可觀測性入門指南：Logs、Metrics、Traces 三大實戰應用，用 24個 Lab 鞏固你的 SRE 技能樹 (iThome鐵人賽系列書)
劉義瑋(Blueswen)
買這商品的人也買了...
-
HTML & CSS : 網站設計建置優化之道 (HTML and CSS: Design and Build Websites)$580$458 -
Vim 實用技巧, 2/e (Practical Vim : Edit Text at the Speed of Thought, 2/e)$354$336 -
軟體架構原理｜工程方法 (Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices)$680$537 -
資料密集型應用系統設計 (Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems)$980$774 -
超大流量系統解決方案 : 大型網站架構師的經驗分享$690$538 -
全自動化智慧系統運行維護 - 善用 Ansible + Kubernetes$700$553 -
不可不知的 Docker 開發部署實戰筆記：網站工程師一定要會的 8大核心能力$620$409 -
SRE 實踐與開發平台指南：從團隊協作、原則、架構和趨勢掌握全局，做出精準決策$620$484 -
Spark性能優化實戰$599$569 -
Staff 工程師之路｜獻給個人貢獻者成長與改變的導航指南 (The Staff Engineer's Path)$580$458 -
那些文件沒有告訴你的 AWS EKS：解析 Kubernetes 背後的奧秘（iThome鐵人賽系列書）【軟精裝】$680$448 -
CI/CD 安全防護大揭密：DevSecOps 最佳實踐指南$680$530 -
程式設計守則｜如何寫出更好的程式碼 (The Rules of Programming: How to Write Better Code)$620$489 -
K8S 自學聖經：10大核心模板快速入門【圖解教學】$790$624 -
Beyond XSS：探索網頁前端資安宇宙$880$695 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507 -
程序員進階之路：緩存、網絡、內存與案例$828$787 -
C++ 之美：代碼簡潔、安全又跑得快的 30個要訣 (Beautiful C++: 30 Core Guidelines for Writing Clean, Safe, and Fast Code)$654$621 -
API 設計模式｜簡化整合的訊息交換技術 (Patterns for API Design: Simplifying Integration with Loosely Coupled Message Exchanges)$850$672 -
Rust 最佳入門與實戰$1,000$790 -
深入理解Kubernetes原始碼$954$906 -
資料庫內部原理｜深入了解分散式資料系統的運作方式$780$616 -
領域故事化：協作 ｘ 視覺化 ｘ Agile，輕鬆打造專業水準的 DDD 軟體 (Domain Storytelling: A Collaborative, Visual, and Agile Way to Build Domain-Driven Software)$650$507 -
Web3 專業開發者教你如何守護數位資產：30種詐騙攻防手法全面解析（iThome鐵人賽系列書）$650$507 -
SRE 工作現場直擊!：維運起點 x 實戰經驗 x 職涯規劃面面觀（iThome鐵人賽系列書）$600$468
商品描述
全面介紹 Grafana、Prometheus、Loki、OpenTelemetry 等核心工具！
實現全面的系統監控和分析！
從零開始，構建強大的可觀測性架構
概念導覽
深入淺出解析可觀測性概念
完整範例
使用 Docker Compose 展示多種實戰範例
多處適用
Kubernetes 與傳統服務皆適用
資訊整合
結合 Metrics、Logs 和 Traces 全面洞察
---
提升穩定/增加效率/結合應用
無論前後端，全面掌握系統運行！
本書改編自第15屆 iThome 鐵人賽 Cloud Native 組冠軍系列文章《時光之鏡：透視過去、現在與未來的 Observability》，提供完整且易於理解的可觀測性學習路徑，涵蓋核心概念和實踐方法。詳細介紹 Grafana、Prometheus、Loki、OpenTelemetry 等工具，並透過多個實戰範例，展示如何實現系統的可觀測性。
不僅如此，本書還特別強調了如何結合應用各種可觀測性資訊，讓脈絡更加豐富，有別於傳統的監控方法。新增的 Grafana Faro 章節讓前端服務也能配有可觀測性，並與後端的可觀測性結合，實現全面的監控和分析。
