Prometheus: 64,094 GitHub Stars — Docker 배포 가이드 2026 | dibi8

소개 #

애플리케이션이 또 중단되었다. 페이지 로딩이 느리고 고객이 불만을 제기하는데, 팀은 데이터베이스가 멈춘 것인지 API 레이어에 문제가 있는지 전혀 파악할 수 없다. 이것이 모니터링 공백이 프로덕션 신뢰성을 해치는 방식이다. Prometheus —— Cloud Native Computing Foundation(CNCF)에서 Kubernetes에 이어 두 번째로 졸업한 프로젝트로 64,094개의 GitHub Stars를 보유하고 있으며, DigitalOcean, Uber, SoundCloud 등에서 실전 검증된 모니터링 시스템이다. 이 가이드에서는 Docker와 Kubernetes를 활용한 프로덕션급 Prometheus 설정, 실제 PromQL 쿼리, 팀에 도구 선택을 정당화할 수 있는 구체적인 수치를 제공한다.

Prometheus란? #

Prometheus는 클라우드 네이티브 환경을 위해 설계된 오픈소스 모니터링 시스템 및 시계열 데이터베이스이다. 2012년 SoundCloud에서 Google의 Borgmon에서 영감을 받아 개발되었으며, 현재는 컨테이너화 및 마이크로서비스 아키텍처에서 지표 수집의 사실상 표준(de facto standard)이 되었다. 2016년 CNCF에서 졸업했으며, 최신 안정 버전은 v3.11.0(2026년 4월)이고 v3.12.0-rc.0은 프리릴리스 상태이다.

Prometheus 작동 방식 #

Prometheus는 풀(pull) 기반 아키텍처를 사용한다. 에이전트가 중앙 수집기에 지표를 푸시하는 대신, Prometheus는 구성된 간격으로 HTTP 엔드포인트를 스크랩한다. 이 설계는 서비스 디스커버리를 단순화하고, 모든 호스트에 에이전트를 설치할 필요가 없으며, 내장된 상태 감지 기능을 제공한다 —— 타겟이 응답하지 않으면 up 지표가 즉시 0을 반환한다.

핵심 구성 요소:

구성 요소	역할
Prometheus Server	지표 스크랩, TSDB 저장, 규칙 평가
TSDB	Head(메모리)와 Block(디스크) 레이어를 갖춘 커스텀 시계열 데이터베이스
Service Discovery	Kubernetes API, AWS EC2, Consul, DNS를 통해 타겟 자동 발견
Alertmanager	알림 중복 제거, 그룹화, Slack/PagerDuty/이메일 라우팅
Exporters	서드파티 시스템의 지표를 노출하는 사이드카 유틸리티

데이터 흐름: Service Discovery가 타겟을 식별하면, Scraper가 HTTP로 지표를 가져오고, TSDB가 압축하여 저장하며, Rule Engine이 알림 및 기록 규칙을 평가한다. Alertmanager가 알림 라우팅을 처리하고, HTTP API가 Grafana 또는 내장 표현식 브라우저에 쿼리를 제공한다.

핵심 설계 결정:

풀 오버 푸시: 타겟은 /metrics만 노출하면 되며 에이전트 구성이 불필요
로컬 저장소: 기본적으로 각 Prometheus 서버가 자율적으로 운영
다차원 데이터 모델: 모든 지표에 키-값 레이블이 부여되어 유연한 쿼리 가능
PromQL: 집계, 속도 계산, 알림을 위한 강력한 쿼리 언어

설치 및 설정 #

Docker 설정 (단일 노드, 5분 이내) #

가장 빠르게 Prometheus를 실행하는 방법은 Docker이다. 프로젝트 디렉토리를 생성하고 두 개의 파일을 만든다:

prometheus.yml:

global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

docker-compose.yml:

version: '3.8'

services:
  prometheus:
    image: prom/prometheus:v3.11.0
    container_name: prometheus
    ports:
      - "9090:9090"
    volumes:
      - prometheus-data:/prometheus
      - ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.path=/prometheus'
      - '--storage.tsdb.retention.time=30d'
      - '--web.enable-lifecycle'
    restart: unless-stopped

volumes:
  prometheus-data:

시작:

docker compose up -d

UI 접속: http://localhost:9090. --web.enable-lifecycle 플래그는 POST /-/reload를 통해 컨테이너 재시작 없이 구성을 다시 로드할 수 있게 한다.

