当前位置：首页 > 文章列表 > Golang > Go教程 > GolangPrometheus监控实战教程详解

GolangPrometheus监控实战教程详解

2026-01-20 20:24:58 0浏览收藏

偷偷努力，悄无声息地变强，然后惊艳所有人！哈哈，小伙伴们又来学习啦~今天我将给大家介绍《Golang Prometheus微服务监控实战教程》，这篇文章主要会讲到等等知识点，不知道大家对其都有多少了解，下面我们就一起来看一吧！当然，非常希望大家能多多评论，给出合理的建议，我们一起学习，一起进步！

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。

Golang如何使用Prometheus监控微服务_Golang Prometheus微服务监控实践详解

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：

go get github.com/prometheus/client_golang/prometheus
go get github.com/prometheus/client_golang/prometheus/promhttp

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。

本篇关于《GolangPrometheus监控实战教程详解》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于Golang的相关知识，请关注golang学习网公众号！