docs(design): 微服务可观测性建设技术设计（#1938 / 子任务 #2061） - #7
Conversation
spec 契约 + 四语言 SDK 之外的第三份交付物：面向评审的技术设计稿。 - §3 整体架构：范围分层 / 部署与流程 / 底座选型 / community 贯穿维度 - §4 详细设计：契约层、四语言 SDK 接入模式（Go/Java/Python 各一示例）、 部署侧字段注入、底座与观测消费侧、中心指标集群选型与形态 - §5 工作量预估、§6 风险与待确认（含 R7 部署口径明细）、附录 关键结论：指标侧改为自建中心 Prometheus（弃用 AOM 多账号聚合，官方确认 不支持跨 Region），17 集群 Agent remote_write 汇聚，统一大盘 + 统一告警； 日志侧复用现有 LTS 每集群 1 条流，大盘并入自建 Grafana。 Co-Authored-By: Claude Code <noreply@anthropic.com>
Welcome To opensourceways CommunityHey @TangJia025 , thanks for your contribution to the community. Bot Usage ManualI'm the Bot here serving you. You can find the instructions on how to interact with me at Here . That means you can comment below every pull request or issue to trigger Bot Commands. Contact GuideIf you have any questions, please contact the SIG: infratructure , |
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
Linking Issue Notice@TangJia025 , the pull request must be linked to at least one issue. |
按「结论 + 关键理由 + 关键数字」精简重写，删除决策过程与被推翻的历史： - §4.6 日志链路：日志采集 / 日志存储 / 日志告警 / 日志大盘 - §4.7 指标链路：指标采集 / 指标存储 / 指标告警 / 指标大盘 / 社区大盘 - 新增 §4.7.5 社区大盘（对外健康度状态页，与内部指标大盘对比，白盒 SDK + 黑盒拨测） - 9 条待验证项迁入 §6，新增风险行 R13–R21 - 15 处指向旧子节号的交叉引用重映射；412 行精简至 206 行 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
新增 §4.8，给出两个端到端场景： - §4.8.1 用户视角：MindSpore 评审机器人不响应 —— 贡献者查社区健康度大盘 即可判断「是机器人侧问题」而非自己 PR 的问题，不必盲猜或逐个私聊研发； 点明该场景必须靠 §4.7.1 黑盒拨测（服务内指标可能全绿） - §4.8.2 研发视角：CLA 签署失败 —— 告警（带 cluster）→ 指标大盘确认是服务 异常而非流量问题 → 同屏日志检索定位到数据库 → 带证据转运维 → 自动消警； 附「本场景覆盖了 §4.6 / §4.7 哪几条链路」映射表 - §4.8.3 两个场景在发现 / 定位 / 协作三个维度的共同变化 场景标注为目标态，依赖项回指 §6 R13（结构化解析）与 R21（社区大盘交付范围）。 同时收敛 §4.6.1 日志采集： - 采集侧「硬约束表」与「实测四类格式表」收敛为官方日志读写限制文档外链 （该组数字随 LTS 版本变动大，外链比转述更稳） - 随之修正 §6 R14 的引用：其证据来自被收敛的实测表，现改指 §4.6.2 结构化解析口径 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
把 §4.8 的两个典型场景提炼为「视角 / 场景 / 目标态下」三行表，放在 G1–G5 目标表之后，让「目标达成后落到具体的人身上是什么样」在开篇即可见： - 用户视角：查社区健康度大盘即知是机器人侧异常，不盲猜、不打扰研发 - 研发视角：告警先于用户报障，大盘 → 日志同屏下钻定位到数据库 并标注用户视角依赖的 §4.7.5 社区大盘不在 G1–G5 之列、交付范围待定（§6 R21）。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
上游验收标准 1–5 未覆盖对外状态页，故 G6 标注为「本方案新增」，验收口径 需与需求方补充确认。跟随性一致性修复： - §2.1 新增 G6 目标行；用户视角场景的依赖改为挂 G6 - §4.7.5 待定第 3 项由「是否纳入本期交付范围」改为「验收口径」 - §4.8 场景一的依赖项改指 G6 - §5.2 增设 G6 工作量行（标记待估，不计入小计）；§5.4 汇总标注未含 G6 注：本次提交同时带入作者手工精简移除的 §6 R21 一行，未在代码层面回滚。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
上游 #1938 的验收标准为 1–5（子任务 #2063 亦按「5 条验收标准」逐条打勾）， 社区健康度大盘排在 6，故写「验收 6（本方案新增）」并保留「本方案新增」限定， 避免读者误以为 #1938 中已存在第 6 条。§2.1 注与 §4.7.5 待定第 3 项同步写明。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
按 ascend-ci-deployment 仓 monitoring/ 与 argocd/clusters/ 的实际配置绘制 存量系统的逻辑架构，非本方案：多 Region（中心 beijing + 业务 12 集群 / 4 个 Region）、两条上报路径（Agent remote_write ／ CronJob push → Pushgateway）、 中心 Prometheus + Alertmanager + Pushgateway 三件套、告警邮件链路、看板。 同时记录两处与正文第 3、4 点的出入，待核对： - 仓库中 Grafana 已是完整定义（含 2 块 dashboard 与 ArgoCD Application）， 与「资源块 Grafana 未启用」的说法冲突 - 「数据中台看板」在仓库中无任何引用，存在性待确认 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