Docker 풀 스택: Prometheus + Grafana + Node Exporter + cAdvisor #

완전한 모니터링 스택을 위해 Grafana 시각화 및 호스트/컨테이너 지표를 위한 익스포터를 추가한다:

version: '3.8'

services:
  prometheus:
    image: prom/prometheus:v3.11.0
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
      - prometheus-data:/prometheus
    ports:
      - "9090:9090"
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.path=/prometheus'
      - '--storage.tsdb.retention.time=30d'
      - '--web.enable-lifecycle'
    restart: unless-stopped

  grafana:
    image: grafana/grafana:11.0.0
    ports:
      - "3000:3000"
    volumes:
      - grafana-data:/var/lib/grafana
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=admin
    depends_on:
      - prometheus
    restart: unless-stopped

  node-exporter:
    image: prom/node-exporter:v1.9.0
    volumes:
      - /proc:/host/proc:ro
      - /sys:/host/sys:ro
      - /:/rootfs:ro
    command:
      - '--path.procfs=/host/proc'
      - '--path.rootfs=/rootfs'
      - '--path.sysfs=/host/sys'
      - '--collector.filesystem.mount-points-exclude=^/(sys|proc|dev|host|etc)($$|/)'
    restart: unless-stopped

  cadvisor:
    image: gcr.io/cadvisor/cadvisor:v0.49.1
    volumes:
      - /:/rootfs:ro
      - /var/run:/var/run:ro
      - /sys:/sys:ro
      - /var/lib/docker/:/var/lib/docker:ro
      - /dev/disk/:/dev/disk:ro
    ports:
      - "8080:8080"
    restart: unless-stopped

volumes:
  prometheus-data:
  grafana-data:

풀 스택용 prometheus.yml:

global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['prometheus:9090']

  - job_name: 'node-exporter'
    static_configs:
      - targets: ['node-exporter:9100']

  - job_name: 'cadvisor'
    static_configs:
      - targets: ['cadvisor:8080']

Kubernetes Helm 배포 #

프로덕션 Kubernetes 환경에서는 kube-prometheus-stack Helm 차트를 사용한다:

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update

kubectl create namespace monitoring

helm install prometheus prometheus-community/kube-prometheus-stack \
  --namespace monitoring \
  --set prometheus.prometheusSpec.retention=30d \
  --set prometheus.prometheusSpec.storageSpec.volumeClaimTemplate.spec.resources.requests.storage=50Gi \
  --set grafana.enabled=true \
  --set grafana.adminPassword='your-secure-password'

배포 확인:

kubectl get pods -n monitoring

로컬 접속용 포트 포워딩:

kubectl port-forward svc/prometheus-kube-prometheus-prometheus 9090:9090 -n monitoring
kubectl port-forward svc/prometheus-grafana 3000:80 -n monitoring
kubectl port-forward svc/prometheus-kube-prometheus-alertmanager 9093:9093 -n monitoring

Kubernetes 프로덕션 설정 #

prometheus:
  prometheusSpec:
    resources:
      requests:
        memory: 2Gi
        cpu: 500m
      limits:
        memory: 4Gi
        cpu: 2000m
    storageSpec:
      volumeClaimTemplate:
        spec:
          storageClassName: gp3
          accessModes: ["ReadWriteOnce"]
          resources:
            requests:
              storage: 100Gi
    retention: "30d"
    retentionSize: "90GB"
    scrapeInterval: "30s"
    enableAdminAPI: false

alertmanager:
  alertmanagerSpec:
    resources:
      requests:
        memory: 256Mi
        cpu: 100m
      limits:
        memory: 512Mi
        cpu: 500m

grafana:
  enabled: true
  persistence:
    enabled: true
    size: 10Gi

적용:

helm upgrade --install prometheus prometheus-community/kube-prometheus-stack \
  -n monitoring -f values-production.yaml

