当前位置:首页 > 文章列表 > Golang > Go教程 > Golang如何用Grafana展示监控数据

Golang如何用Grafana展示监控数据

2026-01-31 12:34:36 0浏览 收藏

你在学习Golang相关的知识吗?本文《Golang如何用Grafana展示指标》,主要介绍的内容就涉及到,如果你想提升自己的开发能力,就不要错过这篇文章,大家要知道编程理论基础和实战操作都是不可或缺的哦!

首先集成prometheus/client_golang库,定义并注册指标如直方图记录HTTP请求延迟;接着在Golang应用中暴露/metrics接口供Prometheus抓取;然后配置Prometheus的scrape_configs以目标地址获取指标;最后在Grafana中添加Prometheus数据源并导入4475模板实现可视化。需注意网络可达性、高基数问题及生产环境安全防护。

Golang如何使用Grafana可视化指标

Golang 应用中要实现指标可视化,通常需要先采集运行时数据(如请求延迟、QPS、内存使用等),然后将这些指标暴露给 Prometheus 抓取,最后通过 Grafana 展示。整个流程不复杂,核心在于正确集成指标收集与暴露机制。

1. 使用 Prometheus 客户端库暴露指标

Golang 中最常用的指标库是 prometheus/client_golang。你需要在项目中引入它,并定义要收集的指标类型,比如计数器(Counter)、直方图(Histogram)、仪表(Gauge)等。

- 安装依赖:

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

- 在 HTTP 服务中添加一个专门暴露指标的 endpoint,例如 /metrics:

注册一个 handler,把 prometheus 的默认收集器暴露出来:

http.Handle("/metrics", promhttp.Handler())

- 定义并使用自定义指标,例如记录 HTTP 请求耗时:

创建一个直方图:

var httpDuration = prometheus.NewHistogramVec(

  prometheus.HistogramOpts{

    Name: "http_request_duration_seconds",

    Help: "HTTP request latency in seconds",

  },

  []string{"path", "method", "status"},

)

启动时注册到全局收集器:

prometheus.MustRegister(httpDuration)

在中间件中观测请求耗时:

func InstrumentHandler(next http.HandlerFunc) http.HandlerFunc {

  return func(w http.ResponseWriter, r *http.Request) {

    start := time.Now()

    next.ServeHTTP(w, r)

    duration := time.Since(start).Seconds()

    httpDuration.WithLabelValues(r.URL.Path, r.Method, strconv.Itoa(status)).Observe(duration)

  }

}

2. 配置 Prometheus 抓取 Golang 应用指标

Prometheus 需要知道你的应用地址和 /metrics 路径。编辑 prometheus.yml,加入 job 配置:

scrape_configs:

  - job_name: 'go-app'

    static_configs:

      - targets: ['localhost:8080'] # 替换为你的应用地址

重启 Prometheus 后,在 Web 界面(http://localhost:9090)查询你的指标,比如 http_request_duration_seconds,确认数据已抓取。

3. 在 Grafana 中导入或创建 Dashboard 可视化

启动 Grafana 并登录后,先添加 Prometheus 为数据源:

- 进入 Configuration > Data Sources > Add data source

- 选择 Prometheus

- 填写 URL(通常是 http://localhost:9090)

- 保存测试通过

- 创建新 Dashboard 或导入现成模板:

推荐使用社区编号为 4475 的 "Go Metrics" 模板:

- 点击 + Import

- 输入 4475

- 选择你刚配置的 Prometheus 数据源

这个模板会自动展示 GC 次数、goroutines 数量、内存分配、HTTP 延迟等关键指标。

4. 常见问题与优化建议

确保你的应用暴露的 /metrics 接口可被 Prometheus 访问,防火墙或网络策略可能阻止抓取。

避免创建过多 label 组合,否则会导致“高基数”问题,影响 Prometheus 性能。

生产环境中建议加 basic auth 或路径保护,防止 /metrics 被公开访问。

如果应用是分布式的,每个实例都要暴露 metrics,Prometheus 会分别抓取,Grafana 自动聚合展示。

基本上就这些。只要指标正确暴露,Prometheus 正常抓取,Grafana 就能画出清晰的图表。调试时先查 /metrics 输出,再看 Prometheus 是否有数据,最后在 Grafana 查表达式是否匹配。流程通了之后,加新指标也很简单。

今天关于《Golang如何用Grafana展示监控数据》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

Golangvendor目录使用与依赖管理技巧Golangvendor目录使用与依赖管理技巧
上一篇
Golangvendor目录使用与依赖管理技巧
::after伪元素实用技巧与使用案例
下一篇
::after伪元素实用技巧与使用案例
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    402次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    478次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    487次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    435次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    260次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码