可观测性破局：三支柱的终结

概述

可观测性（Observability）曾是软件工程里最被低估、也最被误解的能力。很长一段时间，行业把它等同于"监控"——堆上指标（Metrics）、日志（Logs）、追踪（Traces）这"三大支柱"，再配一个告警面板，就声称系统已可观测。但2026年的YouTube技术圈正在传递一个明确的信号：三支柱范式正在崩塌。

本期精选聚焦 Round 2「编程与开发」方向，避开已覆盖的底层语言与框架精读，转向开发者日常排障与架构决策真正依赖的"可观测性"能力。我们从理念层（Honeycomb 的 Charity Majors 推翻三支柱）、标准层（OpenTelemetry 成为可观测性的 Kubernetes）、工程实践层、系统底层（eBPF + Cilium 零插桩）、方法论层（Brendan Gregg 的 USE Method）到前沿趋势层（零接触插桩与 AI 可观测性）六个维度，精选深度内容。

核心发现是：可观测性的竞争焦点，已经从"采集更多信号"转移到"用更高基数的事件、更标准化的管线、更低侵入的采集，回答你事前没想过要问的问题"。这是一个从"已知未知的监控"走向"未知未知探索"的范式转移。

频道/视频对比总览

一、理念层：Charity Majors 与"三支柱"的崩塌

视频：Charity Majors: What is observability? — CTO of Honeycomb.io 及 Breaking the Pillars: Rethinking Observability with Charity Majors 频道/作者：Honeycomb 官方及 OpenObservability Talks；Charity Majors（Honeycomb 联合创始人兼 CTO，《Observability Engineering》合著者）

Charity Majors 是现代可观测性理念最有力的布道者。她的核心观点掷地有声："监控告诉你系统是否坏了，可观测性让你能问出系统为什么坏了——甚至问出你之前根本没想到要问的问题。" 这一段话精确区分了"监控"与"可观测性"的本质差异。

关键洞察有三：第一，传统的"日志、指标、追踪"三支柱划分是数据存储格式的偶然产物，而非认知世界的有效框架，它逼迫你在故障发生前就预定义"要看什么"；第二，真正的可观测性建立在高基数（high-cardinality）、高维度（high-dimensionality）的宽事件之上——每个事件都能按用户 ID、请求 ID、租户、版本等任意字段自由切片聚合；第三，可观测性是一种"开发体验"和"组织能力"，而非单纯工具采购。她反复强调，团队写代码的人必须能自己排查线上问题，而不是把球踢给"监控团队"。

实用价值：这套理念直接指导你评估和选型可观测性平台——能否支撑高基数任意维度切片，比"支持三种数据格式"重要得多。适合架构师、技术决策者以及任何被"告警风暴"折磨过的人。

二、标准层：OpenTelemetry 成为可观测性的 Kubernetes

视频：OpenTelemetry Is the Kubernetes of Observability | Chris Aniszczyk (CNCF)、OpenTelemetry Graduates: What It Means for AI Observability，以及联合创始人 Ted Young 在 Grafana Big Tent 播客的 OpenTelemetry Deep Dive 频道/作者：CNCF（云原生计算基金会）官方频道、OpenTelemetry 项目；Chris Aniszczyk（CNCF CTO）、Ted Young（OpenTelemetry 联合创始人）

OpenTelemetry（OTel）已从 CNCF 孵化项目中毕业（Graduated），这意味着它在成熟度、采用率和治理上达到了与 Kubernetes 同级的里程碑。Chris Aniszczyk 的判断非常犀利："OpenTelemetry 正在成为可观测性的 Kubernetes"——正如 K8s 统一了容器编排的 API，OTel 正在统一遥测数据的采集与传输标准，终结各家厂商私有 Agent 各自为政的"插桩战争"。

核心要点：第一，OTel 把可观测性拆成插桩（Instrumentation，标准化的 API/SDK）和管线（Collector，统一接收、处理、导出）两层，前者解决"怎么产生数据"，后者解决"怎么处理数据"，厂商锁定被推到了最末端；第二，OpenTelemetry 毕业后，其语义约定（Semantic Conventions）正成为云与 AI 基础设施遥测的事实标准；第三，OTel 的"大帐篷（Big Tent）"哲学让数据可同时导出到 Prometheus、Jaeger、Grafana、Datadog 等多后端。

实用价值：对工程团队而言，采用 OTel 等于买了一张可观测性的"自由换后端"期权——今天用开源栈，明天切商业 SaaS，插桩代码一行都不用改。适合平台工程团队做统一遥测架构规划。

三、实践层：让 OpenTelemetry 在生产真正跑起来

视频：Modern Observability: Making OpenTelemetry work for you — Martin Thwaites (NDC Copenhagen) 与 Demystifying OpenTelemetry: building production-ready observability 频道/作者：NDC（Norwegian Developers Conference）、Honeycomb；Martin Thwaites（可观测性资深布道师）

