2同行回答
1、强大的数据模型：Prometheus中有一个内置的时间序列数据库（TSDB），采集到的所有监控数据都会以一种指标的形式存储在里面。除了储存了基本的名称外，还有描述每一个样本的标签。指标名称和一组标签是判定每一条时间序列的唯一标识，且它按照时间的前后顺序去保存一系列的样本值。关于维度的标签有两种来源方式：监控对象的状态或对于环境的定义。基于这些Labels我们可以方便地对监控数据进行聚合，过滤， 裁剪。
2、监控服务的内部运行状态：用户可以通过在应用程序中添加对Prometheus的支持，轻松的获取到服务和应用内部的真实运行状态，这点完全得益于Prometheus丰富的Client库。
3、管理方便：Prometheus唯一需要的就是一个本地磁盘，因为它的核心部分只有一个单独的二进制文件，没有像数据库，缓存等一系列的第三方依赖。这一特性使它不会潜在级联故障的风险。基于Pull模型的架构方式，Prometheus可以在本地电脑，测试环境等任何地方搭建监控系统；在遇到复杂的情况下，它的Service Discovery能力可以动态管理监控目标。
4、强大的查询语言PromQL：PromQL不仅可以轻松回答诸如：预测四小时之后，磁盘空间占用大致会是什么情况这一类的问题，还能实现对监控数据对查询与聚合。
5、高效率运作：大量对监控任务必然就会对应产生大量的数据。面对数以百万的监控指标，Prometheus可以以每秒处理数十万的数据点进行，这就体现出它的高效处理机制。
6、强可扩展性：Prometheus Server可以在数据中心和团队中独立运行，也可以通过Prometheus对于联邦集群的支持使多个独立的实例产生一个逻辑集群。功能分区（sharding）+联邦集群（federation）可以应用在单实例Prometheus Server处理的任务量过大的时候。
7、集成简易：使用Prometheus可以快速搭建监控服务，并且可以非常方便地在应用程序中进行集成。目前支持： Java， JMX， Python， Go，Ruby， .Net， Node.js等等语言的客户端SDK，基于这些SDK可以快速让应用程序纳入到 Prometheus的监控当中，或者开发自己的监控数据收集程序。同时这些客户端收集的监控数据，不仅仅支持 Prometheus，还能支持Graphite这些其他的监控工具。 同时Prometheus还支持与其他的监控系统进行集成：Graphite， Statsd， Collected， Scollector， muini， Nagios等。 Prometheus社区还提供了大量第三方实现的监控数据采集支持：JMX， CloudWatch， EC2， MySQL， PostgresSQL， Haskell， Bash， SNMP， Consul， Haproxy， Mesos， Bind， CouchDB， Django， Memcached， RabbitMQ， Redis， RethinkDB， Rsyslog等等。
8、可视化：通过Prometheus Server中自带的Prometheus UI不仅可以直接对数据进行查询，还可以以图形化对形式展示数据。且它提供的API还可以实现自己的监控可视化UI。
Prometheus的缺点：
1、Prometheus 是基于 Metric 的监控，不适用于日志（Logs）、事件（Event）、调用链（Tracing）。
2、Prometheus 默认是 Pull 模型，合理规划你的网络，尽量不要转发。
3、对于集群化和水平扩展，官方和社区都没有银弹，需要合理选择 Federate、Cortex、Thanos 等方案。
4、监控系统一般情况下可用性大于一致性，容忍部分副本数据丢失，保证查询请求成功。
5、Prometheus 不一定保证数据准确，这里的不准确一是指 rate、histogram_quantile 等函数会做统计和推断，产生一些反直觉的结果。