1. 课程导论：Golden Signals 概念起源与 Loki 定位
1.1 Golden Signals 的起源：Google SRE 的四大黄金指标
2016 年，Google 在《Site Reliability Engineering》一书中正式提出了 Golden Signals（黄金信号） 的概念。这是 SRE 团队从海量监控数据中提炼出的四个最核心、最通用的指标维度，用于快速判断一个分布式系统的健康状态。
| 黄金信号 | 核心含义 | 典型问题 |
|---|---|---|
| 延迟（Latency） | 请求从发出到收到响应所花费的时间 | 接口响应慢、数据库查询耗时高 |
| 流量（Traffic） | 系统当前承载的请求量或数据量 | QPS 突增、带宽打满 |
| 错误（Errors） | 请求失败的比率或数量 | HTTP 5xx、业务异常码、超时 |
| 饱和度（Saturation） | 系统资源被使用的程度 | CPU 满载、内存 OOM、磁盘 IO 瓶颈 |
关键认知： Golden Signals 并非替代所有监控指标，而是提供一套最小完备集。当这四个信号同时出现异常时，几乎可以断定系统正在经历一次严重故障。
1.2 为什么日志是 Golden Signals 的重要数据源
指标（Metrics）和链路（Traces）虽然能快速定位“哪里慢了”或“哪里错了”，但往往无法回答“为什么”。日志（Logs）恰好填补了这一空白：
- 错误信号（Errors）的根因定位： 指标只能告诉你错误率上升，日志能告诉你具体的异常堆栈、错误码和请求参数。
- 延迟信号（Latency）的细节分析： 指标显示 P99 延迟飙升，日志可以按请求 ID 逐行排查慢查询、外部调用超时等细节。
- 饱和度信号（Saturation）的上下文： 指标显示磁盘使用率 95%，日志能揭示是哪个应用在持续写入大量数据。
- 流量信号（Traffic）的异常模式： 日志中的 User-Agent、来源 IP、请求路径能帮助区分正常流量与爬虫或攻击流量。
一句话总结： 指标告诉你“系统病了”，日志告诉你“病因是什么”。没有日志的 Golden Signals 是不完整的。
1.3 Loki 在可观测性中的定位
在可观测性三大支柱（Metrics、Logs、Traces）中，Loki 专攻 日志聚合与分析。与传统的 Elasticsearch 日志方案不同，Loki 的设计哲学是：
- 低成本索引： 不对日志内容建立全文索引，只对标签（Labels）建立索引，大幅降低存储成本。
- 与 Prometheus 原生集成： 使用相同的标签模型，让指标和日志可以无缝关联查询。
- LogQL 查询语言： 语法与 PromQL 高度相似，降低 SRE 工程师的学习成本。
下图展示了 Loki 在典型可观测性技术栈中的位置：
1.4 为什么选择 Loki 作为日志 Golden Signals 的承载平台
| 对比维度 | 传统方案（ELK） | Loki 方案 | 对 Golden Signals 的价值 |
|---|---|---|---|
| 索引策略 | 全文索引，存储成本高 | 标签索引，内容不索引 | 降低存储成本，可保留更长时间日志 |
| 查询语言 | Lucene / ES DSL | LogQL（类 PromQL） | SRE 无需学习两套语法，降低认知负担 |
| 与 Prometheus 集成 | 需额外中间件 | 原生标签对齐 | 指标与日志可一键跳转关联分析 |
| 部署复杂度 | 较重（需 ES 集群） | 轻量（单二进制或微服务） | 快速搭建，适合云原生环境 |
注意： Loki 并非万能。对于需要全文搜索（如模糊匹配日志正文中的任意关键词）的场景，Loki 的查询性能可能不如 Elasticsearch。但在 Golden Signals 的典型场景中——按标签过滤、按时间范围聚合、按错误级别统计——Loki 的表现非常出色。
1.5 本章小结：从 Golden Signals 到 Loki 实战
本课程将围绕以下核心路径展开：
- 理解 Golden Signals —— 掌握四个黄金指标的本质与日志在其中扮演的角色。
- 掌握 Loki 基础 —— 部署、配置、LogQL 查询语法。
- 设计日志 Golden Signals 指标 —— 如何从原始日志中提取延迟、流量、错误、饱和度信号。
- 构建 Grafana 仪表盘 —— 将日志指标可视化，并与 Prometheus 指标联动。
- 告警与 SLO 落地 —— 基于日志 Golden Signals 设置告警规则，量化服务可靠性。