Prometheus 作为云原生时代最流行的监控组件，已然成为社区监控事实上的标准，但是在多集群，大集群等场景下，只使用 Prometheus 是远远不够的；单集群场景下我们一般主要关注指标采集、存储、告警、可视化等基础监控能力，随着集群规模的增大，监控系统的弹性以及可扩展性成为首要解决的痛点问题，为此社区诞生了 Thanos、Cortex、Prometheus 联邦等一系列成熟的解决方案，我们也通过自研的 Kvass 解决方案，通过将服务发现与采集过程分离，以及自研的任务分片算法，无侵入式的支持采集任务横向扩展，满足大规模集群场景下的采集和监控需求。在分布式云场景下，用户集群往往采用混合多云多集群的部署架构，集群的地理位置更加分散，网络环境更加复杂，为此我们也在寻找一种新的方案来统一解决此类问题。本文以腾讯云跨账号集群统一监控为例，介绍分布式云下的多集群监控方案的最佳实践。
北斗前端监控系统是 58 内部的一个线上质量监控排查解决方案，用于帮助用户大幅提升定位问题和优化项目的效率。系统共分为数据收集（SDK）、数据处理（Java）、数据存储（Druid、……）、数据分析（Node.js）、数据展示(React) 5 层模型。Node.js 作为系统中的数据分析层，提供各种数据分析和应用的方式。 在一期之后，系统的基础功能已经完备。平台可以收集 5 种类型、30 多种指标的数据，已经具备了很强的数据收集能力，数据应用的方式却很匮乏。 所以在二期开发时，我们计划在 Node 端加入多种数据应用的方式。实时告警，就是其中之一。 简单分析需求，服务端需要以一定的频次（例如每分钟）监测不同项目中用户配置关注的指标数值。当数值出现异常时，给用户发送邮件、短信等告警信息用于警示。 而其中的重点，就是如何在 Node.js 中设计并实现定时任务系统？
故障也有积极意义 在复杂系统中，故障是必然的，无法彻底避免。从定性的角度来看，并非所有的故障都是坏事，有些故障是有正面意义的，比如说通过一个线上的小故障发现了一个大隐患，或者是某次故障中相关人员的意识和应急预案都很到位，但是由于故障的原因非常特殊最后仍然造成了较大的影响等等，类似这样的故障都要找出其中的亮点。 所以，我们要用辩证的眼光去看待，避免大家“闻故障色变“。为了往这方面引导，我们在规章制度方面也做了很多设定，因此在我们的故障管理制度上，我们也是鼓励快速恢复(对于快速恢复的故障定级比较低)、鼓励通过演练发现更多的线上问题(对于由于演练导致的故障有一定的豁免权)等等。但是，大家也应该充分意识到我们对故障的理念：即偶尔的系统失效是可以容忍的，人为的犯错是要严肃对待的，比如说不符合高可用规范的系统设计模式、强弱依赖设计不合理、由于人员意识不到位带来的故障处理时间较长、值班人员未及时接通oncall、由于对线上系统不够重视带来的变更隐患、不遵守变更三板斧规范等等。
写软件和造楼房一样需要设计，但是和建筑行业严谨客观的设计规范不同，软件设计常常很主观，且容易引发争论。 设计模式被认为是软件设计的“规范”，但是在互联网快速发展的过程中，也暴露了一些问题。相比过程式代码的简单与易于修改，设计模式常常导致代码复杂，增加理解与修改的成本，我们称之为 “过度设计”。因而很多人认为，设计模式只是一种炫技，对系统没有实质作用，甚至有很大的挖坑风险。这个观点容易让人因噎废食，放弃日常编码中的设计。 本文将深入探索如下问题： 为什么长期来看，设计模式相比过程式代码是更好的？ 什么情况下设计模式是有益的，而什么情况下会成为累赘？ 如何利用设计模式的益处，防止其腐化？
