服务网格可观测性建设：用指标、追踪…

在 Istio/Linkerd 等服务网格中搭建分布式追踪、指标看板和告警，用于排查延迟与错误、可视化服务依赖并定义服务通信 SLO。

适用场景

解决思路

1. 按可观测性三大支柱组织数据：Metrics 采集请求速率、错误率、延迟 P50、饱和度；Traces 采集 span context、延迟、依赖关系、瓶颈；Logs 采集访问日志、错误详情、调试信息、审计轨迹。
2. 围绕网格黄金信号建立监控与告警：Latency 关注请求时长 P50/P99，告警阈值 P99 > 500ms；Traffic 关注每秒请求数，做异常检测；Errors 关注 5xx 错误率，阈值 > 1%；Saturation 关注资源利用率，阈值 > 80%。
3. 需要具体模板和完整示例时，阅读 references/details.md 中的模板库与详细worked examples。
4. 采样要合理：开发环境 100% 采样，生产环境 1-10% 采样。
5. 使用 trace context：在各服务间一致地传播追踪头（headers）。
6. 为黄金信号设置告警。
7. 将指标与追踪关联起来：使用 exemplars 做关联。
8. 按策略保留数据：使用热/冷存储分层。
9. 不要过度采样，存储成本会累积。
10. 不要忽视基数（cardinality），限制 label 的取值范围。
11. 不要跳过看板，要可视化服务依赖关系。
12. 不要忘记成本，要监控可观测性本身的成本。

适用边界 · 注意事项

• 未部署 Istio、Linkerd 等服务网格时，本技能中的网格专属信号与配置不直接适用。
• 仅需单服务日志排查、不涉及跨服务调用链与 SLO 时，无需引入完整网格可观测性体系。
• 存储与可观测性预算紧张、无法承担追踪数据保留成本时，应降低采样率或缩小采集范围。