Latest developer news about prometheus, summarized in Vietnamese by AI.
APM truyền thống không thể giải thích lý do agent AI liên tục đặt cùng một câu hỏi ba lần trong khi tiêu tốn nhiều tài nguyên hơn bình thường.
Lập trình viên nên đọc bài này để hiểu cách tăng cường khả năng quan sát cho các hệ thống AI, giúp phát hiện và giải quyết vấn đề hiệu quả hơn khi các hành vi bất thường—như lặp đi lặp lại—không thể phát hiện bằng cách chỉ theo dõi thời gian hoặc hiệu suất chung.
Grafana Cloud's Kubernetes Monitoring có hai hệ thống cảnh báo riêng biệt: cảnh báo quản lý bởi data source (Mimir/Prometheus) và cảnh báo quản lý bởi Grafana. Việc cài đặt lại app sẽ tự động chuyển quy tắc cảnh báo sang hệ thống Grafana, có thể làm gián đoạn các tuyến thông báo đã cấu hình trong Alertmanager. Bài viết hướng dẫn cách nhận diện hệ thống cảnh báo đang sử dụng, nguyên nhân ngừng hoạt động sau khi cài đặt lại, và các phương pháp tốt nhất như sử dụng nút Update thay vì cài đặt lại, sao lưu quy tắc tùy chỉnh trước khi nâng cấp, và lưu ý rằng cảnh báo quản lý bởi data source (Prometheus/Loki) sẽ ngừng hoạt động từ tháng 4/2026.
Lập trình viên cần đọc bài này để tránh mất hiệu suất cảnh báo trong Kubernetes khi tái cài đặt Grafana Cloud, vì nó có thể phá hủy cấu hình thông báo hiện có và cảnh báo cũ sẽ chuyển sang hệ thống quản lý mới, gây mất liên lạc với các hệ thống cảnh báo bên ngoài.
Latenx đĩa trên hypervisor tăng dần trong ba tuần do kernel 6.18.38 làm giãn latency trong thống kê diskstats (thông số diskwritetimesecondstotal và diskwritescompletedtotal).
Lập trình viên phát triển kernel Linux nên đọc bài này để hiểu cách kernel 6.18.38 có thể gây ra sự tăng đột biến trong thời gian đợi đọc ghi đĩa (diskstats latency), ảnh hưởng đến hiệu suất của hệ thống và có thể cần điều chỉnh hoặc patch để cải thiện trải nghiệm cho ứng dụng sử dụng I/O.
Attic không cung cấp endpoint /metrics hay ghi log mặc định, thay vào đó dữ liệu giám sát được lưu trong cơ sở dữ liệu SQLite, với hiệu suất tiết kiệm 2.45 lần và khả năng thu gom rác (GC) thực tế.
Lập trình viên muốn tối ưu hóa hiệu suất và quản lý cơ sở dữ liệu của ứng dụng Kubernetes bằng cách khám phá cách sử dụng SQLite trong Attic để theo dõi tiết kiệm tài nguyên và hiệu quả thu gom rác (GC) thực tế.
Sử dụng metric temporal_cloud_v1_billable_action_count để phân tích chi phí Temporal Cloud, gỡ lỗi hành vi Workflow, dự báo mức sử dụng và xây dựng cảnh báo hiệu quả hơn.
Một lập trình viên cần đọc bài này để hiểu cách tối ưu hóa chi phí và hiệu suất của các tác vụ định thời trong hệ thống Workflow của Google Cloud bằng cách phân tích số lượng hành động được tính phí theo thời gian.
OpenTelemetry giới hạn cardinality trong SDK metrics nhằm ngăn chặn tiêu thụ bộ nhớ vô hạn khi có quá nhiều kết hợp thuộc tính (attribute) độc nhất. Tuy bảo toàn giá trị tổng thể, việc tràn giới hạn này khiến các truy vấn lọc hoặc nhóm theo thuộc tính bị đếm thiếu, ảnh hưởng đến dashboards, SLOs và cảnh báo.
Lập trình viên nên đọc bài này để hiểu cách OpenTelemetry xử lý giới hạn độ phân biệt (cardinality) trong metrics, giúp tránh lỗi khi dữ liệu bị overflow gây sai lệch trong báo cáo và cảnh báo sản phẩm.
Hướng dẫn từng bước triển khai cảnh báo giám sát KurrentDB bằng Grafana, bao gồm 15 quy tắc PromQL sẵn sàng sử dụng, thông báo qua Slack và Gmail cùng các mẹo thiết lập.
