整体优化
常见的 Prometheus 性能调优建议：
-
- 内存：
- 分配足够的内存给Prometheus 实例，以确保它能够容纳监控的指标数据。 Prometheus 使用内存存储时间序列数据，因此内存越大，可以缓存的数据越多， 減少磁盘1/0。
-
- 磁盘：
- 提供足够的磁盘空间来存储时间序列数据。如果磁盘空间不足，Prometheus 将开 始删除旧的数据，这可能会影响查询的准确性。
-
- 存储块大小：
- Prometheus 存储数据的方式是将时间序列数据分为块（blocks）。通过调整 ‘storage.tsdb.max-block-duration’ #ll ‘storage.tsdb.min-block-duration’ 参数，可以影响每个块的大小。通常，更大的块可以提高查询性能，但可能会增加 内存使用。
-
- 并发设置：
- Prometheus 允许调整并发抓取和查询的设置。通过调整‘–web.concurrency、 （查询）和‘–storage.tsdb.max-concurrent-compactions’（压缩） 等参数， 可以适应服务器硬件和负载。
-
- 数据保留期：
- 考虑清理旧的时间序列数据，以防止数据过度堆积。可以通过设置 storage.tsdb.retention.time‘参数来指定数据保留的时间。
-
- 索引缓存：
- Prometheus 使用索引缓存来提高查询性能。通过调整‘–storage.tsdb.index- cache-s1ze°参数，可以增加或减少索引缓存的大小。
-
- 抓取频率：
- 考虑减小抓取频率，尤其是对于稳定的指标。频繁的抓取可能会增加 Prometheus 的负载。
-
- 远程写入存储：
- 如果 Prometheus 与远程存储一起使用，确保存储系统能够处理高并发写入请求， 并根据存储系统的特性调整相关参数。
https://cairry.github.io/docs/Prometheus/optimization_memory.html
存储需求主要取决于以下几个因素：
随着Prometheus采集的Metrics随之增多，很容易对Prometheus Server造成消耗大内存的现象。
之所以出现大内存，问题来源于它自身存储原理：
Prometheus按2小时(默认)一个block进行存储，每个block由一个目录组成，该目录里包含：
一个或者多个chunk文件（保存timeseries数据）、
一个metadata文件、
一个index文件（通过metric name和labels查找timeseries数据在chunk文件的位置）。
最新写入的数据保存在内存block中，达到2小时后写入磁盘。
为了防止程序崩溃导致数据丢失，实现了WAL（write-ahead-log）机制，启动时会以写入日志(WAL)的方式来实现重播，从而恢复数据。 删除数据时，删除条目会记录在独立的tombstone文件中，而不是立即从chunk文件删除。
「真诚赞赏，手留余香」
观测猿
真诚赞赏，感谢认可
使用微信扫描二维码完成支付
