日志、指标、链路的区别与联系:可观测性三大支柱详解

日志(Logs)、指标(Metrics)、链路追踪(Traces)被称为可观测性三大支柱,但三者的区别与适用场景常被混淆。本文用通俗的方式讲清每种信号的定义、优势与局限,以及如何借助观测云把三者关联成一个完整的排障闭环。

最佳实践
日志、指标与链路数据分析主题插画

日志是离散事件记录,通常带有时间戳;指标是描述系统状态和行为的数值数据;链路追踪是通过 Span 及其关系记录请求执行过程——三者从不同维度描述系统行为,互为补充而非互相替代。链路是否完整,还取决于埋点、上下文传播、采样和数据保留。理解它们的差异,是设计可观测性体系的第一步。

核心要点速览

  • 日志回答「发生了什么」,可保留事件细节,结构化字段也能用于聚合统计;
  • 指标回答「整体趋势如何」,适合趋势与告警,成本受序列基数、采集频率和留存影响,通常不保留完整个案;
  • 链路回答「请求经过了哪里、慢在哪一环」,是微服务排障的关键;
  • 服务标签和时间窗口帮助缩小范围,一致的 trace_id 等标识用于请求级关联;同一时刻出现异常,并不等于存在因果关系。

什么是日志?

日志是系统在特定时刻产生的离散事件记录,比如一次请求、一个异常、一次状态变更。每条日志通常包含时间戳、级别、消息正文和上下文字段(结构化日志以 JSON 等格式输出键值对)。

优势:可以保留异常堆栈、业务字段等事件细节;主流语言都有日志库。能还原多少上下文,取决于应用实际记录了什么,以及数据是否成功采集、保留。

局限:高频或大体积日志会增加采集、处理和存储成本,但日志不一定是三类信号中最贵的;非结构化日志难以聚合统计,结构化日志则可以按状态、服务等字段统计错误数和趋势。

典型场景:记录异常堆栈、审计操作、事后追溯单笔请求的处理细节。

日志采集(log collection)还包括从应用文件、标准输出或接口取数,经采集器解析、处理和传输,再由后端接收。事件时间与采集端观察到它的时间可能不同,积压后补发的日志尤其要区分。缓冲和重试能应对短暂中断,但队列容量、持久化和重试期限都有边界,不能把「写出了日志」等同于「平台已经完整保存」。OpenTelemetry 日志时间字段 · 采集链路的缓冲与丢失边界

什么是指标?

指标用数值描述系统状态和行为——CPU 使用率、请求计数、错误率、延迟分布。测量可以随事件更新,也可以在采集时读取,并非都按固定间隔预先聚合。常见时序数据由指标名、标签(维度)和带时间戳的样本组成;样本可以是单个数值,也可以包含直方图等分布数据。

优势:以受控的标签和适当的时间粒度汇总数据,适合趋势图和阈值告警;需要长期留存时,可以评估降采样及其精度损失,降低存储与查询负担。

局限:通常不保留每个事件的完整细节;标签基数(cardinality)失控会增加时序存储和查询压力。支持 exemplar 的链路可以给部分测量附上 trace ID 等上下文,但不会因此保留全部请求。

P99 通常需要从延迟分布计算或由客户端估计。Prometheus histogram 可以在兼容的桶或分辨率下合并分布后求分位数;summary 已算出的各实例分位数不能直接取平均,作为全服务 P99。直方图与 summary 的区别 · exemplar 数据模型

典型场景:SLI/SLO 定义、容量规划、异常告警(如「错误率 5 分钟内超过 2%」)。

什么是链路追踪?

链路追踪用 Span 记录已埋点的操作(包括操作名、起止时间、状态等)。同一条链路的 Span 共享 trace_id,调用树还需要各自的 span_id、父 Span 标识和跨服务上下文传播。异步任务等关系也可以通过 Span links 表达,不能只靠相同 trace ID 推断父子关系;未埋点、因采样被丢弃或已过保留期的部分不会自动补齐。OpenTelemetry Span 与 links · 上下文传播

优势:在微服务架构下,可以直观查看已记录的调用关系与耗时,帮助回答「慢在哪一环、错在哪一跳」。指标、日志、Profiling 等也能提供延迟诊断线索。

局限:需要手动或自动埋点,部分场景也可用 eBPF 采集;覆盖范围取决于内核、语言运行时、协议和工具实现,不能假定所有业务操作都可零配置追踪。高流量场景可以用采样控制开销,但被舍弃的链路也会减少后续可查询的个案。观测云 eBPF 支持范围 · OpenTelemetry 采样

典型场景:跨服务慢请求定位、服务依赖分析、错误传播路径还原。

三者应该如何选择?

不是三选一,而是分层组合:

  1. 指标做哨兵:持续监控全局水位,负责触发告警,同时控制标签与采集量;
  2. 链路做定位:告警后沿着异常请求的 trace 找到出问题的服务与环节;
  3. 日志补细节:在出问题的服务上查阅对应 trace_id 的日志,结合堆栈、业务字段等验证根因。

这是一条常见排障路径,不是每次都要遵循的固定顺序。实践时先统一服务名、环境和版本标签,并让请求处理中的日志携带当前 trace_id,需要时再记录 span_id。在观测云的链路详情中,可按关联标识查看已采集的日志;日志分在不同索引时,用日志索引映射选择相应查询范围。映射只影响详情页关联查询,不会改变日志写入哪个索引。采集、字段格式和查询权限都对应正确,入口才有数据;相同 trace ID 也找不回被采样掉的 Span 或已过保留期的日志。

常见问题(FAQ)

Q:小团队资源有限,应该先上哪个? 从最重要的故障和已有数据出发。容量与可用性问题可以先补指标,单体应用的异常可能先靠结构化日志,跨服务耗时问题则可能更早需要链路。没有适用所有团队的固定接入顺序,再根据采集量和维护成本扩展。

Q:有了链路追踪还需要日志吗? 通常需要。Span 可以记录属性、事件和异常,日志仍适合保留独立的业务事件和详细记录。保留哪些字段取决于埋点设计;涉及同一请求时,两者可以通过一致的 trace_id 关联。

Q:指标和日志里的 time series 有什么区别? 指标记录测量值或分布,日志记录离散事件;把日志按时间窗口统计,也会得到一条数值序列。日志派生指标的延迟与成本取决于解析、传输、聚合位置、查询方式和保留策略,不能一概判定比原生指标更慢、更贵。若采集时已过滤或丢失日志,之后的统计也不会自动补回缺失事件。

Q:Profiling 算第四根支柱吗? 它常被作为补充信号讨论,「第四根支柱」不是必须遵循的统一分类。Profiling 可以帮助查看 CPU 时间、内存分配等资源消耗落在哪些代码路径,具体取决于剖析类型;它与请求链路提供的信息不同。OpenTelemetry Profiles

系列阅读

获取专属方案

联系我们

加入社区

微信扫码
加入官方交流群

立即体验

在线开通,按量计费,真正的云服务!

立即开始

选择观测云版本

代码托管平台