1. 课程导论：云原生可观测性三支柱与 Loki 压测沙盘
1.1 云原生可观测性三支柱概述
在云原生架构中，可观测性（Observability）是保障系统稳定性的核心能力。业界公认的三大支柱分别为：日志（Logs）、指标（Metrics） 和 链路追踪（Traces）。三者从不同维度提供系统运行状态的可见性，缺一不可。
| 支柱 | 数据特征 | 典型工具 | 核心用途 |
|---|---|---|---|
| 日志（Logs） | 离散、带时间戳的文本记录 | Loki, ELK, Splunk | 故障根因定位、审计、详细事件追溯 |
| 指标（Metrics） | 聚合、数值型时间序列 | Prometheus, VictoriaMetrics | 实时监控、告警、容量规划、趋势分析 |
| 链路追踪（Traces） | 请求级调用链、Span 上下文 | Jaeger, Tempo, Zipkin | 分布式请求延迟分析、服务依赖拓扑 |
核心认知：三支柱并非相互替代，而是互补关系。日志告诉你“发生了什么”，指标告诉你“系统有多严重”，链路告诉你“问题出在哪个环节”。
1.2 Loki 在日志生态中的定位
Loki 是 Grafana Labs 推出的云原生日志聚合系统，其设计哲学与 Prometheus 高度一致：不全文索引日志内容，仅索引标签（Labels）。这使得 Loki 在存储成本和查询效率上，与传统的 ELK（Elasticsearch）栈形成鲜明对比。
| 对比维度 | Loki | ELK（Elasticsearch） |
|---|---|---|
| 索引策略 | 仅索引标签，日志内容压缩存储 | 全文索引，倒排索引 |
| 存储成本 | 低（压缩比高，无需大量索引空间） | 高（索引膨胀，通常为原始数据 1.5-2 倍） |
| 查询语言 | LogQL（类 PromQL 语法） | DSL（JSON 查询） |
| 与 Prometheus 集成 | 原生集成，共享标签体系 | 需额外适配层 |
| 适用场景 | Kubernetes 日志、云原生环境 | 复杂全文搜索、业务分析 |
在云原生可观测性体系中，Loki 承担着 低成本、高可用的日志存储与查询 角色，与 Prometheus（指标）和 Tempo（链路）共同构成 Grafana 可观测性栈。
1.3 etcd 压测沙盘整体架构
本课程构建的 etcd 压测沙盘，是一个面向生产级 etcd 集群的日志与指标压测实验环境。其核心目标是通过模拟高负载场景，验证 Loki 在日志采集、指标提取、告警分层方面的实战能力。
沙盘组件清单
- etcd 集群：3 节点，模拟分布式键值存储，产生大量操作日志（raft、watch、lease 等）。
- 压测工具：基于
benchmark或自定义脚本，生成读写混合负载。 - 日志采集层：Promtail 作为 Agent，采集 etcd 日志并推送至 Loki。
- 日志存储与查询：Loki 集群（含 ingester、querier、distributor 组件）。
- 指标与告警：Prometheus 采集 etcd 自身指标 + Loki 日志衍生指标，通过 Alertmanager 实现分层告警。
- 可视化层：Grafana 统一展示日志、指标、告警状态。
实验目标
- 日志采集压测：验证 Promtail 在高日志吞吐量下的采集稳定性与资源消耗。
- 日志指标提取：通过 LogQL 从日志中提取延迟、错误率、Raft 选举次数等关键指标。
- 告警分层实战：基于日志衍生指标，构建 P0/P1/P2 三级告警规则，并验证告警触发与收敛效果。
- 故障注入与恢复：模拟 etcd 节点故障、网络分区，观察日志与指标联动表现。