理念讲得再好，落地才是工程团队每天面对的难题。Martin Thwaites 的实践派分享聚焦一个核心痛点：很多人接入了 OTel，却没得到可观测性。 原因在于插桩的"质量"远比"数量"重要。

关键落地要点：第一，Collector 是生产的咽喉，必须做好采样策略（头部采样 vs 尾部采样）、批处理、重试与限流，否则一次流量高峰就能把后端打爆；第二，不要给每条 span 塞上百个属性，要学会识别"业务上有意义的边界"——一个 HTTP 请求入口、一次数据库调用、一个关键业务操作，才是值得打 span 的地方；第三，强调"上下文传播（context propagation）"是分布式追踪的灵魂，跨进程边界丢失 trace context 是最常见的"断链"元凶；第四，从"一个最痛的故障场景"反向设计插桩，而不是大而全地埋点所有东西。

实用价值：这是把 OTel 从"Demo 能跑"推进到"生产能扛"的关键一课，尤其适合正在踩采样、性能开销、跨服务断链坑的后端开发与运维工程师。

四、底层层：eBPF + Cilium 的零侵入采集

视频：eBPF for platform engineers: Deep observability and security with Cilium — Duffie Cooley、Cilium Architecture and Hubble 详解，以及 Bill Mulligan, Isovalent @ KubeCon EU 2026 频道/作者：eBPF & Cilium Community 官方频道、Isovalent；Duffie Cooley、Raymond de Jong、Bill Mulligan

如果说 OTel 解决的是"应用层如何主动上报"，eBPF 解决的则是另一个根本难题：如何在不碰一行业务代码、不重启进程的情况下，获得系统级的可观测性。 eBPF 把沙箱化的程序安全地挂载到 Linux 内核的网络、系统调用、跟踪点之上，实现"内核即观测点"。

核心洞察：第一，Cilium 用 eBPF 重写了 Kubernetes 的网络数据面，取代传统 iptables，性能更高且原生支持网络策略；其内置的 Hubble 组件提供基于流量的服务依赖图与网络可观测性，让你"看见"集群里谁在和谁通信；第二，Tetragon 把 eBPF 推向安全可观测性领域，能实时检测可疑的系统调用与进程行为，实现"零接触"的运行时安全；第三，eBPF 的最大价值是零插桩、零语言依赖——无论你的服务是 Go、Java、Rust 还是 Node，eBPF 在内核层统一捕获 HTTP/gRPC/DNS 调用，这正是 OTel 应用层插桩难以覆盖的盲区。

实用价值：对于拥有大量微服务、又无法逐一改造代码的存量系统，eBPF + Cilium + Hubble 是快速建立全集群可观测性的"银弹"。适合 Kubernetes 平台工程师、SRE 与安全工程师。配合应用层 OTel，二者形成"内核层 + 应用层"的双重视角。

五、方法论层：Brendan Gregg 与 USE Method

视频：Brendan Gregg's System Performance: The Essential Guide、The USE Method — How SREs Debug Without Guessing，以及 LISA19 - Linux Systems Performance 频道/作者：Brendan Gregg 个人演讲合集；前 Netflix 首席性能工程师，《Systems Performance》《BPF Performance Tools》作者

在所有可观测性工具背后，必须有一套方法论作为大脑，否则你面对上千个指标只会陷入"数据很多、结论没有"的窘境。Brendan Gregg 是这一领域无可争议的权威。

核心方法：第一，USE 方法（Utilization、Saturation、Errors）——对每一个资源（CPU、内存、磁盘、网络），依次检查利用率、饱和度、错误数，确保不遗漏任何瓶颈维度；第二，与面向服务的 RED 方法（Rate、Errors、Duration） 互补——RED 看请求，USE 看资源，二者结合覆盖"服务—资源"两个层面；第三，他给出了 Linux 性能工具的"全景图与决策树"，告诉你 top、iostat、perf、ftrace、bcc/bpftrace 这些工具各自解决什么问题、何时使用；第四，他最早把 eBPF/bcc 引入生产性能分析（Netflix 实践），奠定了"动态追踪"在现代可观测性中的地位。

实用价值：这是所有性能排障的"第一性原理"。无论你的系统上云与否、用什么语言，USE/RED 方法都是把"告警一堆、根因不明"变成"按图索骥、快速定位"的底层操作系统。强烈推荐给性能工程师、SRE 和任何需要救火的开发者。

六、前沿层：零接触插桩与 AI 可观测性

视频：FOSDEM 2026 - How to instrument Go without changing a single line of code、KubeCon EU 2026 Observability Day Recap，以及 Best Observability Tools Ranked (2026) 频道/作者：FOSDEM、CNCF/KubeCon 官方