Lập trình viên cần đọc bài này để tự động hóa cảnh báo về tình trạng hoạt động của KurrentDB, giảm thiểu rủi ro mất thời gian theo dõi thủ công và tối ưu hóa hiệu suất hệ thống bằng các quy tắc PromQL và cách thiết lập cảnh báo đa nền tảng.
AWS weekly roundup covering key launches from late July/early August 2026. Highlights include up to 80% price reductions for OpenAI GPT-5.6 models (Luna and Terra) available through Amazon Bedrock, with Luna now at $0.20/million input tokens. Amazon CloudWatch adds fully managed Prometheus collectors for EKS, EC2, ECS, MSK, and OpenSearch workloads, eliminating the need to self-manage scraping infrastructure. AWS Interconnect for Oracle Cloud Infrastructure reaches general availability, enabling private cross-cloud networking. IAM Identity Center extends multi-Region support to the Identity Center directory for improved resilience. Amazon S3 Tables gains support for the Variant data type in Apache Iceberg V3 for semi-structured data management.
Quỹ Cải thiện Công nghệ Nguồn mở (OSTIF) vừa hoàn tất cuộc kiểm toán bảo mật Cortex, xác nhận các chức năng hoạt động ổn định trong thời gian dài.
Lập trình viên nên đọc bài này để hiểu cách Cortex được chứng minh an toàn trong hệ sinh thái open-source, giúp bạn đánh giá và lựa chọn các giải pháp an toàn cho dự án của mình một cách tin cậy hơn.
Bài viết hướng dẫn cấu hình các OpenTelemetry exporters (OTLP, Prometheus, Jaeger, Azure Monitor) trong ứng dụng .NET bằng C# thực tế, đặc biệt dành cho ASP.NET Core.
Lập trình viên ASP.NET Core cần đọc bài này để hiểu cách triển khai và tích hợp các exporter OpenTelemetry như OTLP, Prometheus, Jaeger và Azure Monitor một cách hiệu quả với các ví dụ thực tế trong C#.
Amazon CloudWatch vừa công bố tính năng thu thập dữ liệu tự động từ Prometheus, giúp quản lý giám sát hiệu quả hơn trên AWS.
Những lập trình viên quản lý hệ thống hoặc theo dõi hiệu suất ứng dụng sẽ tìm hiểu cách AWS tích hợp Prometheus vào CloudWatch để tự động hóa thu thập và phân tích dữ liệu theo thời gian thực, giúp tối ưu hóa khả năng phản ứng và giảm chi phí vận hành.
Tháng 7/2024 bản tin CloudNative.Now cập nhật những diễn biến mới nhất trong thế giới cloud native.
Những xu hướng và công nghệ cloud-native như Kubernetes, serverless và observability tiếp tục định hình tương lai của ứng dụng, và CloudNative.Now là nguồn thông tin nhanh chóng, chuyên sâu để bạn cập nhật và áp dụng hiệu quả trong công việc.
Summit gathers practitioners, contributors and engineers to advance open observability standards and practices Key Highlights SAN FRANCISCO, July 28…
A practical guide to OpenTelemetry metrics .NET -- covering Meter, Counter, Histogram, ObservableGauge, IMeterFactory, and exporting to Prometheus or OTLP.
Tích hợp observability ngay từ giai đoạn đầu trong quá trình phát triển phần mềm thay vì bổ sung sau cùng. Grafana Assistant (AI assistant) giúp đảm bảo khả năng quan sát hệ thống được triển khai ngay từ ban đầu.
Lập trình viên nên đọc bài này để hiểu cách tích hợp observability vào thiết kế hệ thống từ giai đoạn đầu, tránh phải bổ sung sau khi dự án đã chạy, tiết kiệm thời gian và chi phí sửa lỗi trong tương lai.
Để giám sát Kubernetes hiệu quả, cần những công cụ xử lý được tính chất động, ngắn hạn của môi trường container. Giải pháp tiêu chuẩn mã nguồn mở là Prometheus + Grafana, trong khi doanh nghiệp quy mô lớn thường dùng nền tảng quản lý toàn diện như Datadog và Dynatrace.
Lập trình viên cần đọc bài này để hiểu cách chọn và tối ưu hóa các công cụ giám sát Kubernetes phù hợp với quy mô dự án, từ giải pháp tự động hóa mở rộng (Prometheus + Grafana) đến các giải pháp doanh nghiệp chuyên nghiệp (Datadog, Dynatrace) để tránh rủi ro về hiệu suất và bảo mật trong môi trường container hóa.
Bài viết giới thiệu cách triển khai giám sát chuyên nghiệp bằng Prometheus, Grafana và Loki, kết hợp với CI/CD pipeline hoạt động ổn định trên hệ thống self-hosting từ phần 3.
