GolangPrometheus微服务监控实战教程

本篇文章给大家分享《Golang Prometheus微服务监控实战指南》，覆盖了Golang的常见基础知识，其实一个语言的全部知识点一篇文章是不可能说完的，但希望通过这些问题，让读者对自己的掌握程度有一定的认识(B 数)，从而弥补自己的不足，更好的掌握它。

首先集成Prometheus客户端库，再定义Counter、Gauge、Histogram等指标并注册；接着通过HTTP中间件自动收集请求量、延迟等数据；然后暴露/metrics端点供Prometheus抓取；配置prometheus.yml添加抓取任务；最后结合Grafana展示QPS、延迟、错误率等关键指标，并可集成Alertmanager实现告警。

微服务架构下，系统被拆分为多个独立服务，调用链复杂，对可观测性要求更高。Prometheus 作为云原生生态中主流的监控方案，与 Golang 天然契合。通过在 Go 微服务中集成 Prometheus，可以轻松实现指标暴露、采集和告警。下面详细介绍如何使用 Prometheus 监控 Golang 微服务。

1. 引入 Prometheus 客户端库

要在 Go 项目中启用 Prometheus 监控，首先需要引入官方客户端库：

这两个包分别用于定义指标和提供 HTTP 接口供 Prometheus 抓取。

2. 定义并注册监控指标

Prometheus 支持 Counter（计数器）、Gauge（仪表盘）、Histogram（直方图）和 Summary（摘要）四种核心指标类型。在微服务中常见用途如下：

• Counter：记录请求总数、错误数等只增不减的值
• Gauge：表示当前并发数、内存使用量等可变数值
• Histogram：统计请求延迟分布，例如 P90、P99 延迟

示例代码：

package main
import (
"net/http"
"time"
"github.com/prometheus/client_golang/prometheus"
"github.com/prometheus/client_golang/prometheus/promhttp"
)
var (
httpRequestsTotal = prometheus.NewCounterVec(
prometheus.CounterOpts{
Name: "http_requests_total",
Help: "Total number of HTTP requests.",
},
[]string{"method", "endpoint", "code"},
)
httpRequestDuration = prometheus.NewHistogramVec(
    prometheus.HistogramOpts{
        Name:    "http_request_duration_seconds",
        Help:    "HTTP request latency in seconds.",
        Buckets: []float64{0.1, 0.3, 0.5, 1.0, 3.0},
    },
    []string{"method", "endpoint"},
)
)
func init() {
prometheus.MustRegister(httpRequestsTotal)
prometheus.MustRegister(httpRequestDuration)
}

3. 在 HTTP 中间件中收集指标

为了自动收集每个请求的指标，建议使用中间件方式封装处理逻辑。

func metricsMiddleware(next http.HandlerFunc) http.HandlerFunc {
    return func(w http.ResponseWriter, r *http.Request) {
        start := time.Now()
    // 执行实际处理
    next.ServeHTTP(w, r)

    // 请求结束后记录指标
    method := r.Method
    endpoint := r.URL.Path
    status := w.(interface{ Status() int }).Status()

    httpRequestsTotal.WithLabelValues(method, endpoint, http.StatusText(status)).Inc()
    httpRequestDuration.WithLabelValues(method, endpoint).Observe(time.Since(start).Seconds())
}
}

注意：若 ResponseWriter 不直接支持 Status()，可包装一个自定义 writer 实现接口。

4. 暴露 /metrics 端点

Prometheus 通过 Pull 模式定期抓取目标的 /metrics 接口。需在服务中添加该路由：

func main() {
    http.Handle("/metrics", promhttp.Handler())
// 示例业务接口
http.HandleFunc("/api/users", metricsMiddleware(func(w http.ResponseWriter, r *http.Request) {
    w.WriteHeader(http.StatusOK)
    w.Write([]byte("user list"))
}))

http.ListenAndServe(":8080", nil)
}

启动服务后访问 http://localhost:8080/metrics 可查看原始指标数据。

5. 配置 Prometheus 抓取任务

修改 prometheus.yml，添加微服务 job：

scrape_configs:
  - job_name: 'go-microservice'
    static_configs:
      - targets: ['host.docker.internal:8080']  # 若在 Docker 中运行，使用宿主机地址

重启 Prometheus 后，在 Web UI 的 Targets 页面确认状态为 UP，说明抓取正常。

6. 使用 Grafana 展示监控面板

将 Prometheus 添加为数据源后，可导入官方推荐的 Go 监控看板（如 ID: 12683），或创建自定义图表展示 QPS、延迟、错误率等关键指标。

常用查询示例：

• 每秒请求数：rate(http_requests_total[5m])
• 平均响应延迟：rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m])
• 错误率（非 2xx）：sum(rate(http_requests_total{code!="200"}[5m])) / sum(rate(http_requests_total[5m]))

基本上就这些。只要在服务中正确埋点并暴露指标，Prometheus 就能自动完成采集。结合 Alertmanager 还可设置阈值告警，比如延迟超过 1 秒或错误率突增时通知团队。整个流程简单高效，适合大多数 Golang 微服务场景。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于Golang的相关知识，也可关注golang学习网公众号。