2026 年的可观测性前沿有两个清晰方向：零接触插桩与 AI 可观测性。

关键趋势：第一，零接触（zero-touch）观测走向成熟——FOSDEM 2026 的演讲展示了如何在 Go 应用上不修改任何源码，仅通过 eBPF（如 Grafana Beyla）或字节码注入自动获得 HTTP/gRPC 追踪与 RED 指标。"不写一行插桩代码"从 Demo 进入了生产可用阶段，对存量代码库的观测改造是革命性的；第二，AI 工作负载带来新的可观测性维度——LLM 推理链路的 token 成本、模型版本、提示词、检索结果质量，传统 APM 完全无法覆盖，行业正围绕"AI 可观测性（LLMOps observability）"建立新标准；第三，工具生态呈现"开源大帐篷 + 商业增强"格局，Grafana 的 LGTM 栈（Loki/Tempo/Mimir/Grafana + Beyla）、Honeycomb、Datadog 各有侧重，OTel 作为统一数据层的地位进一步巩固。

实用价值：如果你在维护 Go 服务，零接触插桩能让你"今天接入、明天就有 RED 指标"；如果你在做 AI 应用，AI 可观测性是不可回避的新课题。适合关注前沿、希望降低插桩成本的工程团队。

知识图谱：可观测性的层次结构

flowchart TB
    subgraph IDEAS["理念层：范式之争"]
        A1["传统监控<br/>已知未知"]
        A2["现代可观测性<br/>未知未知"]
        A1 -->|"三支柱崩塌"| A2
    end

    subgraph DATA["信号采集层：数据从哪来"]
        B1["应用层插桩<br/>OpenTelemetry SDK"]
        B2["内核层采集<br/>eBPF / Cilium"]
        B3["零接触自动<br/>Beyla / 字节码注入"]
        B1 --> C["统一管线<br/>OTel Collector"]
        B2 --> C
        B3 --> C
    end

    subgraph METHOD["方法论层：大脑怎么想"]
        D1["USE 方法<br/>资源: 利用率/饱和度/错误"]
        D2["RED 方法<br/>服务: 速率/错误/时长"]
    end

    subgraph MODEL["数据模型层：如何表达"]
        E1["高基数宽事件<br/>任意维度切片"]
        E2["三支柱格式<br/>Metrics/Logs/Traces"]
        E2 -->|"演进"| E1
    end

    subgraph USE_CASE["应用场景层"]
        F1["传统微服务排障"]
        F2["K8s 网络与安全观测"]
        F3["AI/LLM 可观测性"]
    end

    IDEAS --> MODEL
    MODEL --> DATA
    DATA --> METHOD
    METHOD --> USE_CASE

这张图谱揭示了一条主线：理念定义"要看什么"→ 数据模型决定"能否问出任意问题"→ 采集方式决定"拿不拿得到数据"→ 方法论决定"怎么分析"→ 场景决定"如何应用"。 任何一个环节短板，都会让"可观测性"退化回"监控"。

延伸推荐

1. CNCF 官方 YouTube 频道 — KubeCon、Observability Day 全部议程录播，是云原生可观测性最权威的一手资料库，紧跟 OTel、eBPF 前沿。
2. Grafana Labs / Grafana YouTube — LGTM 栈、Tempo、Loki、Mimir、Beyla 的深度技术演示，开源可观测性栈的实战宝典。
3. OpenObservability Talks — 以 Charity Majors、Liz Fong-Jones 为代表的播客系列，理念思辨与行业回顾并重，适合构建可观测性的"世界观"。
4. Brendan Gregg 演讲播放列表 — 系统性能与 eBPF 追溯的源头，方法论学习的必看合集，配合其著作《Systems Performance》食用更佳。
5. Isovalent / eBPF & Cilium Community — eBPF 与 Cilium 生态最前沿的教程与 KubeCon 见闻，零侵入观测的实践指南。

参考来源

1. Can OpenTelemetry Save Observability in 2026? | Platform Engineering — OpenTelemetry 以95%采用率赢得插桩战争，但真正的战场在数据质量。
2. OpenTelemetry Is the Kubernetes of Observability | Chris Aniszczyk, CNCF CTO — CNCF CTO 阐述 OTel 作为可观测性统一标准的定位与意义。
3. Breaking the Pillars: Rethinking Observability with Charity Majors — Honeycomb CTO 推翻"日志/指标/追踪"三支柱，倡导高基数事件范式。
4. eBPF for platform engineers: Deep observability and security — Duffie Cooley, Isovalent — eBPF + Cilium 在零侵入可观测性与安全方向的入门到进阶。
5. The USE Method — How SREs Debug Without Guessing — Brendan Gregg 的 USE 性能排障方法论精要。

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。