

# **Prometheus 撑不住了？上 Thanos、Cortex、M3！一篇给你讲明白大规模监控的江湖**

大家好，我是 **Echo_Wish**。今天咱聊一个运维人绕不过的现实问题：

> **业务疯狂长，指标像下雨一样砸进来，Prometheus 单机那点小身板，撑得住吗？**

你别说，还真撑不住。

当指标量从几十万级往千万、亿级爬的时候，Prometheus 的痛点会一个接一个地冒出来：

* 存储爆炸
* 查询变慢
* 单点崩溃
* 多机房聚合困难
* 长期数据留存压力大

于是，“Prometheus 增强组件三巨头”横空出世：

> **Thanos、Cortex、M3 —— 三大大规模监控系统的天花板级架构。**

今天咱不玩废话，直接告诉你：

* 它们能解决什么？
* 哪个更适合你？
* 架构到底啥样？
* 怎么落地？
* 为什么大厂都这么用？

用运维人的口吻总结一句话：

> **Prometheus 是家用电饭煲；Thanos/Cortex/M3 是工地 50 升大铁锅，炒啥都不怕爆。**

---

## **一、为什么 Prometheus 在大规模场景下必挂？（痛点先亮出来）**

### **1）存储有限**

Prometheus 是本地 TSDB（Time Series Database），磁盘一满直接玩完。

### **2）横向扩展弱**

多台 Prometheus 不共享数据，每个都是孤岛。

### **3）Cross-cluster 查询很难**

跨机房、跨地域做聚合，非常费劲。

### **4）历史数据成本高**

长期数据要么丢，要么手动压缩存 OSS/HDFS，过程痛苦。

### **5）PromQL 在大规模查询下变慢**

业务稍一查全局，Prometheus 就先跪。

所以，大规模监控系统必须满足四个硬指标：

* **无限扩展**
* **全局查询**
* **多集群合并**
* **长期低成本存储**

而这，就是 Thanos、Cortex、M3 出场的理由。

---

## **二、三巨头快速对比：一句话总结风格**

| 方案         | 一句话总结                     | 适用规模           |
| ---------- | ------------------------- | -------------- |
| **Thanos** | “给 Prometheus 加外挂”，简单粗暴扩展 | 中大型、云上、混合环境    |
| **Cortex** | 真·云原生横向扩展 TSDB            | 超大型、SaaS、百万实例级 |
| **M3**     | Uber 打造的高性能监控引擎           | 高写入量、极致性能场景    |

你别被术语吓到，本质只是风格不同：

* **Thanos：最容易上手，最贴近原生 Prometheus。**
* **Cortex：最云原生，要依赖对象存储 + 微服务架构。**
* **M3：最性能怪兽。**

---

## **三、Thanos：Prometheus 的“黄金外挂”**

**为什么最常用？**
因为它几乎不用改 Prometheus，把多个 Prom 实例变成一个“超级大 Prom”。

### **Thanos 核心能力：**

* 聚合多 Prometheus
* 通过 sidecar 同步数据到对象存储
* 全局查询
* 低成本长期存储
* 高可用

一句话：

> **原来的 Prom 你别动，我帮你变强。**

---

### **核心架构长啥样？（简化版）**

```
Prometheus -- Sidecar ----> Thanos Store ----> Object Storage (S3/OSS/COS)
                    \-----> Thanos Query <-----/
```

### **Thanos 配置示例（Sidecar）**

```yaml
args:
  - sidecar
  - --prometheus.url=http://127.0.0.1:9090
  - --tsdb.path=/prometheus
  - --objstore.config-file=/etc/thanos/objstore.yaml
```

### **Thanos 查询组件示例（Query）**

```yaml
args:
  - query
  - --store=thanos-storegateway:10901
  - --store=sidecar-prom01:10901
  - --store=sidecar-prom02:10901
```

就这点配置，你的 Prometheus 就从单机小弟升级成集群大佬。

---

## **四、Cortex：真正云原生 Prometheus 集群**

Cortex 是 CNCF 项目，也是 Grafana 公司主推的方案。

它不像 Thanos 一样“加外挂”，而是：

> **自己做 TSDB，自己做多租户，自己做水平扩展。**

更适合：

* 多租户 SaaS
* 云平台
* 多团队共享监控系统

### **Cortex 架构的核心关键词：**

* 微服务组件（ingester、querier、distributor…）
* Ring 管理
* 对象存储
* 高可用
* 分片与副本

### **写入流程逻辑（伪代码示例）**

```go
func ingest(sample) {
    hash := hashFunc(sample.seriesID)
    ingester := ring.lookup(hash)
    ingester.append(sample)
}
```