Docker, Kubernetes, Grafana, Alertmanager 통합 #

Prometheus + Grafana 대시보드 #

Grafana에 Prometheus를 데이터 소스로 추가:

Grafana → Configuration → Data Sources → Add Data Source
Prometheus 선택
URL: http://prometheus:9090 (Docker) 또는 http://prometheus-kube-prometheus-prometheus.monitoring.svc.cluster.local:9090 (K8s)
Save & Test 클릭

대시보드 ID 1860 (Node Exporter Full)을 임포트하여 완전한 호스트 지표 대시보드를 얻거나, ID 14282로 cAdvisor 컨테이너 지표를 확인한다.

Prometheus + Alertmanager 알림 규칙 #

alert-rules.yml 생성:

groups:
  - name: node-alerts
    rules:
      - alert: HighMemoryUsage
        expr: (node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes * 100 > 85
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "{{ $labels.instance }} 메모리 사용률 과다"
          description: "메모리 사용률이 85%를 초과함 (현재값: {{ $value }}%)"

      - alert: HighCPUUsage
        expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "{{ $labels.instance }} CPU 사용률 과다"
          description: "CPU 사용률이 80%를 초과함 (현재값: {{ $value }}%)"

      - alert: DiskSpaceLow
        expr: (node_filesystem_avail_bytes / node_filesystem_size_bytes) * 100 < 10
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "{{ $labels.instance }} 디스크 공간 부족"
          description: "디스크 공간이 10% 미만 (마운트 포인트: {{ $labels.mountpoint }})"

      - alert: InstanceDown
        expr: up == 0
        for: 3m
        labels:
          severity: critical
        annotations:
          summary: "인스턴스 {{ $labels.instance }} 다운"
          description: "대상에 3분 이상 접근 불가"

      - alert: HighRequestLatency
        expr: histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m])) > 0.5
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "{{ $labels.instance }} 요청 지연 과다"
          description: "95번째 백분위 지연이 {{ $value }}초"

Alertmanager Slack 설정 #

alertmanager.yml 생성:

global:
  slack_api_url: 'YOUR_SLACK_WEBHOOK_URL'

route:
  receiver: 'slack-notifications'
  group_by: ['alertname', 'severity']
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 4h

receivers:
  - name: 'slack-notifications'
    slack_configs:
      - channel: '#alerts'
        send_resolved: true
        title: '{{ range .Alerts }}{{ .Annotations.summary }}{{ end }}'
        text: '{{ range .Alerts }}{{ .Annotations.description }}{{ end }}'

Kubernetes 서비스 디스커버리 #

scrape_configs:
  - job_name: 'kubernetes-pods'
    kubernetes_sd_configs:
      - role: pod
        namespaces:
          names:
            - default
            - production
    relabel_configs:
      - source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scrape]
        action: keep
        regex: true
      - source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_port]
        action: replace
        target_label: __address__
        regex: ([^:]+)(?::\d+)?;(\d+)
        replacement: $1:$2

PromQL 쿼리 예시 #

초당 요청율:

rate(http_requests_total[5m])

95번째 백분위 지연 시간:

histogram_quantile(0.95, 
  sum(rate(http_request_duration_seconds_bucket[5m])) by (le)
)

CPU 사용률 백분율:

100 - (avg by(instance) (
  irate(node_cpu_seconds_total{mode="idle"}[5m])
) * 100)

메모리 사용량 (MB):

(node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / 1024 / 1024

엔드포인트별 오류율:

sum(rate(http_requests_total{status=~"5.."}[5m])) by (handler) 
/ 
sum(rate(http_requests_total[5m])) by (handler)

디스크 사용 예측 (7일 내 가득 참?):

predict_linear(
  node_filesystem_avail_bytes[1h], 
  7 * 24 * 3600
) < 0

벤치마크 / 실제 사용 사례 #

수집 성능 #

배포 방식	초당 샘플	CPU 코어	메모리
Prometheus 단일 노드	~100,000–300,000	4	2–4 GB
Prometheus + Cortex	1M+	클러스터	수평 확장
VictoriaMetrics (단일)	최대 1,000,000	8	~2 GB
InfluxDB 3.0 OSS	~122,000	4	4–8 GB
InfluxDB 1.8 OSS	~200,000–400,000	4	4–8 GB

출처: 독립 TSBS 벤치마크, 2025–2026. Prometheus는 원시 수집 처리량 대신 쿼리 유연성과 운영 단순성을 선택한다.

