起心動念

前陣子在求職的時候常常被問到 k8s 相關的問題，觀測的指標有哪些，但我總是一問三不知，只能說出查看 log 有沒有 error。面試結束後我拼命去查相關的資料，雖然對於 Grafana、SLO 這些名詞有一定的了解，但具體該怎麼用卻沒有很清楚，監控和可觀測性的差別到底是什麼，始終搞不清楚。

在這個 vibe coding 的年代，人人都是開發者，寫程式已經是寫程式中最沒有難度的一塊。只要一直按 yes，程式就會一直不停自己長出來。但我覺得現在開發還是會出現一些說不上是新問題的問題，這些問題一直存在，且困擾著大家，只是現在能夠了解並回答我覺得才是真正有價值的事情。第一個是功能是否真的符合使用者的需求，常常加入了許多酷炫的功能，卻沒有實際解決痛點。你自己會想用自己開發出來的 app 嗎？這是一個很多人要面對的問題。

再來是我們要怎麼監控我們的系統，當開發的系統越來越大，甚至要部署到雲端給更多人使用，往往會產生一種失去掌控的感覺，哪個元件是瓶頸，造成了請求的回應慢了 1 秒，要怎麼監測這點，並進一步的去改善，這點是個人開發者常常會忽略的點。

第一個問題要交給專業的 PM 和詳細的訪談來解決，我想要用 30 天的時間去講清楚第二個問題，在系統中的監控和可觀測性是什麼，我們用筆電開一個 Kubernetes 叢集，並在其中埋下錯誤，接著透過 Prometheus、Grafana、Loki、OpenTelemetry 等工具來一一抓出其中的錯誤，實際了解其用法與監控在系統中的重要性。最後，打造一個 Agent，我們也會用這個方式來拆解該如何觀測 Agent 的工作情形。

30天進度安排

前面我們會一起建立一個故意埋下錯誤的叢集，並利用我們後面學到的工具，逐個故障抓出來。三個故障分別要用log、trace和告警才抓的出來。最後示範agent也可以使用工具來進行觀測。

下期預告

這是我第一次寫文章，有些工具我也是第一次使用，在寫文章的同時學習，如果有錯誤的話歡迎大家指出來，這樣之後閱讀文章的人也會更加的清楚，不會在網路上留下錯誤的資訊，謝謝大家。

接下來day2我們會從SLI、SLO還有 Error Budget 開始講起，在決定要裝什麼之前，先決定要看什麼。