bukx/observability-platform

# 可观测性平台 围绕 metrics、logs、traces、alerting、runbooks 和 chaos validation 构建的全栈可观测性和事件响应平台。该 repo 展示了如何通过更清晰的信号和更快的响应工作流，从被动监控转向主动的可靠性实践。  ## 为什么这个 repo 很重要 许多监控 demo 仅停留在 dashboards 层面。该项目更进一步，将可观测性的三大支柱、SLI/SLO 思维、alert 路由、runbooks 和 fault injection 结合在了一起。 ## 包含内容 - `app/` 下的插桩应用源码 - Prometheus、Alertmanager、Grafana、ELK 和 OpenTelemetry 部署资产 - Grafana dashboards 和 alerting rules - 用于延迟和错误场景的 chaos 脚本 - 用于运维响应的 runbooks 和 postmortem 模板 - 本地 Docker 资产以及 Kubernetes manifests ## 可观测性范围 - **Metrics：** 使用 Prometheus 和 Grafana 进行收集、制作 dashboards 和 alerting - **Logs：** 使用 ELK stack 进行集中式日志聚合和搜索 - **Traces：** OpenTelemetry 和 Jaeger 风格的 tracing pipeline - **响应：** Alertmanager、runbooks 和 postmortem 模板 - **验证：** 用于在故障条件下测试系统的 chaos 脚本 ## 快速开始 ``` # 部署 stack kubectl apply -f k8s/app/ kubectl apply -f k8s/prometheus/ kubectl apply -f k8s/grafana/ kubectl apply -f k8s/elk/ kubectl apply -f k8s/otel-collector/ # 注入 faults 并观察 behavior ./chaos-scripts/chaos-runner.sh latency ./chaos-scripts/chaos-runner.sh errors ./chaos-scripts/chaos-runner.sh reset ``` ## 仓库布局 ``` . |-- app/ # instrumented application |-- chaos-scripts/ # fault injection scripts |-- dashboards/ # Grafana dashboard assets |-- docker/ # local container assets |-- k8s/ # Kubernetes deployment manifests |-- postmortem-templates/ # incident review templates |-- runbooks/ # operational runbooks |-- docs/ # diagrams and supporting docs `-- .github/ # validation workflows ``` ## 展示内容 - 跨 metrics、logs 和 traces 的端到端可观测性设计 - 通过 alerting、runbooks 和 postmortems 展现的运维成熟度 - 面向 SLI/SLO 的监控，而非 dashboards 的泛滥 - 通过受控的 chaos 测试来验证可靠性假设

标签：API集成, ELK, 可观测性, 子域名突变, 混沌工程, 用户代理, 自定义请求头, 请求拦截, 运维监控