규모별 리소스 요구사항 #

클러스터 규모	Prometheus CPU	Prometheus 메모리	저장소 (30일)
소형 (< 50 pod)	500m	1–2 Gi	20–50 Gi
중형 (50–200 pod)	1000m	2–4 Gi	50–100 Gi
대형 (200–500 pod)	2000m	4–8 Gi	100–200 Gi
초대형 (500+ pod)	4000m	8–16 Gi	200–500 Gi

실제 사용 사례 #

DigitalOcean: Prometheus 페더레이션으로 수천 개의 VM과 Kubernetes 클러스터 모니터링
Uber: M3DB(Prometheus 호환)로 수십억 개의 시계열 확장
SoundCloud: 창시자로서 최소 운영 오버헤드로 대규모 마이크로서비스 모니터링

고급 사용법 / 프로덕션 하드닝 #

보안 모범 사례 #

기본 인증 활성화 (Prometheus v2.24+):

basic_auth_users:
  admin: $2y$10$... # bcrypt 해시

htpasswd -nBC 10 "" | tr -d ':\n'

스크랩 타겟에 TLS 사용:

scrape_configs:
  - job_name: 'secure-target'
    scheme: https
    tls_config:
      ca_file: /etc/prometheus/certs/ca.crt
      cert_file: /etc/prometheus/certs/client.crt
      key_file: /etc/prometheus/certs/client.key
      insecure_skip_verify: false

네트워크 정책 (Kubernetes)으로 Prometheus 9090 포트 접근을 제한한다.
non-root 실행: 공식 이미지는 UID 65534(nobody)를 지원한다. v3.10.0부터 distroless 변형은 UID/GID 65532를 사용한다.

확장 전략 #

페더레이션: 글로벌 Prometheus가 리전별 Prometheus에서 집계 지표를 수집
리모트 라이트: Thanos, Cortex, VictoriaMetrics, Mimir로 장기 저장소에 지표 스트리밍
샤딩: job 또는 네임스페이스별로 여러 Prometheus 인스턴스에 타겟 분할
고가용성: 동일한 타겟을 스크랩하는 두 개의 동일한 Prometheus 인스턴스 실행; Thanos Querier로 중복 제거

Prometheus 자체 모니터링 #

prometheus_tsdb_head_series
prometheus_tsdb_head_chunks
prometheus_rule_evaluation_duration_seconds
prometheus_notifications_dropped_total

Thanos 장기 저장소 #

Thanos는 객체 저장소(S3, GCS, Azure Blob)를 통해 Prometheus를 확장하여 장기 보관 및 글로벌 쿼리를 가능하게 한다:

- name: thanos-sidecar
  image: quay.io/thanos/thanos:v0.37.0
  args:
    - sidecar
    - --tsdb.path=/prometheus
    - --objstore.config-file=/etc/thanos/objstore.yml
  volumeMounts:
    - name: prometheus-data
      mountPath: /prometheus

대안과의 비교 #

기능	Prometheus	InfluxDB	Datadog	New Relic
라이선스	Apache-2.0	MIT	독점	독점
비용	무상 (셀프 호스팅)	무상 OSS / 엔터프라이즈 $	$15–$23/호스트/월	$0.25/GB + 사용자 비용
배포 방식	셀프 호스팅, Docker, K8s	셀프 호스팅 / 클라우드	SaaS 전용	SaaS 전용
데이터 수집	풀(HTTP 스크랩)	푸시(에이전트/쓰기 API)	에이전트 기반 푸시	에이전트 기반 푸시
쿼리 언어	PromQL	InfluxQL / Flux / SQL	커스텀 / SQL	NRQL
네이티브 K8s SD	예 (내장)	Telegraf 통해	예 (에이전트)	예 (에이전트)
장기 저장소	Thanos / Cortex / Mimir	내장 (엔터프라이즈)	내장 (15개월)	내장 (13개월)
알림 기능	Alertmanager (네이티브)	Kapacitor / 엔터프라이즈	내장	내장
AI/ML 인사이트	커뮤니티 플러그인만	제한적	이상 감지	전체 AI 분석
단일 노드 수집	100K–300K 샘플/초	122K–400K 지표/초	N/A (SaaS)	N/A (SaaS)
적합한 경우	K8s, 인프라 모니터링, DevOps	IoT, 고친inality 지표	엔터프라이즈 멀티 클라우드	APM, AI 기반 운영

