，就需要指标看整体。
好的指标要能回答：系统现在健康吗？问题是偶发还是持续？影响范围是在扩大还是缩小？
没有指标，很多问题要等用户抱怨才知道。
追踪连接一次完整请求
复杂系统里，一个操作可能经过多个环节。
用户点击发布，系统要读取文件、渲染 Markdown、调用 Blogger API、回写 front matter、同步 registry。
如果中间某一步失败，只看单点日志可能不够。
追踪的作用，是把一次完整流程串起来。
它让你知道一个请求经过了哪些步骤，每一步花了多久，在哪一步出错。
对小系统来说，不一定要上复杂平台，但至少要有能串起流程的 ID 和状态记录。
可观测性也包括业务状态
很多人以为可观测性只是工程指标。
其实业务状态也很重要。
一篇文章现在是 draft、published，还是远端已发布但本地 registry 没同步？一个任务现在归谁？最后一次同步是什么时候？
这些状态不清楚时，系统就会出现“看起来成功，其实没闭环”的问题。
可观测性要让技术状态和业务状态都可见。
这样维护者才能判断：系统是否真的完成了用户关心的事情。
不要等出事才补
可观测性最好在系统设计时就考虑。
等事故发生后再补日志，往往已经错过最关键的信息。
可以在每个关键流程里提前问：
- 如果这里失败，我需要知道什么？
- 谁会受到影响？
- 有没有可恢复的状态记录？
- 错误信息能不能让人看懂？
这些问题会让系统更可靠。
结论
可观测性是什么意思？它是系统出问题时还能被理解的能力。
日志告诉你发生了什么，指标告诉你整体是否健康，追踪告诉你流程在哪里断，业务状态告诉你结果是否闭环。
一个可观测的系统，不一定永远不出错，但出错时更容易恢复。
评论
发表评论