快猫监控
夜莺监控V6
夜莺监控V5
Categraf
Telegraf
Prometheus
版权声明
第1章:天降奇兵
第2章:探索PromQL
开篇
理解时间序列
Metrics类型
初识PromQL
PromQL操作符
PromQL聚合操作
PromQL内置函数
在HTTP API中使用PromQL
最佳实践:4个黄金指标和USE方法
小结
第3章:Prometheus告警处理
开篇
Prometheus告警简介
自定义Prometheus告警规则
部署Alertmanager
Alertmanager配置概述
基于标签的告警处理路由
使用Receiver接收告警信息
告警模板详解
屏蔽告警通知
使用Recoding Rules优化性能
小结
第4章:Exporter详解
第5章:数据与可视化
第6章:集群与高可用
第7章:Prometheus服务发现
第8章:监控Kubernetes
开篇
初识Kubernetes
在Kubernetes下部署Prometheus
Kubernetes下的服务发现
使用Prometheus监控Kubernetes集群
基于Prometheus的弹性伸缩
小结
第9章:Prometheus Operator
参考资料
智能告警
北极星系统最佳实践
最佳实践
北极星的核心目标是量化并发现故障,并驱动故障处理的流程。基于北极星的故障发现最佳实践举例如下。
实践一:建立完善的故障响应机制
1)北极星指标报警准确稳定后,建立业务线的稳定性保障群,加入业务负责人、技术负责人、SRE等稳定性保障相关人员;
2)报警接收组里配置IM机器人,将报警事件发送到保障群中;
3)可同时配置电话报警渠道,以便相关人员任何时段都能及时高优的感知和响应;
4)北极星指标报警后,确保稳定性保障的相关人员都感知了故障的发生,进入故障定位状态;
5)处理过程中,根据北极星指标的情况,向业务负责人和保障团队通报故障影响和趋势;
6)处理完成,根据北极星指标整体受损情况,向业务负责人和保障团队通报故障整体影响;
7)安排故障复盘,基于北极星指标的影响确定故障等级;
实践二:联动变更及时发现并控制故障
据统计,故障大部分是因变更引起的,而最多的变更就是线上程序发布。
有了准确的北极星指标报警后,可以联动发布系统和北极星报警。一旦相应业务线的北极星指标产生报警,发布系统可通过查询或报警回调感知,立即阻断该业务线的所有变更进程,提示用户进行检查或立即执行回滚,以防止故障影响扩大并快速止损。