监控与告警（Monitoring & Alerting）

参考来源：Google《Site Reliability Engineering》、Brendan Gregg USE Method、Prometheus 官方、Grafana Labs、PagerDuty Incident Response。

适用场景

• 监控系统搭建（Prometheus + Grafana）
• 日志收集（Loki / ELK）
• 告警规则设计
• SLO / SLI 定义
• 仪表盘设计
• On-call 配置

核心原则

1. 四大黄金信号（Google SRE）
   Latency / Traffic / Errors / Saturation