💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
Flipkart通过采用Prometheus的层次化联合设计，解决了监控可扩展性问题。最初使用StatsD聚合指标，但无法扩展。转向Prometheus后，通过本地服务器收集指标并通过/federate端点聚合，显著降低了指标基数和中央服务器负载。尽管在调试实例异常时效果有限，但该方法为应对云原生环境中的指标增长提供了实用蓝图。
🎯
关键要点
- Flipkart通过采用Prometheus的层次化联合设计，解决了监控可扩展性问题。
- 最初使用StatsD聚合指标，但无法扩展，导致历史分析不切实际。
- 转向Prometheus后，支持高维查询，并与Kubernetes和exporter生态系统良好集成。
- 层次化联合的核心在于本地Prometheus服务器收集指标，应用记录规则以降低指标基数。
- 通过/federate端点暴露聚合系列，联合服务器向上抓取选定的聚合指标。
- Flipkart采用策略进一步降低基数，如对稳定维度（服务或集群）丢弃实例标签。
- 对于延迟指标，发布汇总统计而非每个实例系列，将8000万原始系列压缩为数万个集群级别指标。
- 层次化联合在调试实例异常时效果有限，建议在小型部署中谨慎使用。
- Flipkart的经验强调了平面监控架构在规模上的局限性，展示了联合、聚合规则和标签修剪的有效性。
- 其他组织面对类似扩展挑战时，转向分布式系统如Thanos、Cortex/Mimir或VictoriaMetrics。
- Thanos扩展Prometheus，提供长期存储和全局查询能力，但引入额外组件和操作开销。
- Cortex和Mimir采用云原生的水平可扩展方法，使用多租户分布式时间序列数据库。
- VictoriaMetrics在性能和压缩效率上强调，提供简单的单二进制设置，适合长期保留。
- Flipkart选择层次化联合反映了控制、简单性和增量可扩展性之间的平衡。
- 随着组织进一步扩展，采用混合架构可能增强保留、跨集群查询和弹性。
🏷️
标签
➡️