Prometheus를 선택하는 경우: Kubernetes를 운영하고, 데이터를 완전히 제어하려 하며, 호스트당 라이선스 비용을 피하고, 셀프 호스팅 운영 역량이 있는 경우.

경쟁사를 선택하는 경우: 턴키 APM과 분산 추적이 필요하거나(Datadog/New Relic), InfluxDB의 칼럼형 엔진이 더 적합한 고친inality IoT 워크로드를 처리하는 경우.

한계 / 정직한 평가 #

Prometheus는 만능 모니터링 솔루션이 아니다. 다음 제약 사항에 유의하라:

네이티브 로그 집계 없음: Prometheus는 지표를 처리하지만 로그는 처리하지 않는다. 로그 관리에는 Loki, ELK 또는 Fluentd가 필요하다.
단일 노드 제한: 단일 Prometheus 서버는 하드웨어에 따라 약 100,000–300,000 샘플/초를 처리할 수 있다. 그 이상은 페더레이션 또는 리모트 라이트 솔루션이 필요하다.
네이티브 장기 저장소 없음: 기본 로컬 저장소는 디스크 크기로 제한된다. 월 단위 이상의 보관을 위해서는 외부 객체 저장소 통합이 필수이다.
풀 모델 제약: 수명이 짧은 배치 작업이나 서버리스 함수를 모니터링하려면 Pushgateway 또는 OTLP 수집이 필요하며 복잡성이 추가된다.
고친inality 비용: 고유한 레이블 조합이 너무 많은 지표는 메모리 사용량을 폭발시키고 쿼리 성능을 저하시킬 수 있다.
학습 곡선: PromQL은 투자가 필요하다. SQL에 익숙한 엔지니어는 벡터 기반 쿼리에 적응하는 데 시간이 필요하다.

자주 묻는 질문 #

Q: Prometheus와 Grafana의 차이점은? A: Prometheus가 지표를 수집하고 저장하면, Grafana가 이를 시각화한다. 이들은 경쟁자가 아닌 상호 보완적인 도구이다.

Q: Python 애플리케이션을 Prometheus로 모니터링하려면? A: 공식 prometheus-client Python 라이브러리를 사용하여 /metrics 엔드포인트를 노출한 후, Prometheus가 이를 스크랩하도록 구성한다.

Q: Prometheus로 고가용성을 구현할 수 있나? A: 가능하지만 외부 솔루션이 필요하다. 동일한 타겟을 스크랩하는 두 개의 동일한 Prometheus 인스턴스를 실행하고, Thanos Querier 또는 Cortex로 중복 제거 및 글로벌 쿼리를 수행한다.

Q: Prometheus 데이터의 최대 보관 기간은? A: --storage.tsdb.retention.time으로 구성 가능(기본 15일). 수년간의 보관을 위해서는 Thanos, Mimir 또는 객체 저장소로의 리모트 라이트가 필요하다.

Q: Prometheus와 CloudWatch 같은 클라우드 모니터링을 비교하면? A: Prometheus는 더 유연한 쿼리(PromQL vs CloudWatch Insights), 차원 레이블, 지표당 과금이 없는 장점이 있다. CloudWatch는 AWS 서비스와 네이티브 통합되며 운영 오버헤드가 없다.

Q: Recording rules란 무엇이며 언제 사용하나? A: Recording rules는 비용이 많이 드는 PromQL 표현식을 사전 계산하고 결과를 새로운 시계열로 저장한다. 로딩이 느린 대시보드나 자주 실행되는 쿼리에 사용한다.

