### **Prometheus 基础概念与架构**
1. **Prometheus 是什么？主要特点有哪些？** 
   - **答案**：Prometheus 是开源的监控与告警工具，专为云原生环境设计，支持多维度数据模型、灵活查询语言（PromQL）、拉模式（Pull）数据采集，适合微服务与容器化架构。 
   - **核心组件**：Prometheus Server（数据采集/存储/查询）、Alertmanager（告警处理）、Exporters（指标导出）、Pushgateway（短生命周期任务推送）、Grafana（可视化）。

2. **Prometheus 的数据模型是什么？** 
   - **答案**：由 **指标名称（Metric Name）**、**标签（Labels，键值对）**、**时间戳（Timestamp）**、**样本值（Value）** 组成。例如：`http_requests_total{method="GET", status="200"} 304`。

3. **Prometheus 的拉模式（Pull）与推模式（Push）有何区别？** 
   - **答案**： 
     - **Pull 模式**：Prometheus 主动从目标端点（如 Exporter）抓取指标，适合长期运行的服务。 
     - **Push 模式**：通过 Pushgateway 中转短生命周期任务（如批处理作业）的指标，避免数据丢失。

4. **Prometheus 的存储机制是什么？** 
   - **答案**：默认使用本地时序数据库（TSDB），按时间分块存储（Block），定期压缩合并旧数据。支持配置 `retention_time` 调整数据保留周期（如 `30d`），或通过远程存储（如 Thanos、Cortex）扩展。

5. **如何配置 Prometheus 抓取目标？** 
   - **答案**：在 `prometheus.yml` 中定义 `scrape_configs`，例如： 
     ```yaml
     scrape_configs:
       - job_name: 'node_exporter'
         static_configs:
           - targets: ['192.168.1.100:9100', '192.168.1.101:9100']
     ```

### **数据查询与 PromQL**
6. **PromQL 的作用是什么？** 
   - **答案**：用于查询、聚合、过滤时间序列数据，支持实时分析与告警规则定义。例如：计算请求速率 `rate(http_requests_total[5m])`。

7. **如何用 PromQL 过滤标签？** 
   - **答案**：通过 `{label=value}` 匹配，例如：`http_requests_total{method="POST", status="500"}` 筛选失败请求。

8. **如何计算指标的环比变化率？** 
   - **答案**：使用 `delta()` 或 `increase()` 结合时间范围，例如： 
     ```promql
     (increase(http_requests_total[1h]) / increase(http_requests_total[1h] offset 1h)) - 1
     ```

9. **如何聚合多个时间序列？** 
   - **答案**：使用 `sum()`、`avg()`、`max()` 等聚合函数，例如： 
     ```promql
     sum(rate(http_requests_total{job="api"}[5m])) by (method)
     ```

10. **如何排除特定标签的指标？** 
    - **答案**：使用 `!=` 或 `unless`，例如：`http_requests_total{status!="500"}`。

### **告警管理**
11. **Alertmanager 的作用是什么？** 
    - **答案**：处理 Prometheus 触发的告警，支持分组（Grouping）、抑制（Inhibition）、静默（Silencing）、路由（Routing）到不同接收方（如邮件、Slack）。

12. **如何配置告警规则？** 
    - **答案**：在 `alert.rules` 文件中定义，例如： 
      ```yaml
      groups:
        - name: high_latency
          rules:
            - alert: RequestLatencyHigh
              expr: avg(rate(http_request_duration_seconds_bucket{le="0.5"}[5m])) by (job) < 0.9
              for: 10m
              labels: severity=critical
              annotations: summary="High request latency on {{ $labels.job }}"
      ```

13. **告警分组（Grouping）的作用是什么？** 
    - **答案**：将同类告警合并为一条通知，避免告警风暴。例如：多个实例的磁盘空间不足合并为“磁盘空间不足”通知。

14. **如何临时静默（Silence）告警？** 
    - **答案**：通过 Alertmanager UI 或 API 配置静默规则，匹配特定标签的告警在指定时间内不发送通知。

15. **抑制（Inhibition）规则如何配置？** 
    - **答案**：当更高优先级告警触发时，抑制相关低优先级告警。例如：网络故障时抑制所有依赖该网络的服务器告警。

### **服务发现与集成**
16. **Prometheus 支持哪些服务发现机制？** 
    - **答案**：静态配置、文件发现、Consul、Kubernetes、DNS、EC2 等。例如：Kubernetes 服务发现自动抓取 Pod 指标。

17. **如何在 Kubernetes 中部署 Prometheus？** 
    - **答案**：使用 Helm Chart 或手动配置，通过 `kubernetes_sd_configs` 发现目标，例如： 
      ```yaml
      scrape_configs:
        - job_name: 'kubernetes-pods'
          kubernetes_sd_configs:
            - role: pod
          relabel_configs:
            - source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scrape]
              action: keep
              regex: true
      ```

18. **如何监控 Prometheus 自身性能？** 
    - **答案**：通过内置指标（如 `prometheus_tsdb_head_series`、`prometheus_engine_queries`）监控内存、查询延迟、抓取成功率等。

19. **Prometheus 与 Grafana 如何集成？** 
    - **答案**：在 Grafana 中添加 Prometheus 数据源，使用 PromQL 创建仪表盘，支持实时可视化与告警。

20. **如何扩展 Prometheus 集群？** 
    - **答案**：通过联邦（Federation）水平扩展，或使用 Thanos/Cortex 实现全局视图与长期存储。

