01
监控体系概述
什么是监控、为什么需要监控、MTTR/MTBF、黄金信号（延迟·流量·错误·饱和度）
黄金信号MTTR
02
监控数据采集
指标·日志·链路三大支柱，推拉模式对比，Telegraf / Node Exporter 选型
MetricsLogsTraces
03
核心指标详解
CPU·内存·磁盘·网络，USE方法（利用率/饱和度/错误），RED方法
USERED
04
Prometheus入门
架构与核心概念，Pull模型，PromQL基础：Gauge/Counter/Histogram/Summary
PromQLPull
05
PromQL进阶
聚合操作(sum/avg/max/min)、Rate/Increase、Histogram分位数、子查询与告警规则
聚合分位数
06
告警规则设计
Prometheus告警语法，表达式技巧，分组/抑制，静默与生命周期管理
分组抑制
07
Alertmanager实战
架构·路由树·接收器(邮件/钉钉/企微/Slack)，去重与分组策略
路由接收器
08
Grafana可视化
数据源配置，仪表盘设计，变量与模板，告警面板与通知集成
仪表盘变量
09
日志监控体系
ELK/EFK架构，Logstash vs Fluentd，日志采集解析与告警规则
ELKFluentd
10
链路追踪入门
OpenTelemetry标准，Jaeger vs Zipkin，分布式追踪原理，Span/Trace
OpenTelemetryJaeger
11
黑盒监控
探活机制(HTTP/TCP/ICMP)，Blackbox Exporter，SSL证书过期，API端点监控
探活SSL
12
白盒监控
应用埋点(Prometheus Client)，业务指标暴露，自定义Metrics，性能采集
埋点自定义
13
容器监控
Docker监控，cAdvisor，Kubernetes监控架构，kube-state-metrics & Metrics Server
cAdvisorK8s
14
Kubernetes监控进阶
Pod自动发现，ServiceMonitor/PodMonitor，事件监控，集群资源预测
自动发现预测
15
云服务监控
AWS CloudWatch，阿里云CMS，腾讯云监控，多云统一方案
CloudWatch多云
16
告警通知优化
告警分级(P0-P4)，值班表管理，升级策略，告警认领与协同
分级值班
17
告警风暴治理
告警聚合策略，依赖分析，降噪，事件关联分析
聚合降噪
18
SLO与SLI设计
服务等级目标定义，SLI指标选择，SLO燃烧率，错误预算管理
SLO错误预算
19
容量规划
容量监控指标，趋势预测，资源水位线，弹性伸缩策略
容量弹性伸缩
20
监控自动化
自动发现，配置即代码(GitOps)，监控模板化，批量部署
GitOps模板化
21
高可用监控架构
Prometheus高可用(Thanos/Cortex)，数据持久化，联邦集群，跨区域监控
Thanos联邦
22
监控数据存储
时序数据库原理，压缩与保留策略，长期存储(S3/GCS)，降采样
时序库降采样
23
安全监控
安全事件监控，入侵检测指标，异常流量分析，合规审计
安全合规
24
业务监控
用户行为，转化率，收入指标，业务健康度评分
转化率健康度
25
监控告警最佳实践
阈值设置技巧，响应SLA，告警复盘，持续改进机制
SLA复盘
26
监控平台选型
开源对比(Prometheus/Zabbix/Nagios)，商业对比(Datadog/Dynatrace)，决策矩阵
选型对比
27
监控体系建设
从0到1搭建，团队协作，文档知识库，运维文化建设
体系协作
28
告警自动化处理
Webhook集成，自动化脚本，ChatOps，告警自愈方案
Webhook自愈
29
监控数据可视化大屏
大屏设计原则，实时数据，地理信息可视化，业务大盘
大屏实时
30
监控告警未来趋势
AIOps智能告警，eBPF技术，可观测性演进，FinOps成本监控
AIOpseBPF