SLI，全名Service Level Indicator，是服务等级指标的简称，它是衡定系统稳定性的指标。

最近运维prometheus的过程中发现，有的时候它应该发送告警，可实际却没有；有的时候，不该发送告警却发送了；还有的时候，告警出现明显的延迟。为了找出其中的具体原因，特地去查阅了一些资料，同时也参考了官网的相关资料。希望对大...

通过上一篇prometheus+telegraf+grafana监控学习(一)已经启动了prometheus，那么现在我们需要在被监控机器上部署telegraf。

我们的系统 Top90 稳定在 19ms 左右，Top99 稳定在 46 ms 左右，Top999 稳定在 50ms 左右，监控报警主要用的 Prometheus + Grafana + 自研报警平台

一般来说，当咱们的 ClickHouse 要在生产环境上线的时候，关于对 CH 的运行监控工作就必须提到议程上来了。

监控作为底层基础设施的一环，是保障生产环境服务稳定性不可或缺的一部分，线上问题从发现到定位再到解决，通过监控和告警手段可以有效地覆盖了「发现」和「定位」，甚至可以通过故障自愈等手段实现解决，服务开发和运维人员能...

笔者在前文中概要的介绍了 systemd 的基本概念和主要特点。由于 systemd 相关的绝大多数任务都是通过 systemctl 命令管理的，所以本文将集中的介绍 systemctl 命令的用法。注意，本文以 ubuntu 16.04 进行介绍，文中所有的...

生产环境下，prometheus的configmap修改后 ，如果apply后还是不能生效，一般就是语法报错了，reload失败。

不过现在这个告警不好看，我们可以自定义模板。创建一个template.tmp1的文件。如下

在使用 Prometheus 进行监控的时候，通过 AlertManager 来进行告警，但是有很多人对报警的相关配置比较迷糊，不太清楚具体什么时候会进行告警。下面我们来简单介绍下 AlertManager 中的几个容易混淆的参数。...