托管 Prometheus
托管 Prometheus
文档指南
请输入
- 文档首页
托管 Prometheus接入指南自定义接入自定义业务接入
复制全文
下载 pdf自定义业务接入
文档反馈
问问助手本文以 Go 语言为例，介绍如何在业务中自定义监控埋点，并通过托管 Prometheus 服务进行自定义指标上报，可视化及告警。
业务埋点
说明
Counter 类型
计数类型，数据是单调递增的指标，服务重启之后会重置。可以用 Counter 来监控请求数/异常数/用户登录数/订单数等。
如下展示了一个如何通过 Counter 类型来监控工单的例子。
// 工单
package ticket
import (
"github.com/prometheus/client_golang/prometheus"
)
// 请求数
var requestCounter = prometheus.NewCounterVec(prometheus.CounterOpts{
Subsystem: "ticket",
Name: "request_total",
Help: "The total number of ticket requests.",
}, []string{"action"}) // 操作
func init() {
prometheus.DefaultRegisterer.MustRegister(requestCounter)
}
// 创建工单
func Create() {
requestCounter.With(prometheus.Labels{"action": "create"}).Inc()
// 创建工单代码
}
此时，通过 rate() 函数即可获取工单的创建速率。
rate(ticket_request_total{action="create"}[5m])
Gauge 类型
当前值，监控打点的时候可对其做加减。可以用 Gauge 来监控当前内存使用率/CPU 使用率/当前线程数/队列个数等。
如下展示了一个如何通过 Gauge 类型来监控工单的例子。
// 工单
package ticket
import (
"time"
"github.com/prometheus/client_golang/prometheus"
)
var (
createConcurrencyCh = make(chan struct{}, 8)
)
// 并发控制
var (
createConcurrencyCurrent = prometheus.NewGaugeFunc(prometheus.GaugeOpts{
Subsystem: "ticket",
Name: "concurrent_create_current",
Help: "The number of in-flight create ticket requests.",
}, func() float64 { return float64(len(createConcurrencyCh)) })
createConcurrencyCapacity = prometheus.NewGaugeFunc(prometheus.GaugeOpts{
Subsystem: "ticket",
Name: "concurrent_create_capacity",
Help: "The maximum number of concurrent create ticket requests the server may serve.",
}, func() float64 { return float64(cap(createConcurrencyCh)) })
)
func init() {
prometheus.DefaultRegisterer.MustRegister(createConcurrencyCurrent, createConcurrencyCapacity)
}
// 创建工单
func Create() {
t := time.NewTimer(30 * time.Second)
select {
case createConcurrencyCh <- struct{}{}:
case <-t.C:
// timeout
return
}
defer func() {
<-createConcurrencyCh
}()
// 创建工单代码
}
此时，可以直接查看工单的并发饱和度。
max_over_time(ticket_concurrent_create_current[1m]) / ticket_concurrent_create_capacity
Histogram 类型
直方图，Prometheus 会根据配置的 Bucket 来计算样本的分布情况，后期可以再加工，一般多用于耗时的监控，通过 Histogram 可以计算出 P99/P95/P50 等耗时，同时也可以监控处理的个数，如果用上 Histogram 就不需要再用 Counter 统计个数。可以用 Histogram 来监控接口响应时间/数据库访问耗时等。
如下展示了一个如何通过 Histogram 类型来监控工单耗时的例子。
// 工单
package ticket
import (
"time"
"github.com/prometheus/client_golang/prometheus"
)
// 请求耗时
var requestDuration = prometheus.HistogramVec(prometheus.HistogramOpts{
Subsystem: "ticket",
Name: "request_duration_seconds",
Help: "Request duration distribution in seconds.",
Buckets: prometheus.DefBuckets,
}, []string{"action"}) // 操作
func init() {
prometheus.DefaultRegisterer.MustRegister(requestDuration)
}
// 创建工单
func Create() {
start := time.Now()
defer requestDuration.With(prometheus.Labels{"action": "create"}).Observe(time.Since(start).Seconds())
// 创建工单代码
}
此时，通过 Histogram 指标，可以直接查看工单的 P95 耗时。
histogram_quantile(0.95, rate(ticket_request_duration_seconds_bucket{action="create"}[5m]))
Summary 类型
摘要，和 Histogram 有一点类似，也是计算样本的分布情况，区别是 Summary 会在客户端计算出分布情况(P99/P95/Sum/Count)，因此也会更占客户端资源，后期不可再聚合计算处理，同样可以用 Summary 来监控接口响应时间/数据库访问耗时等。
Summary 和 Histogram 的使用方式类似，可以直接参考 Histogram 的使用方式。
暴露 Prometheus 指标
通过 promhttp.Handler() 把监控埋点数据暴露到 HTTP 服务上。
package main
import (
"net/http"
"github.com/prometheus/client_golang/prometheus/promhttp"
)
func main() {
// 业务代码
// 把 Prometheus 指标暴露在 HTTP 服务上
http.Handle("/metrics", promhttp.Handler())
// 业务代码
}
业务部署
完成相关业务自定义监控埋点之后，您可以在 VKE 集群中或 ECS 实例中部署应用，完成应用发布。应用发布后，即可接入托管 Prometheus 来获取监控指标数据。
服务发现
当您的业务部署在不同环境中时，支持不同的服务发现方式：
- 当业务部署在 VKE 集群中时，您可以使用 PodMonitor 或 ServiceMonitor 进行服务发现。详情请参见 服务发现。
- 当业务部署在 ECS 实例中时，您可以使用 集成中心 进行服务发现。详情请参见 云服务器接入。
查看监控数据
也可以搭建自建 Grafana，使用 Grafana 读取托管 Prometheus 服务中存储的数据，并创建指标大盘。详情请参见：
最近更新时间：2025.09.03 15:13:01
这个页面对您有帮助吗？
有用
有用
无用
无用