Nếu bạn đang xây dựng hệ thống tự chủ hóa với các dịch vụ phức tạp, bài này sẽ giúp bạn tối ưu hóa giám sát hiệu suất và bảo trì bằng công cụ chuyên nghiệp như Prometheus, Grafana và Loki, đồng thời kết hợp với CI/CD để tự động hóa và đảm bảo chất lượng ứng dụng.
You can't cut what you can't see. Learn to track GPU utilization and memory in Kubernetes and attribute GPU cost to teams and workloads to find idle spend.
The new columnar metrics engine in Elastic Observability enables public sector IT teams to combine logging, metrics, and traces in one platform. As a result, SREs can improve uptime while protecting t...
Catching the Invisible: How to Detect Slow Memory Leaks with K8sGPT Before Your App Crashes Episode 2 of the Autonomous-SRE Series: Moving from state-driven AI to metric-driven trend projections. To …
Using Prometheus and Grafana to Debug Kubernetes Production Incidents It’s Friday evening. Your team has just finished deploying a new release, and everyone is looking forward to wrapping up the …
LiteLLM bổ sung tính năng giám sát với Metrics, Traces và tích hợp stack VictoriaMetrics, giúp theo dõi hiệu suất của AI Gateway/LLM Proxy. Đây là bài viết thứ ba trong loạt bài về LiteLLM.
Những lập trình viên xây dựng hệ thống AI Gateway hoặc proxy LLM cần đọc bài này để hiểu cách tích hợp và tối ưu hóa hệ thống theo các chỉ số hiệu suất, vết tích hoạt động và lưu trữ dữ liệu thông qua VictoriaMetrics, giúp giảm chi phí và tăng hiệu quả giám sát.
Production-Grade Kubernetes Monitoring with Prometheus, Grafana, and kube-state-metrics If you’ve ever deployed Prometheus in a Kubernetes cluster and opened Grafana for the first time, you’ve …
Prometheus Was Built for Metrics. We’re Asking It to Explain Systems. Prometheus Was Built for Metrics. We’re Asking It to Explain Systems. For nearly a decade, Prometheus has been the gold …
Phát hiện bất thường chi phí Kubernetes giúp cảnh báo sớm các đỉnh chi phí bất ngờ thông qua ngưỡng (thresholds) và chiến lược ứng phó thực tế, trước khi nhận hóa đơn.
Một lập trình viên phải đọc bài này để hiểu cách tối ưu hóa chi phí cloud cho các ứng dụng Kubernetes mà không cần phải quản lý chi tiết tài nguyên, giúp tiết kiệm ngân sách mà vẫn duy trì hiệu suất cao.
Họ tự hào giám sát mọi thứ từ ứng dụng, cơ sở dữ liệu đến dịch vụ, nhưng đã mắc sai lầm quan trọng: quên giám sát chính hệ thống giám sát của mình.
Lập trình viên nên đọc bài này để tránh rơi vào lỗ hổng an ninh do thiếu giám sát hệ thống nội bộ, từ đó bảo vệ ứng dụng và dữ liệu của doanh nghiệp trước các cuộc tấn công không ngờ.
Bài viết hướng dẫn cách xuất metrics từ CubeJS (self-hosted trên Kubernetes) tới Prometheus thông qua statsd exporter để giám sát hiệu quả hệ thống Cube Store.
Lập trình viên cần đọc bài này để hiểu cách tự động hóa thu thập và chuyển dữ liệu chỉ tiêu (metrics) từ CubeJS sang Prometheus thông qua StatsD trong môi trường Kubernetes, giúp theo dõi hiệu suất và tình trạng hoạt động của ứng dụng một cách hiệu quả.
Bắt đầu xây dựng dashboard Prometheus hiệu quả bằng cách đặt ra câu hỏi sản xuất quan trọng, chẳng hạn như khả năng phục vụ traffic của ứng dụng, thay vì trực tiếp viết PromQL.
Lập trình viên nên đọc bài này để hiểu cách chuyển đổi từ các chỉ số kỹ thuật (PromQL) sang vấn đề thực tế của ứng dụng, giúp họ thiết kế dashboard hiệu quả hơn từ những câu hỏi thực tế chứ không chỉ là những biểu đồ và số liệu abstract.
Học kỹ thuật Cloud-Native thực tế ngoài các hướng dẫn cơ bản thông qua chương trình LFX bằng cách xây dựng một hệ thống giám sát mã nguồn mở với mô hình dữ liệu đa chiều, ngôn ngữ truy vấn linh hoạt, cơ sở dữ liệu time series hiệu quả và hệ thống cảnh báo hiện đại.
