可靠性与可观测性怎么做？Prometheus/Grafana、checkpoint、leader-follower、快照分别解决什么问题？

How do you improve reliability and observability (Prometheus/Grafana, checkpointing, leader-follower, snapshots) in a leaderboard system?

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: medium

分类: System Design

标签: reliability, observability, prometheus, grafana, checkpoint

参考答案摘要

答案 可靠性要回答“出事了能否快速发现 + 快速恢复 + 不丢关键数据”。 Prometheus + Grafana ：采集时序指标（QPS、延迟、错误率、内存），可视化与告警。 Checkpoint（持久化） ：Redis 做 AOF/RDB 或定期落盘，防止内存故障导致数据全丢。 Leader-Follower ：缓存/存储做主从复制与 failover，提高可用性。 快照（snapshot）...

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。