阿里云日志服务 SLS 全景体验
阿里云日志服务 SLS 不只是“日志储存”，更是一个一站式智能运维方案、可观测平台。我们从“客户需要的数据如何获取”，发展为“客户的数据如何使用”，再过渡到“如何帮助客户用好数据，产生更大价值”。
以Trace为核心的根因分析概述
近期一直在学习和复现“根因分析”领域的相关文章，在这里跟大家一起分享下相关内容。这里不在赘述关于“可观测性”和“AIOps”的重要性和必要性，也不过多的陈述在“复杂系统”中进行快速根因诊断的必要性，直接进入到相关算法和系统设计部分。
SLS告警最佳实践——自定义分析告警历史
在SLS告警评估、触发到通知的整个生命周期过程中，都会有一些日志记录，通过这些日志我们可以借助告警对系统的整体健康状况、稳定性等有一个相对全面的了解。
MySQL数据库同步CDC方案调研
数据库同步是一个比较常见的需求，业务数据一般存储在一致性要求比较高的OLTP数据库中，在分析场景中往往需要OLAP数据库或者比较火的数据湖方案；CDC是数据库同步较为流行的方案，全称是Change Data Capture，主要用于捕捉数据库中变化的数据，然后根据变化的数据写入不同的目标存储。接下来是一些数据库CDC方案的调研及原理探讨，调研方案基于MySQL数据库。
顺滑迁移Prometheus告警到SLS告警
Prometheus作为一个开源的云原生监控系统，具有很广泛的应用场景，通过各种Exporter收集各类设备，应用的指标，将各类指标抽象为时序数据，在Prometheus上可以使用PromQL进行高效的指标查询和分析。SLS告警是云上的一站式告警监控运维平台，支持各种Ops场景。SLS告警系统主要包括指标采集，监控系统，告警管理，通知管理等子系统。本文介绍如何将Prometheus告警无缝转换为SLS告警，并使用SLS告警的管理功能。
SLS告警最佳实践——Webhook通知最佳实践
SLS告警通知对接了常用的各种 IM 系统，例如钉钉、企业微信、飞书、Slack。SLS对这些系统的 Webhook 进行了包装，用户无需关心各个通知渠道的具体消息格式，只需要配置希望通知的内容即可。 除此之外，还有其它的一些场景，需要使用通用Webhook（自定义 Webhook），本文主要介绍通用 Webhook 使用过程中常见的一些问题和最佳实践。
日志数据入湖的设计与实践
SLS 的队列功能及上下游生态可以为日志入湖提供端到端的支持，要修高速公路（PaaS/SaaS 数据源），也要去做“村村通”（端、开源软件）。 SLS 入湖支持包括四个部分： ● 可靠的采集能力覆盖 ● 弹性的写入与存储能力 ● 日志 ETL 与入湖准备工作 ● 围绕湖生态的模板支持与一键入湖
MySQL数据库审计采集技术调研之Packetbeat，eBPF
在数据安全的重要性日益突出的今天，数据库审计是数据安全的重要组成部分。在数据库审计的过程中往往需要关注数据库操作行为和性能数据：需要知道数据库来源IP，数据库服务器IP/端口，数据库登录用户，操作数据库名称，表名称，SQL语句，执行时间和返回数据条数等。这些数据的获取在数据库内核实现无疑是最佳的方式，但是并非所有的数据库都支持审计插件。几乎所有的数据库都是C/S模式，客户端与数据库通过网络协议沟通，数据库的协议大部分也是公开的，所以一种更通用的数据库审计数据采集的方案，应该是通过“外围”的抓包方案，具体是通过分析网络协议来采集数据库的行为数据。
简单、有效、全面的Kubernetes监控方案
近年来，Kubernetes作为众多公司云原生改造的首选容器化编排平台，越来越多的开发和运维工作都围绕Kubernetes展开，保证Kubernetes的稳定性和可用性是最基础的需求，而这其中最核心的就是如何有效地监控Kubernetes集群，保证整个集群的一个良好的可观察性。本期将为大家介绍Kubernetes的监控方案。
智能巡检告警配置最佳实践
智能异常分析的检测结果通过 SLS 告警功能输出到用户配置的通知渠道。在智能巡检场景中，单个任务往往会巡检大量的实体对象，涉及到的对象规则很多，我们通过SLS新版告警可以实现较好的对于巡检事件的管理。
SLS告警最佳实践—— K8s事件中心告警管理
