Meta在俄亥俄州新奥尔巴尼建成千兆瓦级超级集群Prometheus首期，用于训练Muse系列基础模型，最终将扩展至约100万块GPU。集群采用GB200、GB300等多代英伟达平台，通过专用后端以太网实现楼宇间GPU互联。团队将中断率降低99%，预训练有效算力超85%，并采用闭环液冷、智能功耗管理提升效率与可靠性。
本教程介绍使用Prometheus和Grafana监控Qdrant托管云数据库。Qdrant提供两个指标端点：/metrics报告单节点指标，需逐节点抓取；/sys_metrics为云专属，聚合全集群数据库指标及容器CPU、内存、磁盘和负载均衡流量，只需抓取一次。步骤：用Helm安装kube-prometheus-stack；创建Secret存储只读API密钥并配置ScrapeConfig抓取/sys_metrics；获取Grafana密码并端口转发访问；从Qdrant GitHub仓库导入示例仪表板。
本期《Road to KubeCon》聚焦云原生可观测性：OpenTelemetry与Prometheus互操作性改善，易用性评分从3.1升至3.6；Atlassian将10万台主机指标迁移至OTel，CPU减半、边车成本降约30%；New Relic报告显示73%受访者已采用或测试OTel，监控AI代理的组织投资回报更高，停机年均损失达7400万美元。
Companion.energy 借助 Tiger Cloud 优化实时能源数据处理，实现查询延迟降低25倍、压缩率达43.5倍，并通过连续聚合与统一架构处理海量数据。
Kubernetes v1.37 将原生直方图指标支持升级为 Beta 并默认启用。它采用 Prometheus 原生直方图，以动态指数分桶替代静态桶，实现高精度、低基数的延迟观测，并降低存储与抓取开销。组件通过双暴露兼容旧监控栈，Prometheus 需配置抓取原生直方图，同时保留经典直方图以便平滑迁移。
Adobe团队通过构建基于CNCF开源组件的多租户代理，解决了GPU利用率不可见的问题。该方案利用kube-rbac-proxy进行认证，prom-label-proxy强制命名空间隔离，并通过MetricAccess自定义资源实现自助服务。按租户收集指标并远程写入独立Prometheus，将存储序列减少97%，使团队能实时监控GPU使用并发现闲置资源。
pgwatch v6.0.0-beta 发布：除 Prometheus 源外还有多项更新。所有仪表盘基于 Grafana v13 新架构重建，Prometheus 源获得与 Postgres 同等的仪表盘支持，新增 Patroni 集群总览等面板。核心采集器大幅增强容错能力，修复了约400个源每月一两次停止采集的生产事故根因，并新增四项指标及一项安全修复。
本文介绍如何为KServe模型服务接入KEDA，实现基于vLLM指标的自动扩缩容。通过安装KEDA和Prometheus，配置InferenceService和ServiceMonitor，利用vLLM暴露的请求指标，KEDA查询Prometheus数据并驱动HPA调整副本数。实测验证了服务从1个副本扩至2个再缩回1个的完整流程，有效平衡突发请求与资源利用率。
pgwatch v6.0.0-beta 发布，最大亮点是可直接抓取 Prometheus exporter，并将其作为与 PostgreSQL 并列的一等数据源。配置方式类似 Postgres 源，只需将 DSN 换成 URL，支持 Basic Auth、TLS 和内置 patroni 预设。自定义指标名直接作为测量列，标签转为 tag 列。未配置指标时默认每 60 秒抓取全部指标族。若下游为 Prometheus，数据按原始指标名重新暴露，无需修改仪表盘。
本文介绍如何通过OpenTelemetry Collector将Prometheus直方图指标转换为OTLP格式并导出至可观测性后端。文章以FastAPI支付应用为例，演示了配置Prometheus接收器抓取/metrics端点、转换直方图数据模型、通过OTLP导出器发送至SigNoz云平台的完整流程，并提供了验证和故障排查步骤。
Adobe Firefly采用AWS Amazon Managed Prometheus替代自建Prometheus，解决GPU训练集群高基数指标查询性能问题。迁移后查询速度提升28倍以上，支持24小时观测窗口，降低运维负担，并计划扩展至多租户可观测性架构。
作者从零基础前端开发者，通过LFX导师计划成长为云原生工程师。他部署OpenTelemetry和Prometheus系统，解决真实故障，学会系统思维和自主解决问题。项目产出包括文档改进和部署蓝图，并建立了行业人脉。他认为该计划提供了生产环境、真实失败和架构思考，是超越教程的宝贵学习经历。
AWS 上周发布多项更新：Bedrock 中 OpenAI GPT-5.6 模型价格大幅下调，最高降 80%；CloudWatch 推出托管式 Prometheus 收集器，简化指标监控；AWS Interconnect 正式支持与 Oracle 云的多云连接；IAM Identity Center 扩展多区域支持；S3 表类支持 Iceberg V3 Variant 数据类型。另附 AWS CLI 安装、Kimi K3 部署等指南及活动预告。
Elastic推出全新列式指标引擎，支持日志、指标与追踪统一平台，帮助公共部门IT团队提升系统可用性并降低成本。该方案兼容Prometheus与PromQL，提供灵活部署模式及按数据量计费，存储效率提升6.6倍，查询速度最高提升160倍，并简化迁移流程，获Gartner认可。
Kubernetes内置CPU和内存监控，但实际扩展决策依赖外部信号。本文介绍如何从零开始编写一个供Prometheus使用的指标导出器。导出器通过HTTP服务器在/metrics端点上暴露应用状态，Prometheus定期抓取数据。使用Go Prometheus客户端库注册指标，并通过轮询更新数据。最后，构建Docker镜像并在Kubernetes中部署，以确保Prometheus能够抓取这些指标，实现基于实际负载的自动扩展。
VictoriaMetrics（VM）是一款兼容Prometheus的时序数据库，具有低资源占用和强扩展性。它支持单机版和集群版，适合中小规模监控。单机版可替代Prometheus存储，集群版通过多个节点实现数据存储和查询。此外，VM支持vmagent抓取指标并写入，适用于自监控和Grafana集成。
Zenjoy基于Amazon Bedrock和EKS构建的AIOps Agent，通过数学算法与大语言模型结合，提升监控告警的准确性。该方案利用Z-Score和IQR等算法分析监控数据，减少误报和漏报，并通过夜莺平台实现告警统一管理，显著提高运维效率，适应微服务架构的复杂性。
本文讨论了ClickHouse的监控与健康检查，强调了system表的重要性。建议监控system.parts、system.merges和system.replicas，以确保数据存储和查询的健康。提供了监控分层结构和常用查询示例，帮助识别潜在问题，如parts过多、merge堵塞和副本延迟，并提到与Prometheus集成的监控方法，以确保系统性能符合SLA要求。
本文介绍SLO工程实践，核心是错误预算与Burn Rate告警。文章从SLI选择、错误预算计算、多窗口多燃烧率告警规则（3条Page+3条Ticket）到组织落地，提供Prometheus模板。强调SLO价值在于驱动日常决策，通过案例说明慢性退化如何耗尽预算，并给出落地清单与常见坑点。
亚马逊创始人杰夫·贝索斯的新AI初创公司Prometheus致力于开发“通用人工工程师”，提供用于机器人、药物设计和制造的AI工程工具。该公司最近融资获得120亿美元，估值达410亿美元，现有约150名员工。贝索斯表示，这些工具将帮助各行业开发复杂产品，如火箭发动机。
完成下面两步后，将自动完成登录并继续当前操作。
