为什么需要可观测性 · 从「监控」到「自证」
可观测性和监控不是同义词。这一章讲清两者的分野——监控回答「你预先想到要问的问题」，可观测性回答「你没想到的问题」，以及为什么分布式系统把后者从奢侈品变成了必需品。
为什么需要可观测性 · 从「监控」到「自证」
“可观测性”（Observability）这个词这几年被用滥了，很多人把它当成“监控”的时髦说法。但两者有真实且重要的区别——搞清楚这个区别，是理解后面所有技术选择的前提。
监控 vs 可观测性：已知的未知 vs 未知的未知
监控（Monitoring）回答的是“你预先想到要问的问题”；可观测性（Observability）回答的是“你没想到的问题”。
- 监控 —— 你事先知道要盯什么：CPU 超过 80% 告警、磁盘满了告警、错误率超阈值告警。你列出一张“可能出问题的清单”，挨个装上探针。这对付的是已知的未知（known unknowns）——你知道 CPU 可能会高，只是不知道何时。
- 可观测性 —— 系统吐出足够丰富的数据，让你能在事后提出当初没想到的问题并得到回答：“为什么只有华东区、只有安卓端、只有下单接口、只在昨晚 8 点那一刻变慢？”这对付的是未知的未知（unknown unknowns）——你事先根本不可能把这个组合列进清单。
一句话：监控是“检查清单”，可观测性是“提问能力”。监控告诉你“出事了”，可观测性告诉你“为什么出事”。
这个区别不是文字游戏。它决定了你采集什么数据：监控思维下，你只存“CPU 使用率”这一个数；可观测性思维下，你存的是带维度的数据（哪台机器、哪个服务、哪个版本、哪个区域），因为你不知道未来会想按哪个维度切。这就是为什么 Prometheus 的数据模型是“指标名 + 一堆标签”而不是一个孤零零的数字——标签就是你未来提问的自由度。
为什么现在才成为必需品
单体应用时代，出问题就上机器 tail -f 日志、gdb 挂上去，基本够用。分布式系统把这套彻底废掉了：
分布式系统让传统调试手段集体失效——这才是可观测性从“奢侈品”变成“必需品”的根本原因。
- 没有“那台机器” —— 一个请求穿过网关、鉴权、订单、库存、支付十几个服务，分布在几百个容器上，容器还随时被调度走。你
tail哪一台？ - 问题不可复现 —— 故障常源于特定的时序、特定的并发、特定的数据组合。“昨晚 8 点那 3 秒” 不会以同样方式重来，断点调试无从下手。
- 故障是涌现的 —— 每个服务的指标都“正常”，但组合起来系统就是慢。根因可能是某个服务的重试放大了下游压力——没有任何单点数据能显示这一点，只有把数据关联起来才看得见。
于是唯一的出路是：让系统在运行时主动吐出足够的数据，事后无需复现就能重建现场。这不是给系统“加个功能”，而是把“可被理解”当成系统的一等设计目标。
读过本站 WebRTC 专栏第 11 部分的话，你会发现这个逻辑一模一样：WebRTC 的 bug 在别人的网络里、无法复现、跨十几个子系统，所以它必须内建 getStats 和 RtcEventLog。任何跑在你控制不了的环境里的复杂系统，最终都会长出自己的可观测性体系——只是形态不同。
一个具体的例子
抽象说不清，来个具体的。假设你的下单接口 P99 延迟从 200ms 涨到 2s：
监控只能告诉你第一格：“慢了”。而可观测性让你能一路按任意维度追问下去，直到找到“node-7 磁盘 IO 饱和”这个根因。注意这条追问链上的每一步，都是你事先没写进任何告警规则的问题——你不可能预先想到“如果 node-7 的磁盘满了，下单会慢”。这就是可观测性的价值：保留提问的自由度。
代价不是免费的
必须说清另一面：可观测性不便宜。
- 性能代价 —— 埋点要占 CPU、内存、网络。高频路径上加一个指标，可能就影响吞吐。
- 存储代价 —— 维度越多，数据量指数级膨胀。这就是第 8 部分要专门讲的“基数爆炸”——可观测性的头号杀手，很多团队的监控账单比业务服务器还贵。
- 认知代价 —— 数据太多、面板太杂，反而没人看得懂，告警多到全员免疫。
所以整个可观测性工程，本质是在**“看得见” vs “付得起”** 之间反复权衡。你在后面会一次次看到这个矛盾：采样为什么存在、直方图为什么只存桶而不存每个值、Prometheus 为什么不存原始日志——答案都指向这条轴。
小结与下一章
监控回答你预先想到的问题（已知的未知），可观测性回答你没想到的问题（未知的未知）——前者是检查清单，后者是提问能力。这个区别决定了要采集带维度的数据（标签 = 未来提问的自由度）。它从奢侈品变成必需品，是因为分布式系统废掉了传统调试（没有“那台机器”、不可复现、故障是涌现的），只能让系统自证。但它有性能 / 存储 / 认知三重代价，整个工程都在“看得见 vs 付得起”间权衡。
那么，系统到底该吐出什么样的数据？业界的答案是“三大支柱”。下一章看它们各自回答什么问题。👉 三大支柱：Metrics、Logs、Traces。
参考资料
- [1] Charity Majors 等《Observability Engineering》（可观测性 vs 监控的经典论述）。
- [2] Google《SRE Book》第 6 章 Monitoring Distributed Systems。
- [3] 关联本站 WebRTC 专栏的可观测性部分（同一逻辑的另一个领域样本）。