B站统⼀一监控系统的设计,演进 与实践分享 梁梁晓聪 devops @lxcong About Me • 梁梁晓聪 • 2015年年加⼊入B站 • devops • 热爱新技术,热爱开源 • ⼩小宅男 故事的开始 B站炸了了.舆情监控(括弧笑脸) 我们的挑战 • 技术栈多 • 产品模块复杂 • 业务爆发式增⻓长 • 运维要求⾼高 当前情况: • 覆盖率低

metric的标签可能并非完全一致，不过好在二者都有个instance标签，且相同instance标签的数 据从语义上来看就表示一个实例的多个指标数据，那就可以用on关键字，指定只使用instance 标签做匹配，忽略其他标签。 与on相反的是ignoring关键字，顾名思义，ignoring是忽略掉某些标签，用剩下的标签来做匹 配。我们拿 Prometheus 文档中的例子来说明： ## example series m ouse"}) 1 2 3 4 1 2 另外，我们有时会有分组统计的需求，比如我想分别统计clickhouse和canal的机器的内存可用 率，可以使用by关键字指定分组统计的维度（与by相反的是without）： avg(mem_available_percent{app=~"clickhouse|canal"}) by (app) 函数 Prometheus 函数非常多 大概是： (20-10)*(50/150)+10=13s 这是假设数据是均匀分布在各个桶的，假设10~20那个桶的150个请求，最大延迟的那个请求， 其延迟数据是11秒，而这里算出13秒，显然与现实不符，不符也没办法，这本来就是个预估 值，知道大概数量级就可以了，还是那句话，监控数据是采样数据，这么计算虽然不是那么准 确，但是成本低。 实际上，我们基于某个指标的历史所有数据计算分位值，意义不大，通常我们是基于最近一段时