Prometheus 目标消失却没有告警：用预期清单补齐 up == 0 的盲区
适用场景与故障现象 本文针对需要长期存在的固定采集端点，例如两个数据库 exporter、支付网关或边缘设备。示例只有一个 Prometheus、一个 payments job，端点为 pay-a:9100 和 pay-b:9100。主机名是演示值，接入前替换为实际地址。 典型现象是：服务停止时，up == 0 可以告
Tag
#Prometheus
包含这个标签的文章。
Prometheus 告警反复触发与恢复：从指标断点到稳定窗口的治理实践
适用场景 这篇文章适合已经使用 Prometheus 和 Alertmanager，但值班群里经常出现同一告警在几分钟内“触发—恢复—再次触发”的团队。典型场景包括： 接口错误率在阈值附近上下波动； 抓取偶发失败，表达式短暂返回空向量； 应用滚动发布后计数器重置，瞬时比率失真； 规则计算过慢或远端数据到达较晚，评估结果
Prometheus remote_write 延迟持续升高：从队列积压到安全恢复的排查实践
适用场景 本文适用于 Prometheus 通过 remote_write 把指标发送到 Thanos Receive、Grafana Mimir、VictoriaMetrics 或其他远端存储的场景。典型问题是本地抓取仍然正常，Prometheus 查询近期数据也没有明显异常，但远端查询、告警或长期存储中的数据逐渐落
Prometheus 告警反复抖动：用 for、keep_firing_for 与规则测试稳定通知
适用场景 本文适用于 Prometheus 根据错误率、延迟、资源使用率等指标触发告警，并通过 Alertmanager 发送通知的场景。典型问题是：指标在阈值附近波动，告警几分钟内反复触发和恢复；短暂采集缺口被误判为恢复；值班人员收到大量重复通知，却难以判断故障是否真正结束。 目标不是简单地“把告警调迟”，而是分别处
Prometheus TSDB 磁盘增长过快的排查与治理实践
适用场景 本文适用于 Prometheus 运行一段时间后出现以下现象的场景： Prometheus 数据目录持续膨胀，磁盘空间很快被打满； prometheus_tsdb_head_series、prometheus_tsdb_head_chunks 持续上涨； 查询变慢，Prometheus 重启时间明显变长； 日