Prometheus官方最佳实践导读：AI服务指标与标签治理

文档用途

AI推理监控容易因模型、租户和请求标签产生高基数，必须在接入阶段约束指标设计。官方文档内容会随版本更新，本文提供阅读顺序和工程核对方法，不替代原文。

建议阅读顺序

先查看版本与支持范围，再阅读安装和最小示例；随后进入配置、性能、监控和故障排查章节；最后阅读升级、兼容性和安全说明。遇到参数时同时记录默认值、适用版本和是否需要重启。

工程重点

统一单位和命名。

避免用户ID和请求ID标签。

为模型版本使用受控枚举。

用直方图记录延迟。

明确保留周期和告警表达式。不要只复制示例命令，应理解示例依赖的硬件、网络、权限和目录假设。

验证方法

建立最小测试环境，使用固定输入执行功能、异常和重启测试。对性能参数同时记录开启前后的吞吐、延迟、显存和错误率。对集群组件还要测试单节点退出、网络抖动和版本回滚。

版本管理

在项目文档中保存访问日期、产品版本、页面地址和关键参数。升级前重新核对发布说明，不把最新文档的参数直接套用到旧版本。

官方入口

https://prometheus.io/docs/practices/naming/

如官方页面与本文描述不一致，以对应软件版本的官方文档为准。