Если Prometheus начинает жрать память, тормозить запросы или терять смысл как monitoring, почти всегда проблема не в самом ядре, а в модели данных. Типовые ошибки: слишком высокая кардинальность, метки с user_id / campaign_id, разные имена метрик для одного и того же события.
Для арб-команд это особенно важно: не тащите в метрики всё подряд. Оставляйте только то, что помогает принять решение в devops-потоке:
— latency по ключевым ручкам;
— error rate по сервисам;
— saturation CPU / memory / disk;
— очередь задач и время их обработки;
— доступность лендингов и endpoint’ов.
Сбор лучше строить от вопроса, а не от привычки. Если график нельзя использовать для алерта, поиска регресса или сравнения флоу, метрика лишняя. Ещё одно правило: лучше несколько стабильных счётчиков и гистограмм, чем один «универсальный» gauge на всё. Для observability это обычно дешевле и понятнее.
Отдельно следите за scrape-источниками: дубли, шумные job’ы, лишние targets и слишком частые опросы быстро превращают kubernetes-кластер в фабрику мусора. Алерты тоже должны быть короткими: один симптом — один смысл, без цепочек из пяти условий.
Хороший Prometheus не «собирает всё», а даёт быстрый ответ на вопрос: где деградировал сервис и что чинить первым. Это база для нормального ci_cd и адекватного monitoring.
Как сделать PWA-приложение под беттинг
@pwa_betting_make_hub
Prometheus ломается не от нагрузки, а от плохих метрик и лишних лейблов
Этот пост опубликован в Telegram-канале Как сделать PWA-приложение под беттинг (@pwa_betting_make_hub). Все его публикации — на странице канала.
Открыть в Telegram