K8S事件中心是SLS的日志应用之一，主要记录了集群的状态变更，包括创建Pod、运行Pod、删除Pod、组件异常等。K8S事件中心实时收集K8S中的所有事件并提供存储、查询、分析、可视化与告警能力。K8s事件中心默认也会提供仪表盘和告警，本文主要介绍下如何在ACK控制台和SLS控制台管理K8s事件中心的告警及其区别和使用场景。
iLogtail使用入门-iLogtail本地配置模式部署(For Kafka Flusher)
iLogtail使用入门-iLogtail本地配置模式部署(For Kafka Flusher)
iLogtail使用入门-iLogtail本地配置模式部署(For Kafka Flusher)
iLogtail使用入门-iLogtail本地配置模式部署(For Kafka Flusher)
iLogtail使用入门-主机环境日志采集到SLS
iLogtail是阿里云中简单日志服务又名“SLS”的采集部分。 它用于收集遥测数据，例如日志、跟踪和指标，目前已经正是开源(https://github.com/alibaba/ilogtail)。本文通过介绍ilogtail如何在主机环境进行安装、配置、使用的最简流程，帮助用户使用预编译版本快速上手ilogtail日志采集。
iLogtail使用入门-K8S环境日志采集到SLS
iLogtail是阿里云中简单日志服务又名“SLS”的采集部分。 它用于收集遥测数据，例如日志、跟踪和指标，目前已经正式开源(https://github.com/alibaba/ilogtail)。本文通过介绍ilogtail如何在K8S环境进行安装、配置、使用的最简流程，帮助用户使用预编译版本快速上手ilogtail日志采集。
Alibaba Cloud Toolkit 中SLS插件助力线上服务问题排查
Alibaba Cloud Toolkit 是一款非常优秀的插件，新增SLS日志服务的功能，针对软件开发者日常工作中常见的问题排查场景，将日志服务平台的功能集成到ide当中，省去了不同窗口之间来回切换的时间，大大提高了日常工作的效率
在文件存储HDFS版上使用 CDH6
本文档介绍如何将CDH6中本地HDFS数据迁移到文件存储HDFS版，并配置CDH上的HDFS服务、Hive服务、Spark服务、HBase服务使用文件存储HDFS版，实现存储计算分离。
SLS告警最佳实践——在通知中引用日志内容
在配置告警通知的时候，通常我们需要知道告警的触发详情。例如Nginx访问错误告警，我们需要知道错误的HTTP Status 分布，错误的机器IP等信息，并且需要将这些信息体现在通知中，以便在接收到告警通知后，能够一目了然地知道发生了什么事情。那么在创建告警规则的时候，我们就需要进行合理的配置，使得告警在触发后，可以将这些信息放在合适的位置发送给通知服务，从而在通知模板里可以被引用到，从而被正确地通知。
文件存储HDFS版和对象存储OSS双向数据迁移
本文档介绍文件存储HDFS版和对象存储OSS之间的数据迁移过程。您可以将文件存储HDFS版数据迁移到对象存储OSS，也可以将对象存储OSS的数据迁移到文件存储HDFS版上。
智能巡检云监控指标的最佳实践
在真实的企业生产中，对研发和运维的同学都会面临一个十分繁复且艰难的问题，就是对指标的监控和告警。具体我枚举一些特定的问题请对号入座，看看在算力爆炸的时代能否通过算力和算法一起解决！
PolarDB Lens低调发布：洞悉百TB级云原生数据库
PolarDB是阿里巴巴自主研发的下一代云原生关系型数据库，阿里云日志服务PolarDB Lens围绕其提供了一站式的数据库资产概览、日志采集管理、分析和场景应用落地支持，本文介绍了PolarDB和PolarDB Lens的基本特性，并通过性能实验使读者对PolarDB Lens的功能有一个直观的认知。
SLS告警响应升级——通知对接FC进行自动化操作
阿里云SLS告警响应升级，通知渠道新增了对函数计算的支持，从而可以在告警触发的时候进行一定的自动化响应操作，以便进行故障自愈，减轻手动运维压力，提高系统的可用性。
Log4j漏洞不仅仅是修复，更需要构建有效预警机制
软件的漏洞有时不可避免，根据Gartner的相关统计，到 2025 年，30% 的关键信息基础设施组织将遇到安全漏洞。日志服务SLS，可帮助快速部署一个预警机制，使得漏洞被利用时可以快速发现并及时响应。通过使用阿里云日志服务SLS，只需两步即可完成攻击检测。
