专业化的高可靠，高性能的关系型数据库服务。提供简易方便的 Web 界面管理、可靠的数据备份和恢复、完备的安全管理、完善的监控等功能。
成功的性能监控和分析需要细粒度的时序软件以及硬件工具。这些都较难找到。 那么问题就变成了什么是粗粒度，什么是细粒度呢？
初期的监控基于公司的Argus监控（日志服务器相关监控）、Monitor监控平台（业务监控）、Sia监控（可视化监控）等覆盖了一些基础的监控，但是由于缺乏体系、缺少和业务的结合，整体的效果并不理想，不少问题依然是客服和产品同学反馈
和往常一样，FreeBSD 团队在特定领域所做的工作通常是开发者社区没有解决的工作。 基金会已经资助了 Moritz Systems 公司在 FreeBSD 中开发 LLDB 调试器方面的工作。
数据监控是有效且及时的反馈出数据异常的一种手段,通过对数据的监控去观察各业务情况是否异常,进而分析数据。
那么大家知道，为什么在默认情况下Redis 会使用尽可能多的内存吗？
比如服务的某些信息不适合通过日志的方式采集，那么此时便可以通过自定义脚本或者HTTP接口的形式将该数据吐出来，通过配置自定义监控来采集这些数据便可以方便的查看这些数据以及后续的聚合计算以及报警配置。
为什么要设计监控型对象存储 写了《让PB级存储不再神秘》以后，我很久没聊过对象存储。我不想涉密去关注具体厂商的技术底实现，但会考虑通用技术可行性，做一个监控型对象存储的技术畅想。
那么如何统一配置的多样性，做到配置下发对上层业务透明呢？答案是：归类+抽象。 将不同的配置按照“目录”进行分类管理，实现统一的配置管理需求。 以文件作为载体，所有配置都以文件的形式进行管理。
这意味着，我们不可能设置统一的阈值来检测PV流量的变化情况，那么怎么办呢？ 百度策略人员研发了基于鲁棒回归的无监督突升突降检测算法，这个算法不需要设置PV阈值，即可检测流量的变化。
