360的运维监控系统需要存储大量监控指标（如服务器CPU、内存使用率），选择一个分布式时序数据库（如InfluxDB或Prometheus），并说明其适用场景、数据模型以及如何保证高可用和查询性能？
答案
1) 【一句话结论】对于360的运维监控系统，推荐使用Prometheus（或InfluxDB，但Prometheus在监控场景更契合，因拉模型、基于标签的聚合、与Alertmanager的集成，能高效处理服务器CPU、内存等监控指标的高可用与查询需求）。
2) 【原理/概念讲解】时序数据库用于存储时间序列数据（如监控指标），核心是“时间+指标值+标签（metadata）”。时间序列数据的特点是数据随时间变化（如服务器CPU使用率），标签用于区分不同数据源（如主机名、区域）。分布式时序数据库通过分片（将数据分散到多个节点）和复制（多副本存储）保证高可用。类比：气象站记录温度，每个站点的温度是时间序列，标签是站点位置，分布式数据库将不同站点的数据存储在不同服务器，复制确保数据不丢失。
3) 【对比与适用场景】
| 特性 | Prometheus | InfluxDB |
|---|---|---|
| 定义 | 开源监控系统，内置时序数据库 | 开源时序数据库，支持推/拉模型 |
| 数据模型 | 时间+指标+标签（拉模型，基于标签聚合） | 时间+测量值+标签（推模型，写性能高） |
| 核心特性 | 拉模型（客户端主动拉数据）、基于标签的聚合、与Alertmanager集成 | 推模型（客户端主动推数据）、写性能高、支持复杂查询 |
| 适用场景 | 服务器、应用、容器监控（指标查询、告警） | 物联网、传感器数据、高频实时数据（如日志、指标） |
| 注意点 | 需定期清理数据（避免磁盘爆炸），标签设计影响查询性能 | 写性能高，但查询复杂时可能较慢，需合理设计索引 |
4) 【示例】以Prometheus为例，写入CPU指标：
curl -XPOST 'http://prometheus-server:9090/metrics' -d 'cpu_load_short{host="node1",region="east"} 15'
查询5分钟内的CPU负载变化：
http://prometheus-server:9090/api/v1/query?query=rate(node_cpu_seconds_total{job="node",mode="idle"}[5m])
5) 【面试口播版答案】
面试官您好，对于360的运维监控系统存储服务器CPU、内存等监控指标，我推荐使用Prometheus。首先，时序数据的核心是时间、指标值和标签（如主机名、区域），Prometheus通过拉模型（客户端主动拉数据）和基于标签的聚合，能高效处理大量监控指标。比如，服务器CPU使用率数据会按主机、区域等标签分组，查询时只需指定标签即可快速聚合。高可用方面，Prometheus通过多副本（如3副本）部署，数据复制到多个节点，确保故障时数据不丢失；查询性能通过标签优化（如常用标签提前索引）和查询缓存提升。比如，实际部署中，我们会在每个区域部署Prometheus实例，通过联邦（federation）整合数据，同时结合Alertmanager实现告警，完全满足监控需求。
6) 【追问清单】
- 问：如何保证高可用？答：通过多副本部署（如3副本），数据复制到多个节点，结合主从复制，故障时自动切换。
- 问：如何优化查询性能？答：合理设计标签（常用标签提前索引），使用查询缓存，避免复杂聚合查询。
- 问：数据清理策略？答：定期清理旧数据（如保留7天），结合Prometheus的规则（如
rulefile）自动清理。 - 问：与告警系统的集成？答：通过Alertmanager，定义规则（如CPU > 80%时告警），结合通知渠道（如邮件、短信）。
7) 【常见坑/雷区】
- 坑1：忽略拉模型与推模型的区别，误认为所有时序数据库都适合监控场景。需明确Prometheus的拉模型适合主动监控，而InfluxDB的推模型适合被动数据。
- 坑2：高可用配置不足，如副本数只有1，导致单点故障。应至少配置3副本。
- 坑3：标签滥用导致查询慢，如标签过多或无索引。需精简标签，常用标签提前创建索引。
- 坑4：数据清理策略不当，导致磁盘空间爆炸。需定期清理旧数据，结合时间范围限制。
- 坑5：忽略监控系统的整体架构，如未考虑与Alertmanager的集成。需说明告警流程，确保监控闭环。