可观测性 vs 监控:一字之差,区别到底在哪
监控(Monitoring)与可观测性(Observability)经常被混用,但监控持续跟踪系统行为并发现异常,可观测性帮助团队借助已有数据调查异常,包括过去没有遇到的故障。本文系统对比两者的定义、要素与适用场景,并说明现代平台如何把二者统一起来。
**监控是持续采集、处理和呈现系统运行数据的实践,可以按配置触发告警;可观测性是通过系统输出了解其内部状态的能力。**监控可以先发现「哪里出现了用户可见的异常」,团队再利用已有数据调查「异常从哪里开始、哪些解释有证据」。同一批数据可以同时用于告警和调查。
核心要点速览
- 监控可以跟踪已知故障模式,也可以用错误率等用户侧信号发现原因尚不明确的异常;
- 可观测性让团队用已有数据调查新问题,判断能做到哪一步取决于采集范围和数据质量;
- 指标、日志和链路可供监控规则和排障查询共用;关联分析依赖可用的上下文字段;
- 落地建议:监控用户侧 SLI 与错误预算消耗,保留排障时需要的上下文。
什么是监控?
监控会持续采集和处理运行数据,供仪表板、查询和告警使用。配置告警时,通常包含三个环节:
- 采集:获取系统状态,例如定期采集指标、接收日志或执行拨测;
- 判断:阈值、同比环比、无数据等规则;
- 通知:对需要处理的异常发送通知。
常见监控类型:基础设施监控(主机/容器资源)、应用监控(接口成功率)、可用性监控(拨测)、业务监控(订单量)。
CPU、磁盘和接口超时都可以设规则跟踪。规则需要定义要看的信号和触发条件,无需提前知道具体故障原因。例如错误率告警可以发现过去没见过的异常。 Google SRE 的监控实践
什么是可观测性?
可观测性是系统本身具备的一种属性:当从未见过的问题发生时,团队可以通过已经采集的日志、指标、链路等输出缩小调查范围。如果关键路径没有埋点、数据被采样或已经超过保留期,仍可能需要补充证据。 OpenTelemetry 可观测性入门
它的关键要素:
- 上下文数据:可以按已采集的服务、实例或版本过滤和分组。不要把请求 ID 或用户 ID 当成常规指标标签,避免时序数量失控;
- 信号关联:用一致的服务、环境和版本字段缩小范围,再借助匹配的追踪标识关联链路与日志;
- 自由探查:在可访问且仍保留的数据上做即席查询。
实践中两者如何配合?
一个典型的故障处理时间线:
- 监控触发:「订单接口 5xx 占比在设定窗口内超过 2%」的示例告警发出。先核对同一窗口内的错误数、总请求数与影响范围;
- 可观测性介入:沿着告警的时间范围和服务下钻,比较各版本和地域的错误比例,找出需要进一步查看的请求和下游依赖;
- 验证原因:查看错误请求的链路与日志,对照发布时刻及未受影响的请求。错误集中在新版本只是线索,还要核对地域或下游故障等解释。观测云的监控器配置可添加事件关联链接。在链路详情中,整条链路的关联日志默认按
trace_id匹配,service、env、version等字段用于匹配日志索引。日志和链路需已采集、保留,相关索引也要可访问。记录了span_id时,还能区分日志属于哪个 Span。 日志关联配置 - 反哺监控:若新发现的信号能支持明确的响应动作,可以据此改进现有告警;
监控有助于缩短发现时间,调查所需的证据有助于缩短定位时间。告警的评估与通知、采集覆盖以及响应流程也会影响从发现到恢复的总耗时。
两者的常见挑战
- 监控的挑战:规则维护成本高、告警风暴、阈值拍脑袋;
- 可观测性的挑战:数据量成本、埋点覆盖率、团队使用习惯。
统一数据模型、标签体系和告警通道有助于协作。还需要明确告警的负责人、调查时必需的字段,以及哪些数据该采样或保留。
常见问题(FAQ)
Q:是不是有了可观测性就不需要监控了? 恰恰相反:可观测性提供调查所需的证据,监控用于持续跟踪状态、在满足条件时通知人员。两者可以共用数据。
Q:传统监控工具(Zabbix 类)能升级到可观测性吗? 可以渐进演进:保留已有资源监控,再为关键应用补充链路与结构化日志,用统一的服务标识和追踪标识建立关联。
Q:可观测性平台的「探查」具体指什么? 指不依赖预置仪表板,临场用查询语言(如 DQL)对已经采集且可查询的数据按已有字段过滤、分组、聚合,用于检验调查中的假设。
Q:SLO 属于监控还是可观测性? SLO 是对服务水平设定的目标,SLI 是用于衡量实际服务表现的指标。监控可以跟踪 SLI 和错误预算,发生偏差时可用可观测数据调查原因。
系列阅读
- 上一篇:《什么是可观测性》
- 下一篇:《什么是 APM》
- 相关:《日志、指标、链路的区别与联系》 · 《返回索引》