遥测流
1）目的和上下文
遥测流提供了有关平台运行的观测数据的连续涌入：发生了什么，为什么以及花费多少。在iGaming中，这是早期发现存款/赌注降解，外部提供商（PSP/KYC/游戏工作室）的可见性以及可证明的SLO/合规性的关键。
2）遥测源图
度量（TSDB）：RED/USE，商业SLI（授权成功，利率成功）。
Traces （OTel）：前端查询链→ API →经纪人→ DB/PSP。
Logs（结构化）：事件、操作审核、错误。
RUM：TTFB/LCP，JS错误，地理/设备。
合成：来自不同GEO的外部试用交易（登录/存款/"沙滩"利率）。
低级遥测：eBPF/CPU/IO/alloc，网络p95/p99。
外部状态：PSP/KYC/CDN/WAF webhooks/池。
3）标准和计划
OpenTelemetry作为lingua franca：统一属性语义（服务）。name, deployment.environment, enduser.id-伪装，trace/SpanID，PSP码）。
方案约定：转换，Logs/Trace的方案，仅通过二进制标志和宽限期的"突破性变化"。
Correlation-ID：单个"correlation_id"用于在度量值中通过所有层+exemplars进行支付/投注。
4）无花果输送机（高水平）
1.生产者：SDK/代理商/收集器（节点上的OTel Collector）。
2.边缘缓冲：具有限制的本地队列（内存/磁盘）。
3.Transport： gRPC/HTTP OTLP →带有idempotency密钥的消息代理（Kafka/Pulsar）。
4.处理器：正常化，富集（GEO/tenant/通道），PII过滤器，精细采样。
5.Fan-out：在TSDB（度量）中，在轨道存储中，在日志系统中，在lake/DWH中，在alerting/规则中。
6.消费者：dashbords，SLO-alerta（burn-rate），调查，状态页面，自动门发布。
5） QoS和线程类
A类（实时，P1）： SLI/SLO，合成剂，关键提供商（PSP/KYC）。交付的SLA： <5-10 c, ≥99。9%.
B类（运营）：RCA，SLA的预告片/标志：<1-2分钟。
C类（分析）：湖泊/DWH的单位和蹦床，SLA：每小时。
类路由→优先级、不同的转义、单独的队列/拓扑。
6）采样，聚合，重组
度量：历史序列（1s→10s→1m）的下游，胡椒聚合，exemplars。
Traces：基于尾巴的采样（提高异常、PSP错误、p99-"爆发"的比例）。
Logs：按轮廓、压缩、噪音丢弃（健康品格、销售DEBUG-禁止）。
重建："热"（7-14天的部件）,"冷"（单元/存档）。每类数据策略和成本。
7）隐私和合规性
PII卫生：身份伪装/令牌化；在遥测中禁止CUS/卡令牌文档。
地理位置化：跨辖区的存储；导出-仅通过批准的工作流（加密、TTL、审核）。
访问控制：遥测存储的RBAC/ABAC，上载的SoD。
8）线程可靠性
相似性：事件的钥匙，处理器中的去势。
Backpressure：按特南特/服务喷射限制；过载时低优先级字段的drop策略。
Replays：存储在≥72 h经纪人中进行重新处理。
Dead-letter：将错误（电路、大小、PII违规）路由到带有警报的安全的DLQ。
转化：电路变化（v1+v2）和消费者迁移时的"双线程"。
9） Multi-tenant和隔离
每个事件中的"tenant_id/brand/region"标签；常设配额和预算。
通过拓扑隔离A/B流；showback/chargeback通过喷射和存储。
导出时伪装/聚合到tenant边界。
10）线程目录（示例字段）
ID： 'telemetry。payments.auth.success.rate.eu`
班级： A（实时）
Схема: `{timestamp, tenant, region, psp, bank_bin_group, success_rate, window}`
资料来源： OTel Collector+PSP-router metrics
消费者： SLO-Alerta, Exec-dashbord, Status Page
重组： 热30天，聚合12个月
所有者： Payments SRE，dpo-owner（隐私）
流SLO： 延迟<10 c p95，损失<0。1%/天
11）与Alerting和发行版集成
SLO-alerta按燃烧率（快速/慢速窗口）进行存款/投注。
Release-gates：SLI的金丝雀分析；退化时自动停止/滚回。
状态页面：事件卡+SLI分组更新。
12）一组关键的dashbords
高管：药房，烧毁率，授权/投注成功（通过GEO/PSP），提供商状态，$/RPS遥测。
SRE/平台：RED/USE按服务，lag队列，outlier检测，eBPF配置文件。
Payments/Risk：按银行/PSP，软/硬标记，KYC SLA，早期充电信号转换。
Cost-obs：按来源排列的喷射量，按基数排列的顶级标签，按线程排列的成本。
13）可观察性财务（FinOps）
KPI价值：$/GB ingest，$/trace，$/SLI-dashbord；关于"重"指标和标签的报告。
优化：聚合和降级,动态采样,清理聊天日志,存储类的重要性。
政策：高红衣主教配额，排放频率限制，每季度对计划进行一次审查。
14）流程和角色
Data/Observability Owners на домены (Payments, Games, Core API, Infra).
电路的变更控制：公关评论，测试台，消费者兼容性。
Tabletop/Chaos-days：提供商断开连接，经纪人过热，背景调查/偶发性检查。
Mortem后：包括遥测分析（信号充足、误报、成本）。
15）实施路线图（8至12周）
奈德。1-2：流量审核、源映射、SLO遥测目标、标准选择（OTel、TSDB、跟踪、日志）。
奈德。3-4： OTel收集器,单个correlation-ID,基本RED/USE+业务SLI按存款/投注,流目录v0。
奈德。5-6：基于tail的采样、GEO合成、DLQ/相容性、隐私过滤器。
奈德。7-8：finOps面板（ingest/retention），downsampling，基数配额，SLO-alerta（burn-rate）。
奈德。9-10：eBPF/低级信号，状态页面，发布门。
奈德。11-12：混沌测试，成本优化，流形式化SLA，启动季度计划审查。
16）工件模板
Telemetry Stream Spec：id，所有者，计划，QoS类，来源，消费者，重组，SLO/Alerts，隐私政策。
Schema PR Template：更改/迁移、兼容性、测试、回滚计划。
采样政策：异常情况下提高采样的规则；目标预算。
Cost Review Pack：$/价值最高的来源,TTL/聚合优惠。
事件远程检查列表：RCA 需要的图形/预告片/logs列表。
17） KPI/KRI遥测流
交货：p95类延迟，每天丢失消息的百分比。
覆盖范围：关键路径的比例为>90%, SLI比例为封闭度量。
信号质量：投诉前通过SLI捕获的事件百分比，虚假/遗漏的异常。
费用：遥测$/RPS，$/trace，"噪音"在工程中的份额。
可靠性： 经纪人退化的恢复时间,反射量.
18）反模式
TSDB中的高碱度度量（userId，sessionId）。
单个"黑匣子"标志，没有结构和图案。
缺少DLQ/幂等性 →双倍和峰值损失。
没有FinOps的"无限"复仇→账户的指数增长。
无业务背景（PSP/银行/GEO）的跟踪→诊断能力较弱。
团队之间的不协调模式→打破消费者。
底线
遥测流是一个可控的多层系统：OTel标准和电路→带有QoS和后压的可靠喷射→采样/聚集和延展成本→隐私和多重隐蔽隔离→ SLO-Alerta，dashborda和发布门。这样的回路产生早期信号，快速RCA，可预测的成本以及iGaming平台在峰值模式下的稳定性。