1. 课程导论：多租户隔离的背景与挑战

1.1 多租户隔离的背景与挑战

在大型采集作业平台中，多个业务团队、项目组或客户（即“租户”）共享同一套基础设施进行数据采集、指标上报与监控分析。这种共享模式带来了显著的资源效率提升，但也引入了核心的隔离问题：如何确保一个租户的异常流量、错误配置或高基数指标不会影响其他租户的可用性与数据准确性？

多租户隔离面临的主要挑战可归纳为以下四个维度：

传统的解决方案——如为每个租户部署独立的 Prometheus 实例——虽然隔离彻底，但运维成本随租户数量线性增长，且无法实现全局聚合查询。因此，业界开始探索在共享 Prometheus 集群中，通过 PromQL 聚合查询与标签策略 实现逻辑多租户隔离。

1.2 Prometheus 在采集作业平台中的角色

Prometheus 作为云原生监控的事实标准，在采集作业平台中承担着 指标采集、存储、查询与告警 的核心职责。其角色可分解为以下关键环节：

• 指标采集（Scraping）： 通过 Pull 模型定期从各作业节点抓取指标数据，支持服务发现与动态配置。
• 数据存储（TSDB）： 以时间序列形式存储指标，每个序列由 metric name + labels 唯一标识。
• 查询引擎（PromQL）： 提供强大的聚合、运算与过滤能力，是隔离策略的核心执行层。
• 告警管理（Alertmanager）： 基于查询结果触发告警，需确保告警规则也遵循租户隔离。

然而，仅靠标签选择器并不足以解决所有隔离问题。当租户数量增长、查询复杂度上升时，必须引入 PromQL 聚合查询 的高级技巧，如 sum by (tenant_id)、topk 与 rate 的组合使用，以及 Recording Rules 的预聚合策略，才能同时保障隔离性、查询性能与资源公平性。

1.3 课程目标与学习路径

本课程旨在帮助 SRE、平台工程师与可观测性从业者掌握一套 基于 PromQL 聚合查询的多租户隔离方法论，能够独立设计、实施并优化采集作业平台的租户隔离方案。

课程目标

• 理解多租户隔离的底层原理： 标签模型、数据分片、查询路由与资源隔离机制。
• 掌握 PromQL 聚合查询的高级用法： sum by、topk、quantile、rate 在隔离场景中的组合技巧。
• 能够设计隔离策略： 从标签注入、Recording Rules 到查询网关的完整链路。
• 具备排障与优化能力： 识别基数爆炸、查询超时、数据泄露等典型问题并修复。

学习路径

课程共分为 6 个模块，建议按顺序学习：