理解 Google Cloud 維運套件 (Operations Suite)
Google Cloud 維運套件 (Operations Suite，以前稱為 Stackdriver) 是 Google Cloud 的監控、日誌記錄和診斷解決方案。對於 Associate Cloud Engineer (ACE) 來說，理解如何觀察系統狀態並在出現問題時自動觸發警報，是確保生產環境穩定運行的關鍵。
一個健康的雲端環境不僅需要執行程式碼，還需要具備「可觀測性」(Observability)。這包括三大支柱：指標 (Metrics)、日誌 (Logs) 和 追蹤 (Trace)。
白話文解釋
1. 醫院的監護儀與病歷 (瑞士刀類比)
- Cloud Monitoring (指標)：就像病床旁的心電圖機。它即時顯示心跳、血壓（CPU、記憶體使用率）。如果心跳停了，機器會發出警報聲（警報，Alerting）。
- Cloud Logging (日誌)：就像醫生的病歷本。它詳細記錄了病人什麼時候吃了藥、什麼時候做了檢查。當病人不舒服時，醫生會去翻閱病歷（日誌分析）查找原因。
- 運作時間檢查 (Uptime Checks): 就像護士每小時巡房一次，確認病人還有呼吸。
2. 飛機的黑盒子 (工地類比)
- 日誌 (Logs): 黑盒子記錄的所有飛行參數和駕駛艙對話。如果飛機出事（系統崩潰），調查員會解析黑盒子資料。
- 指標 (Metrics): 儀表板上的高度計和油量表。機師隨時看著它們來確保飛行安全。
- Ops Agent: 就像是在引擎內部安裝的額外感測器，能提供比機殼外部觀測更深入的資料。
3. 公路上的監視器 (交通號誌類比)
- Cloud Logging: 監視器拍下的每輛車的錄影紀錄。
- 資訊主頁 (Dashboards): 交通指揮中心的電視牆。同時顯示不同路段的流量和車速趨勢。
- 通知管道 (Notification Channels): 當車禍發生時，系統自動發送簡訊給警察（Slack, Email, PagerDuty）。
Cloud Monitoring：資訊主頁與自定義指標
Cloud Monitoring 負責收集「數據指標」。
資訊主頁 (Dashboards)
資訊主頁 (Dashboards) 讓你將來自不同服務（VM, GKE, SQL）的指標視覺化。GCP 提供預設的資訊主頁，你也可以根據業務需求建立自定義資訊主頁，將關鍵效能指標 (KPIs) 集中呈現。 Source ↗
自定義指標 (Custom Metrics)
如果 Google Cloud 預設的指標（如 CPU）不夠用，你可以定義自己的指標。例如「每秒處理的訂單數」或「用戶註冊成功率」。
設定警報與運作時間檢查
這是實現自動化運維的核心。
警報政策 (Alerting Policies)
警報政策定義了什麼時候該發送通知。
- 條件 (Condition): 例如「CPU 使用率連續 5 分鐘超過 80%」。
- 通知管道 (Notification Channels): Email, Slack, PagerDuty, Webhooks。
- 事件 (Incident): 警報觸發後會產生一個事件，直到問題解決為止。
運作時間檢查 (Uptime Checks)
運作時間檢查 (Uptime Checks) 透過從全球多個地點發送請求到你的服務（URL 或 IP），來確認服務是否可用。這能發現負載平衡器故障或區域性網路問題。 Source ↗
Cloud Logging：查看與過濾日誌
Cloud Logging 是一個強大的、中心化的日誌存儲與查詢系統。
日誌瀏覽器 (Logs Explorer)
使用 日誌查詢語言 (Logging Query Language, LQL) 進行精確查詢。
resource.type="gce_instance"
severity>=ERROR
textPayload:"Connection refused"
日誌接收器 (Log Sinks，匯出)
預設情況下，日誌只保留 30 天。如果你需要長期保留（如合規需求）或進行大數據分析，你需要建立日誌接收器 (Log Sink)，將日誌匯出到 Cloud Storage、BigQuery 或 Pub/Sub。 Source ↗
當 ACE 情境要求 Cloud Logging 保存超過預設的 30 天時，答案就是建立 Log Sink：匯出到 BigQuery 做 SQL 分析、Cloud Storage 做長期低成本封存、或 Pub/Sub 串流到 SIEM。雖然可以直接延長 Log Bucket 的保存期限，但合規場景下使用 GCS sink 搭配 Archive 儲存類別通常更便宜。 Source ↗
不要假設「Audit Logs 預設永久保留」。Admin Activity audit logs 免費保留 400 天，但 Data Access audit logs 預設只保留 30 天 — 如果考題要求多年期的稽核日誌保留，你仍然必須像處理一般日誌一樣，建立 Log Sink 匯出到 Cloud Storage 或 BigQuery。 Source ↗
