用途：为 ClickHouse 搭建完整监控体系，覆盖查询性能、合并（merge）健康度与资源使用。信号来源分四层：system.* 系统表（始终可用、零依赖）、Prometheus 抓取端点、应用层客户端埋点，以及针对高错误率、延迟上升、合并积压、资源耗尽等故障模式的告警规则。
主要能力：用 system.* 表做即时健康快照，例如查询运行中查询数、内存占用与活跃合并数；配置 Prometheus 抓取（ClickHouse Cloud 提供托管端点，自建实例使用 :9363/metrics）；在应用客户端用 prom-client 直方图/计数器埋点，暴露 clickhouse_query_duration_seconds、clickhouse_query_errors_total、clickhouse_insert_rows_total；构建 QPS、P50/P95/P99 延迟、错误率、写入吞吐等 Grafana 面板，可导入社区仪表盘 ID 23415；编写五类生产故障告警规则（错误率、延迟、part 数量、内存、磁盘），由 AlertManager 加载。
使用方式：先跑系统表查询获取健康快照；再把抓取配置写入 prometheus.yml；然后做客户端埋点并暴露 /metrics；接着搭建或导入 Grafana 面板；最后将告警规则写入 rules 文件交由 AlertManager 加载。产出物包括 prometheus.yml、clickhouse-alerts.yml、Grafana 仪表盘及客户端埋点指标。
适用场景：ClickHouse 生产实例的日常监控、值班告警与性能归因。
限制与前置条件：需要可访问 system.* 表的 ClickHouse 实例、Prometheus（或兼容组件）、Grafana，以及 AlertManager 或 PagerDuty。常见问题包括指标端点为空（未在配置中启用 /metrics）、标签基数过高、缺少 query_log 数据（需设置 log_queries = 1）、抓取间隔过长导致面板缺口（建议 10-15 秒）。具体配置细节与完整规则集在 references/ 中，资料未提供更细的调优参数。