Из продакшена (Node.js + NestJS):

— HTTP latency p50/p95/p99 по эндпоинтам (avg врёт — один тяжёлый запрос всё портит) — DB connection pool utilization: >80% = alert до того как всё упало — Event loop lag для Node.js: >100ms = красный флаг, скорее всего блокирующая операция — Error rate разбить по HTTP статусам: 4xx ≠ 5xx, очень разная природа проблем

Самое ценное что добавили: кастомная бизнес-метрика — сколько запросов дошло до финального состояния vs зависли в промежуточном. Ловит баги логики, которые инфра-метрики не видят вообще.

Без чего обошлись бы: дефолтные go-метрики самого Prometheus — много шума, мало сигнала.

Что мониторишь помимо RED (Rate, Errors, Duration)?