可觀測性不僅是技術的提升，更是對系統運行的全面掌握。透過《可觀測性入門指南》，你將學會如何利用主流工具和方法，提升系統穩定性和運行效率。本書將成為你在可觀測性領域的得力助手，幫助你在工作中如虎添翼。期待與你一同探索可觀測性的無窮樂趣！
●追蹤 Bug 感到頭痛的 Dev：學習高效定位和解決問題的方法與工具。
●定位線上問題疲於奔命的 Ops：提升問題排查效率，減少故障排除時間。
●希望了解和導入可觀測性的工程師：從基礎到實踐，全方位學習快速上手。
❖專業推薦
本書除了分解架構之外，還分享並解釋了這些架構背後的思路，值得所有 IT 從業者參考與學習。對於每個專案，不應盲目使用，而應以自己的方式進行分類，並將這種方法應用於其他相似的專案中。透過這種方式，可以加深對專案的理解，提升對整體架構的掌握。希望讀者能透過本書，不僅提升技術能力，還能在實踐中探索出屬於自己的學習方法，應對日益複雜的系統挑戰，成為引領技術發展的先鋒。
邱宏瑋（hwchiu）
本書的內容涵蓋廣泛，從三大基本的遙測信號──Metrics、Logs 和 Traces──出發，深入探討各種信號的使用場景與工具選擇。每個章節不僅介紹了理論知識，還搭配了實際操作的 Lab，使讀者能夠親自動手，迅速掌握各種工具的使用方法。這種理論與實踐相結合的方式，能幫助讀者在理解可觀測性核心概念的同時，熟練掌握操作技能。無論是初學者還是有一定經驗的技術人員，都能從中獲益匪淺。在閱讀這本書的過程中，我們不僅能掌握遙測信號的理論基礎與實際操作，還能體會到可觀測性在系統維運中的重要性與實用性。
可觀測性工程戰友 雷N
作者簡介
劉義瑋 (Blueswen)
目前擔任 DevOps Engineer，樂於分享與交流技術。
擔任開發人員時前端、後端、ML 服務都略有接觸，有感於問題排除與監控的不足，於是開始研究與推廣可觀測性。
個人網站：https://blueswen.github.io/
【演講經歷】
PyCon Taiwan 2024 - 全方位強化Python服務可觀測性：以 FastAPI 和 Grafana Stack 為例
MWC 2023 - 從零開始打造可觀測性平台
DevOpsDays Taipei 2023 - 可觀測性實踐
iThome 鐵人賽獲獎
目錄大綱
PART1 可觀測性初探
Chapter01 可觀測性的過去與現在
可觀測性要解決的問題
可觀測性資訊
可觀測性資訊的處理與使用
資料收集 Pattern
常見元件名稱
小結
參考資料
Chapter02 Grafana──洞察一切資訊的羅盤
Components
Data Source
Explore
Dashboard
Alerting
Concepts
Dashboard 設計的最佳實踐
Lab
小結
參考資料
PART2 Metrics
Chapter03 Metrics 緒論──萬物皆可度量
指標的基礎定義
指標資訊的處理流程
生成
收集
儲存
使用
小結
Chapter04 Prometheus──照亮來時路與前方途的火炬
Components
Prometheus Server
Exporter
Prometheus Client Library
Alerting
Concepts
Scrape Job
Prometheus Web UI Status
Metric Types
PromQL
Lab
Prometheus 與 PromQL 操作練習
Prometheus 與 Exporter
小結
其他補充資料
Chapter05 Monitoring Best Practices──監控的黃金法則
The USE Method
The Four Golden Signals
The RED Method
Lab
小結
參考資料
Chapter06 Long-Term Storage──指標的記憶殿堂
Mimir──收羅萬象的智者
Features
Concepts
Lab
Cortex──指標長期儲存的大師兄
高可用性（High Availability）與 Hash Ring
Lab
Thanos──統御 Prometheus 群集的霸者
Concepts
Lab
小結
參考資料
StatsD Library
StatsD Exporter
Lab
StatsD + Graphite
小結
參考資料
Chapter07 StatsD──捍衛效能的守護神
Concepts
Metrics Type
UDP
StatsD Library
StatsD Exporter
Lab
StatsD + Graphite
小結
參考資料
Chapter08 Zabbix──指標界的沙場老兵
Concepts
Host
Template
Group
Web Scenario
Lab
小結
參考資料
PART3 Logs
Chapter09 Logs 緒論──紀錄的一切都將成為呈堂證供
日誌資訊的處理流程
生成
收集
儲存
使用
小結
