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，Prometh
Tag
#监控
包含这个标签的文章。
Kubernetes 节点 DiskPressure 导致 Pod Pending 的排查与治理实践
## 适用场景 本文适用于 Kubernetes 集群中出现以下问题的场景： - 新发布的 Pod 长时间处于 `Pending` 状态； - `kubectl describe pod` 中看到 `node(s) had disk pressure`； - 节点状态出现 `DiskPressure=True`；
Redis AOF 重写导致磁盘 IO 飙高和写入延迟的排查与治理
## 适用场景 本文适用于线上 Redis 开启 AOF 持久化后，业务在某些时间段出现接口变慢、写入超时、Redis `used_cpu_sys` 升高、磁盘 `await` 或 `util` 接近打满的场景。常见部署形态包括单机 Redis、主从 Redis、哨兵架构，以及运行在云主机本地盘或云盘上的 Redis
Kubernetes Liveness Probe 配置过激导致服务反复重启的排查实践
## 适用场景 本文适用于 Kubernetes 中业务 Pod 间歇性进入 `CrashLoopBackOff`、`RestartCount` 持续增长、服务短时间不可用，但应用日志里又看不到明确业务异常的场景。常见于 Spring Boot、Django、Go HTTP 服务、Node.js 服务等 Web 应用
Prometheus Target up=0 抓取失败的排查与修复实践
## 适用场景 本文适用于 Prometheus 已经配置了 `scrape_configs`，但在 Targets 页面看到目标实例显示 `DOWN`，或者 PromQL 查询 `up{job="xxx"} == 0` 的场景。常见对象包括 node_exporter、应用自暴露的 `/metrics`、Kuber
Linux OOM Killer 导致服务被杀的排查与治理实践
## 适用场景 这篇文章适用于线上服务突然退出、容器被重启、systemd 日志里只有 `Killed`、监控显示内存瞬时打满，但应用日志没有明确异常栈的场景。常见环境包括物理机、云主机、Docker 容器和 Kubernetes 节点。 OOM Killer 的本质是内核在内存不可回收时主动选择进程终止，以保证系