В Prometheus ты собираешь метрики со 100+ контейнеров. При всплеске нагрузки в 15 тысяч RPS scrape-интервал начинает срываться, и часть метрик не успевает собраться. Как ты оптимизируешь конфигурацию Prometheus, чтобы не потерять важные метрики, но не переполнить TSDB-диск?

Сначала выясните причину сорванного scrape: медленный endpoint, сеть, CPU Prometheus или избыточная cardinality.

Для некритичных jobs увеличьте интервал, удалите ненужные метрики и высококардинальные метки, сократите тяжёлые запросы. Задайте retention по диску с запасом и следите за head/WAL. Уже пропущенные samples нельзя восстановить настройкой; важные показатели требуют приоритета и достаточной ёмкости.