数据库审计数据采集方案调研
在互联网，云计算，大数据快速发展的背景下，数据的规模也有了前所未有的增长，数据库在企业数据中几乎占有着核心地位。同时SQL注入，敏感操作，不规范使用等问题也一直伴随着数据库的使用，数据库安全也一直的数据库管理的重要工作，主要包括数据库漏扫，数据库加密，数据库防火墙，数据库脱敏，数据库安全审计等领域，本文将从数据库审计角度来介绍数据库审计的概念及审计数据的采集方案。
打造Java可观测性的5个关键步骤
伴随云原生和微服务的普及，可观测性设计基本上是作为一个线上业务服务必备的基础能力。这篇文章我将介绍天罡项目围绕可观测性的三大支柱：日志，指标以及链路追踪所做的可观测性设计和实践，以及项目中实施可观测性的5个关键步骤。
SLS告警管理中心App重磅发布！
SLS发布了一款日志应用：告警管理中心；告警管理中心是一套以业务为中心告警管理运维平台，企业可以将同时将已有的监控告警平台如Zabbix，Prometheus，Datadog等产生的告警和SLS上的Project/Logstore等资源产生的告警添加到告警运维运维中心进行统一的告警管理和通知配置，将相关业务的告警收敛到一个地方进行运维管理，可以有效的提高运维效率。
Trace告警配置最佳实践
阿里云日志服务（SLS）提供了Log，Metric，Trace等三种数据快速接入的能力，同时也提供了丰富的分析功能和可定制化的Dashboard的能力，客户可以利用SLS快速的搭建可观测性平台，让用户更加关注于分析，降低用户接入各类数据的门槛。本文主要讲述应用接入SLS Trace服务后，针对各种场景化如何配置告警。
MySQL监控-Datadog数据库监控调研
MySQL是最流行的数据库之一，在大多系统的后端的存储都有MySQL的身影，MySQL运行的是否健康，直接影响着整个系统的运行，数据库的瓶颈往往也是整个系统的瓶颈，其重要性不言而喻，所以对于MySQL的监控必不可少，及时发现MySQL运行中的异常，可以有效提高系统的可用性和用户体验。 本文主要介绍下MySQL如何做监控，以及对Datadog的Database Monitoring的一些简单调研。
阿里云服务网格ASM集成SLS告警
随着微服务的流行，微服务的架构也在不断的发展演进，Spring Cloud 与 Dubbo为代表的微服务开发框架也得到了普及和落地；在云原生时代，无侵入的服务网格（Service Mesh）开始走向成熟，相对于传统微服务架构，服务网格具有可观察性、流量控制、安全性三大优势。服务网格将之前服务治理中的复杂性从应用中分离出来，将这些复杂性放到了服务代理中，包括流量控制，断路，服务发现，安全性，可观测性等；开发时应用只需要关心业务功能实现，让责任划分变得更加清楚。
零基础玩转SLS日志查询-SLS Query Builder发布
日志服务（Log Service，简称 SLS） 是阿里云提供的行业领先的日志大数据解决方案，一站式提供数据收集、清洗、分析、可视化、告警等功能。智能查询分析是数据中台重要的一环，SLS支持秒级查询10亿到千亿级别的日志数据，为万级开发者提供每日百亿级的查询服务。SLS查询语句是日志服务的专有语法，为了帮助用户简单、快速地构建查询语句，降低用户的学习成本，SLS推出了查询辅助输入（Query Builder）功能，让用户无需关注语法细节也可完成查询。
块存储监控与服务压测调优利器-EBS Lens发布
SLS团队联合EBS团队发布了EBS Lens，针对块存储提供数据分析、资源监控的功能，可以帮助用户获取云上块存储资源信息与性能监控数据、提升云上块存储资源的管理效率、高效分析业务波动与资源性能消耗情况。
日志服务Dashboard加速
阿里云日志服务致力于为用户提供统一的可观测性平台，同时支持日志、时序以及Trace数据的查询存储。用户可以基于收集到的各类数据构建统一的监控以及业务大盘，从而及时发现系统异常，感知业务趋势。但是随着收集到的数据量不断增长，特别是遇到业务峰值的时候，大盘报表展示会产生明显的延迟，无法及时查看重要数据。Scheduled SQL支持定时分析数据、存储聚合数据、投影与过滤数据，并将执行的分析结果存入用户指定的日志库或者时序库中，供用户后续分析使用。由于在聚合后数据量将大大小于之前，因而非常适合进行即时数据分析以及大盘展示。