Chapter10 Loki──解開日誌空間與時間束縛的法杖
Concepts
Label
LogQL
快還要更快
儲存
Loki Docker Driver
Lab
小結
參考資料
Chapter11 Promtail──Loki 御用 Log 收集器
Concepts
Tail
Service Discovery
Pipeline
Lab
小結
參考資料
Chapter12 Fluent Bit──資料收集界的萬能瑞士刀
Concepts
Event
Config File
Pipeline
Service
Lab
Basic
Container Log with Loki
Container Log with Vivo
小結
參考資料
Chapter13 Vector──速度至上的資料收集界新星
Concepts
Pipeline
Config
Lab
Basic
Container Log with Loki
小結
參考資料
PART4 Traces
Chapter14 Traces 緒論──看系統，一個兩個三個四個，連成線
分散式追蹤發展歷程
Trace 資訊的處理流程
生成
收集
儲存
使用
小結
參考資料
Chapter15 OpenTelemetry SDK──Zero-code Instrumentation 給你一對翅膀
Zero-code Instrumentation
Config
Logging with OpenTelemetry
Python Zero-code Instrumentation
Java Zero-code Instrumentation
Lab
小結
參考資料
Chapter16 Tempo──小孩才做選擇，Trace 我全都要
Concepts
TraceQL
儲存格式
Metrics-generator
Lab
Basic
Fake Traces
小結
參考資料
Chapter17 Jaeger──系統軌跡，無所遁形
Concepts
Architecture
API 選擇
Sampling
Lab
小結
參考資料
Chapter18 OpenTelemetry Collector──依賴反轉，解耦應用程式與儲存後端
Concepts
Deployment
Configuration
Lab
小結
參考資料
PART5 綜合應用
Chapter19 Observability Signal Correlation──使用 Grafana 三劍合一，發揮綜效
Metrics and Logs
Metrics to Traces
Traces and Logs
Traces to Metrics
Lab
小結
參考資料
Chapter20 Span Metrics──OpenTelemetry Collector 的 Trace 鍊金術
Metrics from Traces
Jaeger Service Performance Monitoring
Lab
Basic
Jaeger SPM
小結
參考資料
Chapter21 Grafana Cloud 與 Alloy──Grafana Labs 的野望
Grafana Cloud
Grafana Alloy
Configuration
Metrics
Logs
Traces
To Grafana Cloud
Lab
Grafana Alloy
Grafana Cloud
小結
參考資料
Chapter22 Profiles 與 eBPF──Unlocking The Kernel
Profiles
Grafana Pyroscope
eBPF
Grafana Beyla
Lab
Pyroscope
Beyla
小結
參考資料
Chapter23 Faro──前端的可觀測性
Concepts
Web Vital
Architecture
Log-based Metrics
Usage
Alloy
Faro Web SDK
Faro Web Tracing
Lab
小結
參考資料
Chapter24 In Production 1──準備釋放你的 Observability 原力吧！
成本與效益
網路的複雜性
告警疲勞
小結
Chapter25 In Production 2 ──能力越強責任越大，別成為單點故障
可擴展性 Scalability
Grafana Stack
Kafka
高可用性 High Availability
Lab
Loki Scalable Monolithic
Jaeger with Kafka
小結
參考資料
儲存哪些
Metrics
Traces
儲存多久
怎麼儲存
Lab
Loki Tempo Mimir with MinIO
OpenTelemetry Collector Filter
小結
Chapter27 總結──可觀測性的未來
可觀測性開源專案的未來──CNCF Projects
可觀測性資訊的未來
可觀測性技術的未來
可觀測性商業的未來
結語
參考資料