安裝與使用 Ops Agent
對於 Compute Engine VM，預設只能看到「外部」指標（如網路流量、虛擬機磁碟 I/O）。
Ops Agent 是安裝在 VM 內部的代理程式。它能收集「內部」指標（如作業系統層級的記憶體使用率、程序列表）以及應用程式日誌。在 ACE 考試中，如果你需要監控 VM 的記憶體 (Memory) 消耗，答案通常是安裝 Ops Agent。 Source ↗
雲端診斷：Trace, Debug 與 Error Reporting
- Cloud Trace: 追蹤請求在分散式系統中流轉的延遲。
- Cloud Debugger (已歸檔，改用 Snapshot Debugging): 在不停止服務的情況下，檢查運行中程式碼的狀態。
- Error Reporting: 自動彙整應用程式崩潰訊息，並將重複的錯誤歸類。
透過 gcloud CLI 管理維運
# 安裝 Ops Agent (經由指令)
curl -sSO https://dl.google.com/cloudagents/add-google-cloud-ops-agent-repo.sh
sudo bash add-google-cloud-ops-agent-repo.sh --also-install
# 查看日誌
gcloud logging read "resource.type=gce_instance AND severity>=ERROR" --limit 10
# 建立日誌指標
gcloud logging metrics create my-error-metric \
--description="Count errors in my app" \
--log-filter="textPayload:Error"
指令 gcloud logging read 讓你直接從終端機查詢日誌，適合快速除錯或寫腳本。配合 --limit 與標準的 Logging Query Language 過濾條件（例如 resource.type=gce_instance AND severity>=ERROR）能精準鎖定問題。
Source ↗
監控最佳實踐
- 定義 SLO (服務水準目標)：不要對所有事發送警報，只對會影響用戶體驗的事發送警報。
- 避免警報疲勞 (Alert Fatigue)：精確設定門檻值，減少無效的通知。
- 結構化日誌 (Structured Logging)：盡量將日誌以 JSON 格式輸出，方便後續查詢和過濾。
- 日誌型指標 (Log-based Metrics)：將特定的日誌（如 404 錯誤）轉換成指標，並為其設定警報。
ACE 考試的常見場景
- 情境：你發現某台 VM 的記憶體快滿了，但在 Cloud Monitoring 資訊主頁上看不到記憶體指標。
- 解決方案：在 VM 上安裝 Ops Agent。
- 情境：你需要將所有 API 呼叫記錄保存 7 年。
- 解決方案：建立 日誌接收器 (Log Sink) 並匯出到 Cloud Storage，配合 封存 (Archive) 儲存類別。
- 情境：你希望當網站打不開時，維運團隊能立刻收到 Slack 訊息。
- 解決方案：建立 運作時間檢查 (Uptime Check) 並設定 警報政策 (Alerting Policy) 指向 Slack 頻道。
常見問題 (FAQ)
Q1: Cloud Monitoring 的資料保留多久？ 答：大部分指標資料保留 6 星期，部分資料可能保留更久。如果需要更久，需匯出到 BigQuery。
Q2: 什麼是日誌型指標 (Log-based Metrics)？ 答：這讓你可以根據日誌內容建立指標。例如「日誌中出現『Login Failed』的次數」。
Q3: Ops Agent 與舊的舊版監控/日誌代理程式 (Legacy Monitoring/Logging Agent) 有什麼區別？ 答：Ops Agent 將兩者整合為一個更高效的代理程式，目前是 Google 唯一推薦的方案。
Q4: 我可以監控非 Google Cloud 的伺服器嗎？ 答：可以，透過安裝 Ops Agent，你可以監控 AWS 或本地資料中心 (IDC) 的伺服器。
Q5: Error Reporting 支援哪些語言？ 答：Java, Python, Node.js, Go, PHP, Ruby 等主流語言。
ACE 總結清單
- 明白 Ops Agent 是獲取記憶體 (Memory) 指標的唯一途徑。
- 掌握日誌接收器 (Log Sink) 的匯出目標：GCS (封存)、BigQuery (分析)、Pub/Sub (串流)。
- 了解運作時間檢查 (Uptime Check) 是外部觀測服務可用性的工具。
- 知道如何使用日誌過濾器查找特定錯誤。
- 理解警報通知管道的設定流程。