背景最近这段时间在处理一个 StarRocks 的关于物化视图优化的一个问题，在此之前其实我也没有接触过 StarRocks 这类主要处理数据分析的数据库，就更别提在这上面做优化了。 在解决问题之前我先花了一两天时间熟悉了一下 StarRocks 的一些概念和使用方法，然后又花了一些时间搭建环境然后复现了该问题。 之后便开始阅读源码，大概知道了相关代码的执行流程，但即便是反复阅读了多次代码也没有找

最近有时间又把以前开源的 IM 消息系统捡起来继续开发了（确实这些年经常有朋友催更）。 没错，确实是这些年，因为上次发版还是再 2019 年的八月份。 这段时间比较重大的更新就是把元数据中心抽离出来了，以前是和 zookeeper 的代码强耦合在一起的，重构之后可以有多种实现了。

背景因为公司内部在使用 PowerJob 作为我们的分布式调度系统，同时又是使用 OpenTelemetry 作为可观测的底座，但目前 OpenTelemetry 还没有对 PowerJob 提供支持，目前社区只对同类型的 XXL-JOB 有支持。 恰好公司内部也有一些开发同学有类似的需求： 于是在这个背景下我便开始着手开发 PowerJob 的 instrumentation，最终的效果如下：

23 年在 ChatGPT 刚出来的时候就在 V 站上看到有一个看到有大佬用自己的微信聊天记录和博客文章生成了一个 AI 替身：

可观测性概念当一个软件或系统出于运行状态时，如果我们不对他加以观测，那它的运行状态对我们来说就是一个黑盒。 如上图所示。 我们只能通过业务的表象来判断它是否正常运行，无法在故障发生前进行预判，从而只能被动解决问题。

前言在前面两篇实战文章中： OpenTelemetry 实战：从零实现分布式链路追踪 OpenTelemetry 实战：从零实现应用指标监控 覆盖了可观测中的指标追踪和 metrics 监控，下面理应开始第三部分：日志。 但在开始日志之前还是要先将链路追踪和日志结合起来看看应用实际使用的实践。 通常我们排查问题的方式是先查询异常日志，判断是否是当前系统的问题。 如果不是，则在日志中捞出 tra

前言 最近在给 opentelemetry-java-instrumentation 提交了一个 PR，是关于给 gRPC 新增四个 metrics： rpc.client.request.size: 客户端请求包大小 rpc.client.response.size：客户端收到的响应包大小 rpc.server.request.size：服务端收到的请求包大小 rpc.server.respo

前言在上一篇文章：OpenTelemetry 实战：从零实现分布式链路追踪讲解了链路相关的实战，本次我们继续跟进如何使用 OpenTelemetry 集成 metrics 监控。 建议对指标监控不太熟的朋友可以先查看这篇前菜文章：从 Prometheus 到 OpenTelemetry：指标监控的演进与实践

背景之前写过一篇 从 Dapper 到 OpenTelemetry：分布式追踪的演进之旅的文章，主要是从概念上讲解了 Trace 在 OpenTelemetry 的中的场景和使用。 也写过一篇 实操 OpenTelemetry：通过 Demo 掌握微服务监控的艺术：如何从一个 demo 开始集成 OpenTelemetry。 但还是有不少小伙伴反馈说无法快速上手（可能也是这个 demo 的项目比较

之前分享过如何快速上手开源项目以及如何在开源项目里做集成测试，但还没有讲过具体的实操。 今天来详细讲讲如何写单元测试。 🤔什么情况下需要单元测试这个大家应该是有共识的，对于一些功能单一、核心逻辑、同时变化不频繁的公开函数才有必要做单元测试。 对于业务复杂、链路繁琐但也是核心流程的功能通常建议做 e2e 测试，这样可以保证最终测试结果的一致性。