STAROps 面向未知异常发现的日志智能巡检架构实践
出处：
mp.weixin.qq.com
很多人查日志，都是从一条告警开始的。接口报错了，先搜 Request ID；Pod 重启了，去找退出前的异常堆栈；用户反馈支付失败，再拿着账号和订单号回查调用过程。此时问题已经发生，日志帮助我们还原现场。但日志里留下的东西远不止故障现场。应用日志记录业务执行过程，访问日志反映流量和服务质量，审计日志记录谁在什么时间做了什么操作，Kubernetes Event 记录资源状态变化。研发用它排障，安全团队用它审计，运营团队也可以从中发现支付、库存、设备或用户行为的异常。真正容易被忽略的，是那些还没有触发告警、也没有人主动搜索的变化：一个新版本开始零星出现从未见过的异常堆栈；整体错误率看起来正常，某个 Region 却在持续恶化；一类高风险操作第一次出现在非授权时间。单独看，这些信号可能并不起眼。继续发展下去，它们也可能成为下一次大面积故障的起点。日志智能巡检要做的，是在没人提问的时候主动看一遍，并告诉我们：这里出现了一个过去没有的变化，值得现在就查。
