1. 课程导论：为什么需要链路监控与告警联动，Jaeger与Prometheus生态概述
1.1 从单体到微服务：监控的断裂与重构
在单体应用时代，监控相对简单：一台或几台服务器，一个进程，日志、指标、健康检查基本能覆盖所有问题。但当架构演进为微服务、Serverless、服务网格后，一个用户请求可能穿越数十个服务节点、跨越多个数据中心、依赖不同的中间件和数据库。此时，传统的监控手段出现了三个核心断裂：
- 调用链断裂：无法追踪一个请求在服务间的完整流转路径，故障定位如同大海捞针。
- 指标与日志割裂：Prometheus 告诉你 CPU 飙高，但不知道是哪个请求导致的；ELK 告诉你日志报错，但不知道对整体延迟的影响。
- 告警无上下文：收到一条“P99 延迟 > 500ms”的告警，却无法快速关联到具体的调用链、错误栈和上下游依赖。
1.2 为什么需要链路监控与告警联动？
链路监控（Distributed Tracing）与告警（Alerting）的联动，不是简单的“把两个工具拼在一起”，而是构建一种 事件驱动、上下文丰富、根因可追溯 的运维新范式。其核心价值体现在三个层面：
| 维度 | 传统分离模式 | 联动模式 |
|---|---|---|
| 故障发现 | 指标告警触发，人工登录多系统查日志和链路 | 告警自动携带 Trace ID，一键跳转至故障链路详情 |
| 根因定位 | 依赖经验猜测，平均定位时间（MTTR）以小时计 | 通过链路拓扑和 Span 标签，快速定位故障服务与代码行 |
| 容量规划 | 基于粗略的指标水位，容易过度或不足 | 基于真实请求链路的依赖关系和延迟分布，精准扩容 |
| SLO 管理 | 仅监控服务级别指标，无法区分慢请求类型 | 按链路标签（如 API 版本、用户等级）细分 SLO 达成情况 |
简单来说，联动让告警从“告诉你系统病了”升级为“告诉你哪里病了、病因是什么、影响范围有多大”。
1.3 Jaeger 与 Prometheus 生态概述
本课程选择 Jaeger 和 Prometheus 作为核心技术栈，是因为它们分别是链路追踪和指标监控领域的事实标准，且拥有活跃的开源社区和丰富的集成能力。
1.3.1 Prometheus：指标监控与告警引擎
Prometheus 是一个开源的系统监控和告警工具包，其核心是 拉取（Pull）模型 和 多维数据模型。它通过定期从目标（Target）抓取指标数据，存储在本地时序数据库中，并通过 PromQL 查询语言进行聚合与分析。其告警能力由 Alertmanager 组件负责，支持分组、抑制、静默和路由到不同的接收器（如邮件、钉钉、PagerDuty）。
- 核心优势：简单可靠、多维标签、强大的 PromQL、与 Kubernetes 原生集成。
- 在联动中的角色：作为告警的“大脑”，负责定义告警规则（如延迟、错误率、饱和度），并在触发时发出包含上下文信息的告警通知。
1.3.2 Jaeger：分布式链路追踪系统
Jaeger 是受 Dapper 和 OpenZipkin 启发，由 Uber 开源并捐赠给 CNCF 的分布式追踪系统。它主要用于监控和排查微服务架构中的请求延迟和错误。Jaeger 的核心组件包括：
- Agent（代理）：作为 Sidecar 或 DaemonSet 运行，负责接收应用发出的 Span 数据并批量上报。
- Collector（收集器）：接收 Agent 或应用直推的 Span，进行校验、索引和存储。
- Query（查询服务）：提供 API 和 Web UI，支持按服务、操作、标签、时间范围检索 Trace。
- Storage（存储后端）：支持 Cassandra、Elasticsearch、Kafka 等，用于持久化 Span 数据。
1.4 Jaeger 与 Prometheus 联动架构总览
下面的 SVG 图展示了本课程将要构建的联动架构。核心思路是：Prometheus 负责指标采集与告警，Jaeger 负责链路追踪与根因分析，两者通过告警中的 Trace ID 和标签进行关联。
1.5 课程核心能力与学习路径
通过本课程，你将掌握以下核心能力：
- 独立部署与配置：在生产环境或开发环境部署 Jaeger 和 Prometheus 集群，并配置高可用存储。
- 应用接入与埋点：使用 Jaeger Client（如 Go、Java、Python SDK）对微服务进行无侵入或低侵入的链路埋点。
- 告警规则编写：基于 PromQL 编写针对链路延迟、错误率、吞吐量的告警规则，并配置 Alertmanager 路由。
- 联动集成开发：开发或配置中间件，实现告警通知自动携带 Trace ID，并支持一键跳转 Jaeger UI。
- 故障演练与排障：通过混沌工程注入故障，实战演练从告警触发到根因定位的完整流程。
- 生产级最佳实践：涵盖采样策略、存储优化、成本控制、多租户隔离等进阶话题。