Prometheus（kubernetes）企业级监控2018版视频课程

这套课程解决的是什么问题

Kubernetes 落地之后，监控往往是第一个被卡住的环节。传统 Zabbix 式的静态主机监控在 Pod 频繁调度、IP 随时变化的场景下基本失效，而 Prometheus 的拉取模型、服务发现和标签体系正好对上这类动态环境。这门 2018 版课程的主题就落在这里：以 Prometheus 为核心，把它和 Kubernetes 的对接方式、各组件职责、以及自定义指标从系统层延伸到应用层的过程讲清楚。

需要注意的是课程的年份。2018 年前后 Prometheus 生态的几个关键形态已经定型——PromQL、Exporter 体系、Alertmanager 的告警分组与抑制、Operator 的雏形都已出现，所以核心方法论并不过时；但具体版本、Kubernetes API 的细节、以及近几年的新组件（如后续的 Agent 模式、新的服务发现类型）需要读者自行对照当下环境补齐。把它当作一套理解结构与思路的资料，比当作逐字照抄的操作手册更合适。

技术栈与组件拆解方式

课程的组织方式是先讲架构组件、再逐个展开，这个顺序对自学者比较友好。Prometheus 的架构本身就是理解它的钥匙：Server 负责抓取与存储，Pushgateway 处理短生命周期任务，Exporter 把各类系统与中间件的指标翻译成文本格式，Alertmanager 独立承担告警的路由与收敛。这几块各自边界清晰，课程按这个边界拆分，读者可以按模块对照实践，而不必一开始就把整套链路串起来。

• 指标采集：拉取配置、抓取间隔、目标发现的配置结构。
• 指标存储与查询：时序数据模型、标签维度设计、PromQL 的筛选与聚合。
• 告警链路：告警规则表达式、Alertmanager 的分组、静默与抑制逻辑。
• 可视化：Grafana 作为展示层与 Prometheus 的数据源对接。

这四块里，标签设计和 PromQL 是最容易在真实项目里踩坑的部分。指标维度一旦设计得过于发散，存储成本和查询性能都会受影响；PromQL 的聚合与 rate 计算如果不理解时间窗口语义，画出来的图会直接误导判断。课程结合示例演示这些点，是从概念到可用配置的关键一跳。

Kubernetes 场景下的对接重点

把 Prometheus 放进 Kubernetes，难点不在于安装，而在于服务发现与目标管理。课程覆盖了容器化部署的路径，读者可以对照理解几种典型做法：直接以 Deployment 方式部署并挂载配置，或者借助 Operator 把监控对象声明式地管理起来。前者透明、便于排错，后者更贴近生产中的运维方式。

另一个值得对照实践的点是应用级监控。系统指标（CPU、内存、网络）靠 node-exporter、cAdvisor 这类组件就能拿到，但业务指标需要应用自己暴露，比如请求量、延迟分布、错误率、队列积压等。这部分通常涉及在代码里埋点、暴露符合 Prometheus 文本格式的端点、再通过 ServiceMonitor 或抓取配置纳入采集。课程把自定义监控作为收尾目标，实际上就是走完了「定义指标—暴露—采集—告警—展示」这条完整链路，这条链路在任何规模的系统里都复用得上。

怎么用这份资料自学

建议不要顺着视频顺序被动看下去，而是搭一个最小环境边看边配。可以先只跑通 Prometheus Server 加一个 node-exporter，确认抓取与查询正常；再加上 Grafana，把 PromQL 写成面板；再引入一条自定义告警规则，验证 Alertmanager 的触发与收敛；最后才处理 Kubernetes 的服务发现。每一步都能独立验证，出问题时定位范围也小。

配合阅读官方文档和配置参考会更有价值，因为 2018 年的演示版本与当前版本在配置字段和默认行为上存在差异，遇到不生效的配置优先查官方文档而不是反复回看视频。课程里的示例可以作为配置结构的起点，但最终的参数应当以你实际运行环境的版本为准。

适合拿来对照实践的人群：已经有一定 Linux 与容器基础、正在为 Kubernetes 集群搭建监控、或者需要把监控从系统层扩展到业务指标的后端与运维开发者。如果完全没有容器和 Kubernetes 经验，建议先补齐这部分再进入本课程，否则服务发现相关的章节会比较吃力。