Một lập trình viên muốn xây dựng hệ thống cloud-native hiệu quả nên đọc bài này để khám phá cách Prometheus và Grafana giúp tối ưu hóa giám sát, xử lý dữ liệu thời gian thực với mô hình phân chiều và ngôn ngữ truy vấn linh hoạt, từ đó tiết kiệm chi phí và nâng cao hiệu suất ứng dụng.
Odyssey 1.5.1, the multi-threaded connection pooler for PostgreSQL and Apache Cloudberry, has been released. New features include simple shared pools, pool_pin_on_listen for transaction pooling, cpu_affinity support, AWS-LC build support, SSLKEYLOGFILE support, queue time metrics (avg_wait_time/total_wait_time), improved Prometheus metrics exporter, and more. Bug fixes address pool size rechecking, cancel support race conditions, auth_query issues, and extended protocol handling for Close, DEALLOCATE ALL, and COPY. Extended protocol support was also refactored with pipelining performance improvements. Version 1.5.2 is already in preparation.
Discover more about what's new at AWS with Amazon Managed Service for Prometheus is now available in Asia Pacific (New Zealand) Region
Platform teams often lack visibility into which namespaces or workloads drive Kubernetes spend. This guide covers 10 core cost metrics every Kubernetes cost dashboard should track, including cost per namespace, CPU/memory request utilization ratios, idle node cost, workload efficiency score, and GPU utilization. It walks through building the monitoring stack with Prometheus, OpenCost, and Grafana, including specific PromQL queries for CPU utilization ratio, monthly CPU cost per namespace, and idle node cost. Key data from Cast AI's 2026 report shows average CPU utilization at just 8% and GPU at 5% across 23,000+ production clusters, with CPU overprovisioning jumping from 40% to 69% year-over-year. The post also covers showback vs. chargeback strategies, labeling prerequisites, and how Cast AI's platform automates rightsizing on top of the visibility layer.
Red Hat OpenShift AI 3.4 introduces a new usage dashboard for Models-as-a-Service (MaaS) deployments, giving administrators visibility into token consumption, API requests, rate-limited calls, and active users. The dashboard supports time-based filtering, drill-down by subscription/user/model, and CSV export for preliminary chargeback. It currently relies on Prometheus metrics via Kuadrant/Limitador counters with TelemetryPolicy labels, which introduces limitations: high cardinality risk at scale, data accuracy issues due to extrapolation, 15-day default retention insufficient for billing cycles, and lack of per-call granularity. User-level tracking is disabled by default due to these risks. A future architectural improvement is planned that replaces Prometheus metrics with structured per-call access logs at the gateway level, enabling long-term storage, accurate summarization, and better integration with external cost-management systems.
OpenCost is a free, open-source CNCF Incubating project for measuring and allocating Kubernetes infrastructure costs. This guide walks through installing OpenCost via Helm, including Prometheus setup, values.yaml configuration, cloud billing integration (AWS CUR, Azure Rate Card, GCP Billing), and accessing the UI and REST API. OpenCost tracks costs by namespace, workload, pod, node, and label, and is FinOps Foundation certified. Key limitations are covered: no rightsizing recommendations, no automation, no alerting, no negotiated discount reconciliation, and no multi-cluster federation in the OSS version. A comparison with Kubecost commercial and Cast AI clarifies where each tool fits in a Kubernetes FinOps workflow.
Kepler, the CNCF sandbox project for Kubernetes power consumption monitoring, has been significantly re-architected. The original eBPF-based approach required elevated privileges (CAP_BPF, CAP_SYSADMIN), caused accuracy issues with short-lived processes, and had a steep learning curve. The rewrite shifts to read-only /proc and /sys access, reducing privilege requirements and enabling simpler Helm-based deployment. Dynamic hardware topology discovery replaces hardcoded RAPL power structures, improving accuracy across diverse environments. Two validation experiments — one comparing old vs. new Kepler against IPMI ground truth at CERN, another showing near-zero process power attribution gap at Red Hat — confirm the accuracy improvements. Test coverage has reached 90%. The team is calling for community contributions in four areas: GPU power monitoring validation for AI/ML workloads, VM power model training, data accuracy validation against physical meters, and idle power attribution improvements.
Elastic giảm giá 75% cho metrics TSDS trên Elastic Observability Serverless, chỉ còn 25% mức phí tiêu chuẩn theo dung lượng (ingest và retention). Đồng thời, hệ thống lưu trữ cột mới cải thiện hiệu suất lưu trữ gấp 2,5 lần và giảm độ trễ truy vấn xuống 30 lần, bổ sung hỗ trợ ingest Prometheus và PromQL. So với Datadog, Elastic rẻ hơn khoảng 67–69% cho workloads cloud/VM và Kubernetes nhờ tính phí theo dung lượng thay vì theo host hay phí vượt mức.