核实 ascend-ci-deployment 后确认资源块 Grafana 已是一套完整定义（含 2 块 dashboard 与 ArgoCD Application），此前「Grafana 未启用、用的是外部 DataStat 看板」的说法不成立，据此修正四处： - §3.1 第 4 点：闭环补上 Grafana 大盘，删去「不含大盘」的限定 - §3.1.1 图：视图层只保留 Grafana，去掉数据中台看板节点 - §3.1.1 注：改为「资源块 Grafana 与本方案的差别」——数据源从中心 Prometheus 扩展到再加 17 个 LTS 日志数据源，本方案独有工作量在此 - §4.7.2：不可照搬项由两处减为一处，只留公网明文 HTTP（TLS 方案在 kustomization.yaml 中被注释、标为 Phase 2） Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
同一论点已由 §3.1 第 4 点、§3.1.1 图注、§4.7.1 的⚠️ 三处承载，§4.7.2 此处冗余。 注：本次提交同时带入作者手工精简移除的 §3.1.1「存量系统的量化口径」条目 与「资源块 Grafana 与本方案的差别」注，未作回滚。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
#1938 正文「### 验收标准」由 5 条增至 6 条（新增「服务健康度大盘」）， 文档随之把 G6 的「验收 6（本方案新增）」改为「验收 6」， 并把 §5.2 注中「上游验收标准 1–5 未覆盖」更新为已同步的事实。 注：本次提交同时带入作者手工精简移除的若干段落，未作回滚： §4.7.2 AOM 对比表 3 行与 VictoriaMetrics 去重提示、§4.7.5「数据来源」块与待定第 3 项。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
§5.2 增列 G6 人天 7～12（判定口径 1～2 / 数据聚合 2～3 / 状态页与对外入口 3～5 / 发布流程 1～2），子任务 B 小计 25～40 → 32～52； §5.4 合计 63.5～98.5 → 70.5～110.5（约 3.5～5.5 人月），并去掉「未含 G6」的说明。 注：本次提交同时带入作者手工精简移除的 §4.7.5 待定第 2 项、§4.8 开篇说明、 §4.8.1「为什么必须靠黑盒」段与 §4.8.3 整节，未作回滚。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
- §4.8 中心集群与 Agent 搭建：kustomize + ArgoCD 目录组织、kube-prometheus-stack 关键 values（replicas 2 / retention 30d / enableRemoteWriteReceiver / out-of-order-ingestion / 100Gi csi-disk）、入口与安全、17 集群 Agent 的采集与 remote_write 配置、搭建顺序（先通网络再铺 Agent）。 - §4.9 Grafana 搭建：清单组成、数据源（中心 Prometheus + LTS ×17）、 dashboard 代码化（ConfigMap provisioning）、看板清单。 - 原 §4.8 及其子节后移为 §4.10 / §4.10.1 / §4.10.2，§2.1 的引用同步更新。 配置取值均取自 ascend-ci-deployment/monitoring 实测清单。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
- R12（跨 Region 网络与安全合规 = 唯一硬门槛）并入 R2，R2 由「采集链路可达性」 扩为「采集链路 + 网络可达性 + 安全合规」； - 删除 R4 / R9 / R10 / R11 / R12 / R13 / R15 / R16 / R17 / R18 / R19； - 保留 R1 / R2 / R3 / R5 / R6 / R7 / R8 / R14 / R20（编号保持不重排）。 §4.10.2 覆盖链路映射表中指向已删 R13 的引用，改为直接写明前提 「日志流已配结构化解析」。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
移除 R7「#1938 覆盖范围表的机器人部分与实际部署不符」一行，以及其下的 「### R7 明细：robot-universal-review 的部署口径」整节（含映射表的两处出入 与残缺记录说明）。编号保持不重排。 §1.4 中「robot-universal-review 在 10 个社区 / 7 个集群各有一套」的结论仍保留。 Co-Authored-By: Claude Code <noreply@anthropic.com>
CLA Signature PassTangJia025, thanks for your pull request. All authors of the commits have signed the CLA. 👍 |
2 participants
背景
#1938「微服务可观测建设」的技术设计稿，子任务 #2061。
本仓此前已交付
spec/契约层 + 四语言 SDK（PR #1 ~ #4）。本文档是第三份交付物：面向评审的完整技术设计，回答 SDK 之外的三件事——底座怎么搭、26 个服务怎么接、大盘与告警怎么落地。内容
关键结论
--agent模式（本地只抓不存）remote_write汇聚到 1 个独立中心实例，换取统一大盘 + 统一告警。obs-sdk接入示例，均走 SDK 既有 API，不改各语言官方库。说明
opensourceways/infrastructure的service.yaml（集群 / 社区映射）、华为云 LTS 现网抽样、ascend-ci-deployment资源块monitoring目录。🤖 Generated with Claude Code
AI 使用声明
当前 PR 是否有 AI 参与：