基础指标采集不能只靠 shell 脚本，因 /proc 快照式采样易漏瞬时尖峰，而 eBPF 可纳秒级低开销观测内核路径；需聚焦 RED+USE 四大黄金信号，结构化日志关联 trace_id，并透传 W3C traceparent 实现全链路追踪。
从 /proc 到 eBPF：为什么基础指标采集不能只靠 shell 脚本
很多运维一上来就写 top -b -n1 | awk 或轮询 /proc/meminfo，结果在高负载 VPS 上监控进程自己吃掉 15% CPU，还漏掉关键信号——比如 cgroup 的 CPU throttling 比例、软中断分布倾斜、页回收延迟漂移。这些不是“有没有”的问题，而是“偏不偏”的问题。
-
/proc是快照式伪文件，采样间隔内可能错过瞬时尖峰；eBPF（如bpftrace或libbpf程序）可 hook 内核 tracepoints，实现纳秒级低开销观测 - 内存回收耗时、TCP 重传率、调度延迟等路径必须建 7 天滚动基线，用标准差（
σ）定义“异常”，而非硬设cpu_usage > 90% - 美国 VPS 共享宿主资源，
node_exporter默认指标不够细；建议加装systemd-exporter和cgroup-exporter，暴露systemd_unit_cpu_throttled_seconds_total这类真实约束信号
Metrics 不是越多越好：聚焦 RED + USE 四大黄金信号
别被 Prometheus 的 200+ node_exporter 指标吓住。真正影响业务的只有四类：Request Rate（流量）、Error Rate（错误）、Duration（延迟）、Saturation（饱和度）。中间件如 Nginx、PostgreSQL 必须暴露业务层指标，而非只看 CPU。
- Nginx 需启用
nginx-module-vts或nginx-prometheus-exporter，抓取nginx_http_requests_total{status=~"5.."}和nginx_http_request_duration_seconds_bucket - PostgreSQL 用
postgres_exporter，重点关注pg_locks、pg_stat_database_xact_rollback、pg_stat_bgwriter_buffers_checkpoint - 避免在 Grafana 中堆砌“CPU 使用率”曲线——改用
node_load1 / count by(instance)(node_cpu_seconds_total{mode="idle"})计算实际可扩展性余量
日志不是用来 tail -f 的：结构化 + trace_id 关联才是关键
原始文本日志在故障定位时等于没有日志。一次跨服务请求散落在 5 台 VPS 的不同日志文件里，没 trace_id 就是盲人摸象。
huaweicloud-python-sdk-helper
下载
华为云 Python SDK 查询工具。自动发现已安装 SDK 的服务包、Client类、API 方法、入参详情、类信息（__init__ 参数、属性、类型、描述），支持关键字搜索，快速定位目标 API 使用方法。
- 应用日志强制 JSON 格式，字段至少含
timestamp、service、level、trace_id、span_id；Go 用logrus.JSONFormatter，Python 用python-json-logger - 用
fluent-bit（非 heavy 的 Fluentd）收集，配置filter_kubernetes自动注入host和namespace标签，转发到 Loki（比 ELK 更轻，适合 VPS 资源限制） - Grafana 中用
{job="loki",trace_id="xxx"}一键聚合所有相关日志行，再点开同trace_id的 Prometheus 指标和 Jaeger 链路——这才是闭环
链路追踪别断在 Nginx：透传 traceparent 是底线
很多团队上了 Jaeger 却发现链路只有一跳，原因全在入口网关没做透传。W3C Trace Context（traceparent header）是唯一能跨语言、跨中间件对齐的标准，别再用自定义 X-Trace-ID。
- Nginx 配置必须加
proxy_set_header traceparent $http_traceparent;，且开启underscores_in_headers on;（否则忽略带下划线 header） - OpenTelemetry SDK 默认支持
traceparent解析；若用旧版 Zipkin，需在 client 端手动注入span.context().traceId()到下游 HTTP header - Redis/MySQL 客户端必须启用 OTel 自动插桩（如
redis-opentelemetry），否则 DB 调用在链路中直接消失——这点最容易被忽略
真正卡住可观测性的，从来不是工具链没配齐，而是 trace_id 在第二跳就断了、duration 指标没按业务语义埋点、基线用的是静态阈值而非动态漂移检测。这些细节不补上，告警再多也只是噪音。
