一、从监控到可观测性
传统监控回答“系统是否工作”，可观测性更进一步回答“为什么不工作”。它通过三类数据（Telemetry）实现：日志（Logs）、指标（Metrics）、追踪（Traces）。三者互补，缺一不可。
二、日志：事件的离散记录
日志是最古老的观测手段。最佳实践包括：
结构化日志：使用JSON格式，便于机器解析。PHPMonolog、JavaLogstashEncoder、C++spdlog均支持。
日志级别：ERROR（需要立即处理）、WARN（潜在问题）、INFO（关键业务流程）、DEBUG（开发调试）。生产环境只开启INFO以上。
避免敏感信息：禁止记录密码、令牌、身份证号。
异步写入：避免日志I/O阻塞业务线程（JavaLog4j2异步Appender、PHP可推送到队列）。
日志的缺点：存储量大，检索复杂（需要ELK/Loki）。但对于异常现场还原，日志无可替代。
参考：https://www.wkmsa.cn/category/sleep-disorders.html
三、指标：聚合的可量测数据
指标是数值型统计数据（如QPS、平均延迟、错误率），通常定期采集并存储到时序数据库（Prometheus、InfluxDB）。指标最适合设置告警和绘制仪表盘。
指标维度：
Counter（计数器）：只增不减，如请求总数。
Gauge（仪表盘）：可增可减，如当前内存占用。
Histogram（直方图）：记录分布，如请求延迟的百分位。
各语言的指标库：
PHP：Prometheus官方客户端（支持APC共享内存）。
Java：Micrometer（SpringBoot默认集成），可导出到Prometheus、Datadog等。
C++：PrometheusC++客户端、或通过statsdexporter。
四、追踪：请求的端到端路径
分布式追踪（Tracing）记录一个请求在多个服务间的完整调用链。核心概念：
Trace：一次完整请求的全局ID。
Span：单个操作（如一次RPC、数据库查询），包含开始时间、结束时间、元数据。
SpanContext：用于跨进程传递Trace信息（通常通过HTTP头）。
OpenTelemetry已成为追踪标准，兼容Zipkin、Jaeger。Java通过Javaagent自动埋点（零代码侵入）；PHP可通过扩展（如OpenTelemetryPHP）或手动埋点；C++则需集成SDK。
参考：https://www.wkmsa.cn/category/sleep-methods.html
五、三者的关联
日志应包含trace_id和span_id，以便从指标异常跳转到具体日志，再关联到追踪链路。
指标可以从追踪数据中派生（如统计每个服务的延迟分布）。
错误率高时，通过指标预警→采样相关trace→查看该trace的日志，定位根因。
六、各语言的成熟度
Java：生态最完善。SpringCloudSleuth+Micrometer+OpenTelemetry无缝集成。
PHP：有OpenTelemetry扩展和Laravel集成包，但生产使用较少。许多团队仍依赖NewRelic等APM商业软件。
C++：需要手动集成opentelemetry-cpp，然后导出到Jaeger/Zipkin。因为C++服务通常作为高性能基础组件，其可观测性往往由上层治理系统间接完成。
七、落地建议
从指标监控开始，快速建立告警体系。
选择一套APM工具（如Jaeger+Prometheus+Grafana）统一数据源。
逐步推进结构化日志和追踪注入。不必一次性完美，持续迭代。
八、总结
可观测性不是工具堆砌，而是工程文化。当团队习惯通过仪表盘和链路排查问题，而不只是登录服务器看日志时，系统韧
参考：https://www.wkmsa.cn
