可观测性
是谁在观测？
区分关键信息和噪音
人的直觉用在哪？风险的预判
你的直觉会告诉你，后半段那段密集的绿色占比好像和其他有什么不一样，将整体的裤 CPU 使用率推高了，感觉有问题的样子，没错，这大概就是正确的方向，好的可视化能够利用人的直觉快速定位主要矛盾。
什么叫做“一个操作”美国？识别操作的真正的生命周期
可观测性能救命的时刻：事后观测
最好的可观测性是能够指导用户：“我接下来该做什么？”
可交互性
回到我们这个领域，基础软件这个领域因为离大众确实有点远，过去很多设计是由工程师完成的，我们这类人，普遍有点缺乏对人性的理解（no offe公司nse ），一个很典型的逻辑是：“我自己是人，所以我了解人。我的设计自己能理解，因为我是人，所以别的人也能理解。如果别人不会用，就去看看文档就好了（此时还有美国一个嫌弃脸）”。
当我们复盘一些故障时，经常会得出「使用者操作不当」的结论，但是这真的是根因吗？我在之前的公司曾经历过纸尿一个事故给我留下了深刻的印象：当时内部有一个自己做的分布式文件系统，就像所有的文件系统一样，它有一个 shell，可以支持一些 UNIX Style 的命令操作。
没人读文档：一条公司命令启动和探索式学设立习
tiup 的首页（tiup.io）截图
用 Telegra纸尿m 的 botfather 创建聊天机器人的过程
帮用户多想一步，告诉用户半步，让用户自己走半步
统一语言：控制器和控制对象
「控制器」-「被控制对象」是一个在基础软件中非常常见的模式，就像我们在操作电视机的时候，绝大多数时间是通过遥控器一样，所以可以认为用户对电视机的第一和大多数触点其实是遥控器drylock，所以类比到基础软件中，对于控制器的设计其实非常关键，做好控制器，我觉得关键点是：
No Surprise: 不怕麻烦，就怕惊喜（惊吓）
不知道大家有没有注意到问题：作为一个开关型的配置，当设置成 OFF 的时候，是一个 100% 的负反馈，这没有问题，但是问题在设置成 ON 的时候，这个功能是否启用会依赖优化器的判断，也就是有一定概率 MPP 功能不会生效，这就像一个房间里有个控制灯的开关，当你关的时候，灯一定不会亮，当你开开关的时候，灯不一定亮（灯觉得房间内的光总部线足够，没必总部要亮...），你一定不会觉得这个灯智能，你一定会觉得灯坏了。上面这个配置的一个更好的写法应该是:
反裤馈：暴露进展，不要暴露内部细节
写在最后
当用户使用软件时，需要面对的两个鸿沟：一个是执行的鸿沟，在这里，用户要弄清楚如何设立操作，与软件「对话」；另一drylock个是评估的鸿沟，用户要弄清楚操作的结果。我们作为设计师的使命就是帮助用户消除这两个鸿沟，正是对应到文章中的可观测性和可交互性。