Lập trình viên nên đọc bài này vì Elastic Observability đã nâng cấp công nghệ lưu trữ và xử lý dữ liệu métric với chi phí giảm đáng kể (75% cho TSDS) và hiệu suất cải thiện mạnh mẽ, giúp tối ưu hóa chi phí cho các ứng dụng cloud, VM và Kubernetes mà không cần phụ thuộc vào các tính năng phụ như per-host.
A practical reference for integrating Linkerd service mesh metrics into an existing OpenTelemetry Collector pipeline. Covers what OTel app instrumentation provides versus what Linkerd's sidecar proxy exposes at the network layer, where the two overlap (request rate, latency, errors) and where they don't (mTLS identity, business semantics, distributed traces). Includes a working OTel Collector config using a dedicated prometheus/mesh receiver with Kubernetes pod discovery, OTTL-based metric filtering, and resource enrichment to tag mesh metrics with layer=mesh. Also discusses cardinality implications of proxy label sets, a known $-expansion gotcha in Collector relabel configs, and how to visualize both layers side-by-side in Grafana using a mixed datasource panel. The reference stack uses K3s, Linkerd edge-26.5.5, OTel Demo (Astronomy Shop), OTel Collector contrib 0.118.0, VictoriaMetrics, and Grafana.
A practical guide to diagnosing and fixing the most common Kubernetes container exit codes. Exit code 137 (SIGKILL) can mean either OOMKilled or grace period expiry — the Reason field distinguishes them. Exit code 139 is a segmentation fault, often from native C/C++ extensions like NumPy or TensorFlow, requiring tools like AddressSanitizer or Python's faulthandler. Exit code 143 (SIGTERM) signals Kubernetes-initiated pod termination; the most common bug is shell-form ENTRYPOINT silently swallowing the signal. Exit code 127 means the binary wasn't found at startup. The post covers kubectl diagnostic commands, QoS classes and OOM kill priority, preStop hooks, terminationGracePeriodSeconds tuning, and a PrometheusRule for alerting on OOMKills. Cast AI's Workload Autoscaler is presented as an automated solution for preventing OOMKills.
OOMKilled (exit code 137) occurs when the Linux kernel's OOM killer terminates a container for exceeding its cgroup memory limit — Kubernetes only reports it, not enforces it. Three distinct scenarios produce OOMKilled: container limit breach, kubelet eviction under node memory pressure, and node-level kernel OOM. Diagnosis involves kubectl describe, previous container logs, and Prometheus queries using container_memory_working_set_bytes (not container_memory_usage_bytes, which includes reclaimable page cache). The correct fix is per-container rightsizing: set requests at p95 of working set over 7 days, limits at p99 or 1.5–2x requests. QoS class affects kill priority — Guaranteed pods are last to be killed. JVM containers need -Xmx capped at 75% of the container limit to account for off-heap allocation. At scale, automated rightsizing tools that track PSI metrics can proactively adjust limits before OOM kills occur.
Mumu chuyển từ Prometheus sang InfluxDB 3 trong 3 tháng, tăng gấp ba số liệu giám sát từ 150 lên 560 nhờ mô hình push-based phù hợp hơn. Quá trình di chuyển sử dụng chiến lược dual-write qua Vector, tận dụng AI để sinh 80% cấu hình từ OpenAPI của InfluxDB, đồng thời xác thực bằng Grafana so sánh song song. Lợi ích chính gồm chi phí triển khai thấp hơn (thêm metric chỉ cần 1 HTTP call), hỗ trợ SQL cho truy vấn tức thì, và mở rộng quan sát hệ thống như CI/CD, môi trường per-developer.
Lập trình viên cần đọc bài này để hiểu cách chuyển đổi từ Prometheus sang InfluxDB giúp tối ưu hóa hiệu quả theo dõi sự kiện push riêng biệt, giảm chi phí triển khai và mở rộng khả năng truy vấn SQL cho các trường hợp sử dụng mới như CI/CD và phân tích hoạt động người dùng.
Read the news here, practice coding, follow structured courses and train for IELTS on our sibling products — all connected through one 8 Sync account.
The ecosystem home: product overviews, blog and full pricing.
ExploreLearn along a clear roadmap: videos, auto-graded quizzes, certificates and mentors who ship for a living.
View the roadmap1,000+ DSA problems in Vietnamese, auto-graded across 7 languages — many FREE, right in your browser.