Q: Prometheus가 IoT 장치 모니터링에 적합한가? A: 장치가 HTTP 엔드포인트를 노출하고 Prometheus 서버가 접근 가능한 경우에만. 간헐적 연결의 에지/IoT 시나리오에서는 InfluxDB 같은 푸시 기반 시스템이 더 적합하다.

결론 #

Prometheus는 2026년에도 클라우드 네이티브 모니터링의 표준으로 남아있다. 64,094개의 GitHub Stars, 활발한 CNCF 지원, 그리고 지속적인 성능 개선(PromQL 힙 할당 감소, 네이티브 히스토그램 안정화, Remote Write 2.0)을 통해 인프라 관찰 가능성을 위한 안전한 장기 투자 대상이다.

액션 아이템:

kube-prometheus-stack Helm 차트를 클론하여 스테이징 클러스터에 배포
Grafana 대시보드 1860을 임포트하여 즉각적인 Node Exporter 가시성 확보
중요 서비스에 대한 세 가지 알림 규칙 작성
dibi8 Telegram 그룹에 가입하여 일일 오픈소스 도구 업데이트와 배포 팁을 받아보세요

호스팅 추천: DigitalOcean Kubernetes(관리형 컨트롤 플레인 $12/월부터)에 Prometheus를 배포하여 비용 효율적인 프로덕션급 모니터링 스택을 구축하세요. 전용 클라우드 리소스는 컨테이너 워크로드에 최적화된 HTStack 호스팅 솔루션을 확인하세요.

공개: 본 문서에는 제휴 링크가 포함되어 있습니다. 해당 링크를 통해 서비스를 구매할 경우 dibi8에 커미션이 지급될 수 있으며, 이는 추가 비용 없이 제공됩니다.

Prometheus: 64,094 GitHub Stars — Docker 배포 가이드 2026

소개 #

Prometheus란? #

Prometheus 작동 방식 #

설치 및 설정 #

Docker 설정 (단일 노드, 5분 이내) #

Docker 풀 스택: Prometheus + Grafana + Node Exporter + cAdvisor #

Kubernetes Helm 배포 #

Kubernetes 프로덕션 설정 #

Docker, Kubernetes, Grafana, Alertmanager 통합 #

Prometheus + Grafana 대시보드 #

Prometheus + Alertmanager 알림 규칙 #

Alertmanager Slack 설정 #

Kubernetes 서비스 디스커버리 #

PromQL 쿼리 예시 #

벤치마크 / 실제 사용 사례 #

수집 성능 #

규모별 리소스 요구사항 #

실제 사용 사례 #

고급 사용법 / 프로덕션 하드닝 #

보안 모범 사례 #

확장 전략 #

Prometheus 자체 모니터링 #

Thanos 장기 저장소 #

대안과의 비교 #

한계 / 정직한 평가 #

자주 묻는 질문 #

결론 #

추천 호스팅 및 인프라 #

출처 및 추가 자료 #

💬 댓글 토론

소개 #

Prometheus란? #

Prometheus 작동 방식 #

설치 및 설정 #

Docker 설정 (단일 노드, 5분 이내) #

Docker 풀 스택: Prometheus + Grafana + Node Exporter + cAdvisor #

Kubernetes Helm 배포 #

Kubernetes 프로덕션 설정 #

Docker, Kubernetes, Grafana, Alertmanager 통합 #

Prometheus + Grafana 대시보드 #

Prometheus + Alertmanager 알림 규칙 #

Alertmanager Slack 설정 #

Kubernetes 서비스 디스커버리 #

PromQL 쿼리 예시 #

벤치마크 / 실제 사용 사례 #

수집 성능 #

규모별 리소스 요구사항 #

실제 사용 사례 #

고급 사용법 / 프로덕션 하드닝 #

보안 모범 사례 #

확장 전략 #

Prometheus 자체 모니터링 #

Thanos 장기 저장소 #

대안과의 비교 #

한계 / 정직한 평가 #

자주 묻는 질문 #

결론 #

추천 호스팅 및 인프라 #

출처 및 추가 자료 #

🔗 관련 리소스

💬 댓글 토론