什么是指标、日志和追踪，你什么时候使用每一种？

Question

Accepted Answer

这些是**可观测性的三大支柱**。它们回答不同的问题：指标告诉你**存在**问题，日志告诉你**发生了**什么，追踪告诉你在分布式流中**哪里**消耗了时间或出现了错误。

## 三大支柱

```text
METRICS  aggregate numbers over time (counters, gauges, histograms)
         → cheap, low cardinality, great for trends & ALERTING
         → e.g. error rate = 2%, p99 latency = 800ms

LOGS     discrete, timestamped events with detail (often structured JSON)
         → rich context for DEBUGGING a specific request
         → e.g. {"level":"error","user":123,"msg":"payment declined"}

TRACES   the path of one request across services, with timing per span
         → shows latency BREAKDOWN and where a call fails
         → e.g. checkout 800ms = api 50ms + db 700ms + email 50ms
```

## 何时使用每一种——一个事件

```text
1. METRIC alerts: "checkout p99 latency jumped to 2s"   → you know THERE's a problem
2. TRACE a slow request: 1.8s of 2s is spent in the inventory service
                                                        → you know WHERE it is
3. LOGS of the inventory service at that time: "slow query: missing index"
                                                        → you know WHAT happened
```

指标将问题范围缩小到一个症状和时间窗口；追踪将其定位到某个服务或调用；日志提供确切原因。不通过指标而直接查看日志就像盲目搜索。

## 成本和基数

指标是聚合的，即使在大规模情况下也保持成本低廉——非常适合始终开启的仪表板和告警。日志和追踪是按事件计费且成本昂贵的，因此通常会被**采样**，并在调查期间按需查询。

## 为什么这很重要

使用错误的支柱会浪费时间：你无法在原始日志上有效地设置告警（噪音太多，成本太高），也无法从聚合的指标来调试某个特定失败的请求。了解指标用于检测、追踪用于定位、日志用于解释，可以让你从"出问题了"快速、可重复地找到根本原因。