Prometheus 是一款开源的监控与告警系统，专注于时间序列数据的采集、存储和分析，尤其擅长云原生和动态分布式环境的监控需求。以下是其核心特性与架构解析：

---

一、核心特性

1. 多维数据模型
   Prometheus 使用「指标名称 + 标签键值对」的模型标识时间序列数据，例如 http_requests_total{method="GET", status="200"}。这种设计支持灵活的数据聚合和筛选，便于从不同维度（如请求方法、响应状态）分析系统行为。

2. 强大的查询语言（PromQL）
   提供专为时间序列设计的 PromQL 语言，支持复杂查询、数学运算和实时分析。例如，计算 CPU 使用率可表达为：

   100 - (avg by (instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
   

   这种能力使其在故障诊断和性能优化中表现突出。

3. 主动拉取（Pull）与推送（Push）结合
   默认通过 HTTP 协议主动拉取目标端点（如 /metrics）的数据，适用于动态服务发现场景。短期任务则通过 Pushgateway 推送数据，弥补拉取模型的不足。

4. 高效存储与扩展
   内置时间序列数据库（TSDB），支持本地存储压缩和远程存储扩展（如 Thanos、Cortex），可处理海量监控数据。数据保留策略灵活，支持基于时间或大小的清理机制。

---

二、核心架构

1. Prometheus Server
   • 数据抓取：定期从配置的目标（Targets）拉取指标，支持静态配置和服务发现（如 Kubernetes、Consul）。

   • 存储引擎：TSDB 优化时间序列存储，内存索引加速查询，支持高并发读写。

   • 规则计算：预定义告警规则（Alert Rules）和记录规则（Recording Rules），实时生成新指标或触发告警。

2. Exporters（数据采集器）
   将第三方系统（如 MySQL、Node）的指标转换为 Prometheus 兼容格式。常用 Exporters 包括： • Node Exporter：采集主机资源（CPU、内存、磁盘）。

   • Blackbox Exporter：探测网络服务可用性。

   • 自定义 Exporter：适配特定应用监控需求。

3. Alertmanager
   处理告警通知的去重、分组和路由，支持邮件、Slack、Webhook 等多种通知渠道。例如，可配置静默规则避免重复告警干扰。

4. Pushgateway
   临时存储短期任务（如批处理作业）的指标数据，确保其生命周期内数据可被拉取。

---

三、适用场景与限制

1. 推荐场景
   • 云原生与微服务：Kubernetes 容器集群监控。

   • 动态基础设施：自动发现弹性伸缩的服务实例。

   • 实时性能分析：通过 PromQL 快速定位瓶颈，如 API 延迟、数据库查询耗时。

2. 不适用场景
   • 100% 精确计费：数据采集可能存在遗漏，不适合计费系统。

   • 长期历史数据分析：默认本地存储保留 15 天，需依赖远程存储扩展。

---

四、生态系统与工具集成

1. 可视化工具
   原生 Web UI 提供基础查询界面，但通常与 Grafana 集成，构建丰富的监控仪表盘。

2. 服务发现
   支持 Kubernetes、Consul 等动态发现机制，适应弹性伸缩环境。

3. 社区生态
   提供数百种官方和社区维护的 Exporters，覆盖数据库、消息队列、硬件设备等。

---

总结
Prometheus 凭借其灵活的模型、高效的存储和强大的查询能力，已成为云原生监控的事实标准。其设计兼顾可靠性与扩展性，尤其适合动态和分布式环境，但在高精度计费等场景需谨慎使用。结合 Alertmanager 和 Grafana，可构建从数据采集到告警可视化的完整监控链路。