专题演讲嘉宾：张柳青

Prometheus 作为云原生时代指标监控的事实标准已经深入人心，其优秀的指标数据模型、强大的查询分析能力以及丰富的周边生态支持，让监控变的更加便捷易用。

但在业界常见的实践案例中，更多是介绍如何做基础的 Kubernetes、主机、中间件监控。而对于大型互联网、金融等行业，则会更加关注交易/请求量、成功率、响应时间等业务层指标监控，同时基于细分业务维度进行细粒度的故障发现与定位。这就对监控系统提出了大规模高性能、计算报警低延迟、数据高可靠、平台高可用多方面要求，对常见的 Prometheus 解决方案带来巨大挑战。

本次演讲将介绍百度云原生团队是如何针对互联网、金融等行业大规模业务监控的需求，构建基于 Prometheus 的高性能、高可用解决方案。

演讲提纲：

1. 大规模业务监控在 Prometheus 架构中遇到的挑战

• 业务监控在 Prometheus 中的落地场景
• 大规模业务监控在 Prometheus 架构下的挑战
  • 大规模数据量级带来的数据采集与存储压力
  • 大规模数据计算与报警带来的性能与时延问题
  • 数据高可靠与平台高可用挑战
• 原生 Prometheus 的解决方法与存在的问题

2. 针对业务监控场景的高性能、高可用的 Prometheus 监控方案实践

• 高性能 Prometheus 架构实践
  • 基于主动探测的探测任务负载均衡
  • “降维打击”业务指标降维预聚合方案
  • 高性能流式计算与报警引擎
  • 时序存储降采样与高性能缓存实现方法
• 数据高可靠与平台高可用方案
  • 采集层高可用容灾架构
  • 计算与存储的数据高可靠保障
  • 两地三中心高可用保障
• 在 Prometheus 应用中踩过的坑
• PromQL 算子带来的数据丢点与准确性问题

3. 总结与展望

• Prometheus 在业务监控应用中前景与优势

你将获得：

• 加深对 Prometheus 整体架构实现原理的理解
• 了解针对大规模监控场景下，构建高性能、高可用 Prometheus 解决方案的思路和方法
• 了解 Prometheus 生产应用中存在的坑，以及如何解决