这“hash 打散”的方式让 Cortex 可以无限横向扩展。

### **查询流程（简化）**

```go
func query(expr) {
   shards := distributor.split(expr)
   results := parallel(shards)
   return merge(results)
}
```

是不是云原生味道很足？

缺点也明显：

* 组件多
* 部署复杂
* 运维门槛高

但只要上规模，你会发现：

> **比 Thanos 更能扛。**

---

## **五、M3：性能狂魔的选择（Uber 出品）**

M3 是 Uber 为了承受海量监控数据自研的监控系统。

最大的优势就是两个字：

> **快。稳。**

### **核心特性：**

* M3DB：高性能分布式时序数据库
* M3Coordinator：查询路由
* M3Aggregator：预聚合提升性能
* 自带多机房、强一致、水平扩展

Uber 监控规模你想象不到：

* 亿级时序
* 每秒百万+写入

Prometheus 纯靠自己？根本活不下来。

---

### **M3 写入 pipeline 示例**

```yaml
m3coordinator:
  listenAddress: 0.0.0.0:7201
  ingestion:
    metrics:
      type: unaggregated
      downsample: true
```

它会自动做预聚合：

```text
sum(rate(http_requests_total[5m]))
```

在 M3 中会成为：

```
http_requests_total__sum_5m
```

也就是说你 PromQL 执行的时候，系统已经提前聚好了，速度快得飞起。

---

## **六、实际业务怎么选？一张表给你拍板**

| 场景               | 推荐方案        | 理由           |
| ---------------- | ----------- | ------------ |
| 中型企业，Prom 规模几十台  | Thanos      | 简单好用，几乎无迁移成本 |
| 大型企业，多租户、百万指标规模  | Cortex      | 真正云原生扩展能力强   |
| 超高写入场景（金融/出行/广告） | M3          | 写入量大、延迟要求高   |
| 快速上线低成本方案        | Thanos      | 低门槛          |
| 云原生平台/容器平台       | Cortex      | 最灵活易扩展       |
| 单地域但数据量大         | Thanos 或 M3 | 看需求：功能 vs 性能 |

我一般建议：

* **先上 Thanos，易用性最高。**
* 如果 Prom 集群已经 100+、指标量亿级，就考虑 Cortex。
* 如果写入量炸裂，就上 M3。

---

## **七、我的实战感受：别迷信单一方案，混搭往往更香**

有一段时间我们做集群监控，非常典型的情况：

* Kubernetes + Prometheus Operator
* 多集群 Prometheus 抓指标
* Thanos 做全局聚合和长期存储
* 一部分高写入指标走 M3 做实时监控

你没看错：

> **监控系统不是非黑即白，不同特点的指标应该用最适合的存储。**

例如：

* Pod 指标 → Thanos（易查、结构化）
* 网关 QPS、业务流量 → M3（大量高频）
* SaaS 多租户指标 → Cortex

这是很多大厂真正的落地方式。

---

## **八、总结：大规模 Prometheus 架构不是选谁，而是选适合你业务的扩展方式**

如果你问我一句话怎么总结：

> **Thanos 是 Prometheus 的“外挂增强版”，Cortex 是 Prometheus 的“云原生集群版”，M3 是 Prometheus 的“性能爆炸版”。**

想上大规模监控，关键不是工具本身，而是：

* 吞吐量到底多大
* 查询模式有没有全局需求
* 是否多租户
* 有几个机房
* 是否需要长期存储
* 团队有没有能力维护复杂系统



业务疯狂长，指标像下雨一样砸进来，Prometheus 单机那点小身板，撑得住吗？

Prometheus 撑不住了？上 Thanos、Cortex、M3！一篇给你讲明白大规模监控的江湖

云计算

运维

架构设计

大规模监控系统解决方案对比：Thanos、Cortex和M3分别针对不同规模场景。Thanos适合中大型企业，简单扩展Prometheus；Cortex专为云原生多租户设计；M3则针对超高写入性能需求。根据业务规模、查询需求和团队能力选择最适合的监控架构方案。

微服务架构

对象存储

Kubernetes

云原生

数据库

容器

路由

SaaS

HDFS

AI驱动 智领未来

对象存储COS新用户低至1元！


tencentdb-catalog

ctsdb

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Prometheus 撑不住了？上 Thanos、Cortex、M3！一篇给你讲明白大规模监控的江湖-腾讯云开发者社区-腾讯云

Prometheus 撑不住了？上 Thanos、Cortex、M3！一篇给你讲明白大规模监控的江湖

Prometheus 撑不住了？上 Thanos、Cortex、M3！一篇给你讲明白大规模监控的江湖

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