### **性能优化与故障排查**
21. **如何优化 Prometheus 抓取性能？** 
    - **答案**：调整 `scrape_interval`（默认 1m），减少不必要的指标或标签，使用服务发现动态管理目标。

22. **如何处理高基数标签问题？** 
    - **答案**：避免使用动态标签（如用户 ID），限制标签值数量，或通过 `recording rules` 预聚合数据。

23. **Prometheus 内存不足如何排查？** 
    - **答案**：监控 `process_resident_memory_bytes`，检查 `prometheus_engine_queries` 查询数量，优化查询或增加资源。

24. **如何解决数据丢失问题？**
    - **答案**：检查存储目录权限，确保 `retention_time` 设置合理，或配置远程存储备份。

25. **如何排查告警未触发问题？** 
    - **答案**：检查 Alertmanager 配置、告警规则表达式是否正确，确认 Prometheus 数据是否包含匹配的标签。

### **高级场景**
26. **什么是 Recording Rules？如何使用？** 
    - **答案**：预计算常用查询结果，提升查询性能。例如： 
      ```yaml
      groups:
        - name: record_rules
          rules:
            - record: job:http_requests:rate5m
              expr: sum(rate(http_requests_total[5m])) by (job)
      ```

27. **如何实现跨集群监控？** 
    - **答案**：通过联邦集群或 Thanos Sidecar 聚合多集群数据，实现全局视图。

28. **Prometheus 支持哪些通知渠道？** 
    - **答案**：邮件、Slack、Webhook、PagerDuty、OpsGenie 等，通过 Alertmanager 路由配置。

29. **如何备份 Prometheus 数据？** 
    - **答案**：定期备份存储目录（WAL 文件），或使用 Thanos/Cortex 远程存储方案。

30. **如何升级 Prometheus 版本？** 
    - **答案**：备份配置文件与数据，停止旧版本，部署新版本并验证功能，避免兼容性问题。

### **安全与权限**
31. **如何保护 Prometheus API 接口？** 
    - **答案**：使用 TLS 加密通信，配置 Basic Auth 或 OAuth2，限制 IP 访问。

32. **如何设置细粒度权限控制？** 
    - **答案**：结合 Kubernetes RBAC 或第三方工具（如 OPA）管理访问权限。

33. **如何审计 Prometheus 操作日志？** 
    - **答案**：通过 `prometheus_tsdb_wal_corruptions_total` 等指标监控，或集成日志系统（如 Loki）。

### **场景化问题**
34. **如何监控微服务架构？** 
    - **答案**：为每个服务部署 Exporter，使用服务发现自动抓取指标，通过标签区分服务实例。

35. **如何监控数据库性能？** 
    - **答案**：使用 MySQL Exporter、Redis Exporter 等导出指标，监控查询延迟、连接数等。

36. **如何监控容器化应用？** 
    - **答案**：通过 cAdvisor 或节点导出器（Node Exporter）采集容器指标，结合 Kubernetes 服务发现。

37. **如何设置告警通知的优先级？** 
    - **答案**：通过标签（如 `severity=critical`）分类，在 Alertmanager 中配置路由规则优先处理高优先级告警。

38. **如何实现自动化故障恢复？** 
    - **答案**：结合 Prometheus 告警与自动化工具（如 Ansible），触发脚本自动修复常见问题。

39. **如何监控 Prometheus 的抓取成功率？** 
    - **答案**：使用 `prometheus_target_interval_length_seconds` 和 `up{job="xxx"}` 指标监控抓取状态。

40. **如何处理时序数据中的缺失值？** 
    - **答案**：使用 `absent()` 函数检测缺失指标，或通过 `interpolate()` 填充缺失值（需第三方工具支持）。

### **扩展工具与生态**
41. **Thanos 的作用是什么？** 
    - **答案**：提供全局查询视图、长期存储、高可用性，解决 Prometheus 单点问题与数据保留限制。

42. **Cortex 与 Prometheus 的区别？** 
    - **答案**：Cortex 是 Prometheus 的分布式版本，支持横向扩展与多租户，适合大规模场景。

43. **Pushgateway 的适用场景是什么？** 
    - **答案**：监控短生命周期任务（如批处理作业），避免因任务结束导致指标丢失。

44. **如何使用 Exporters 监控自定义应用？** 
    - **答案**：在应用中暴露 `/metrics` 端点（符合 Prometheus 格式），或通过 SDK（如 Go、Python）推送指标。

45. **如何监控 Prometheus 的查询性能？** 
    - **答案**：通过 `prometheus_engine_query_duration_seconds` 和 `prometheus_tsdb_query_latency_seconds` 监控查询延迟。

### **综合应用**
46. **如何构建完整的监控系统？** 
    - **答案**：Prometheus（采集/存储/查询） + Alertmanager（告警） + Grafana（可视化） + Thanos（长期存储）。

47. **如何设计高可用 Prometheus 架构？** 
    - **答案**：多实例部署 + 联邦集群 + Thanos 副本，确保数据冗余与查询高可用。

48. **如何监控大规模 Kubernetes 集群？** 
    - **答案**：使用 Prometheus Operator 自动化管理，结合服务发现与联邦集群分散负载。

49. **如何优化 Prometheus 的存储性能？** 
    - **答案**：使用 SSD 存储，调整 `--storage.tsdb.retention.time` 和 `--web.enable-admin-api` 参数。

50. **如何规划 Prometheus 的容量？** 
    - **答案**：根据指标数量、抓取频率、保留周期估算存储需求，预留 30% 资源缓冲。