系列文章
Day 21 - 查詢效能優化：索引與分區策略
在 Day 18、Day 19、Day 20的文章中，我們設計了從 OTel Collector 到 S3 Table 的 data pipeline，不過，在...
Day 22 - 從 ClickHouse Exporter 看資料匯出架構：Factory Pattern 與 exporter 生命週期管理
前面之所以會需要設計從 OpenTelemetry Collector、API Gateway、Lambda、Firehose 一直到 S3 Table 之間的...
Day 23 - 從 ClickHouse Exporter 看資料處理流程：OTLP 到 ClickHouse 的轉換
昨天我們透過 ClickHouse Exporter 了解了 Factory Pattern 如何統一管理不同 signal 的建立，以及 start() 和...
Day 24 - 從 Gauge Schema 看 OTLP 到 ClickHouse 的轉換細節
昨天我們了解了 ClickHouse Exporter 如何透過三層迴圈展開 OTLP 的巢狀結構，並將不同類型的 metrics 分流到不同的 table。我...
Day 25 - 另一種架構思維，即時監控與 data lakehouse 的取捨
前面我們花了許多篇幅介紹 Observability 2.0 的理念，以及如何透過 Data Lakehouse（Parquet + Iceberg）建立 Si...
Day 26 - 使用 Grafana 將可觀測性資料視覺化
不知不覺鐵人賽已經進入倒數完結的階段，我們花了很多篇幅討論如何建立 Data Lakehouse 的架構、如何建立 data pipeline 來將 OTLP...
Day 27 - eBPF：kernel 層級的可觀測性
目前為止，我們建立了完整的 Observability 2.0 架構：從資料收集(OTLP)、儲存(Parquet + Iceberg or S3 Table)...
Day 28 - 使用 bpftrace 實現 eBPF 追蹤
昨天我們介紹了 eBPF 的基本概念，知道它可以透過各種 hook points 來追蹤系統行為。但面對 Tracepoints、Kprobes、Uprobes...
Day 29 - 將 eBPF 資料串接到 OpenTelemetry
前面兩天我們介紹了 eBPF 的追蹤機制，以及如何使用 bpftrace 快速收集 kernel 和 user space 的可觀測性資料。今天我們要完成系列文...
Day 30 - 結語
今天是參加鐵人賽的第三十天，意味著此系列文也將告一段落了。 回顧這三十天，我們從 observability 2.0 的角度來看可觀測性工程，了解了： 1. O...