PrometheusvsSRE

Prometheus

Prometheus 是 CNCF 毕业项目，专注于时序指标的采集、存储和告警。它通过 Pull 模式主动抓取目标的 /metrics 端点，配合 Grafana 实现可视化，是 K8s 监控的标配。

SRE

SRE 是 Google 提出的运维方法论：用软件工程的思维和工具来保障系统可靠性。SRE 团队写代码来自动化运维任务，用 SLO/SLI 量化可靠性目标，用 Error Budget 平衡可靠性和迭代速度。

Prometheus

• CNCF 毕业项目，K8s 监控标配
• Pull 模式主动抓取指标
• PromQL 查询语言强大但学习曲线陡

SRE

• Google 提出，用软件工程方法做运维
• 核心概念：SLO、SLI、Error Budget
• SRE 不是运维的新名字，是一种工程文化

Prometheus

基于时序数据库的开源监控告警系统，通过 Pull 模式采集指标

SRE

用软件工程方法和自动化工具保障大规模系统可靠性的工程实践体系

Prometheus

• Kubernetes 集群和容器的监控
• 应用性能指标的采集和告警
• SLO/SLI 的量化和追踪

SRE

• 大规模系统的可靠性保障
• 运维自动化和 Toil 消除
• 服务级别目标的定义和管理

Prometheus

Prometheus 由 SoundCloud 开发，2016 年成为 CNCF 第二个毕业项目。核心架构包括：Prometheus Server（采集和存储）、Exporter（指标暴露）、Alertmanager（告警管理）和 PromQL（查询语言）。Prometheus 的 Pull 模式天然适合动态的容器环境，配合 Service Discovery 自动发现监控目标。局限性在于长期存储和高可用需要额外方案（如 Thanos、VictoriaMetrics）。

SRE

SRE 由 Google VP Ben Treynor 在 2003 年创立，核心理念是「用软件工程方法解决运维问题」。SRE 的关键实践包括：SLO（服务级别目标）定义可靠性标准、SLI（服务级别指标）量化实际表现、Error Budget（错误预算）在可靠性和迭代速度之间取得平衡。当 Error Budget 充足时加速发布，耗尽时冻结变更专注稳定性。SRE 文化强调自动化一切可自动化的工作，将 Toil（重复性手工操作）降到最低。